1956年一场在美国达特茅斯（Dartmouth）大学召开的学术会议，多年以后被认定为全球人工智能研究的起点。现在人工智能已经成为炙手可热的概念，并进入大众视野。从互联网、汽车、智能家居到机器人等各领域，人工智能正迎来“井喷式”创新，并即将进入发展的“黄金时代”。
8月26日~27 ，CCAI2016中国人工智能大会在北京举行，大会邀请了国内外人工智能领域专家学者、企业大咖与会，就机器学习、人机交互、模式识别、自然语言处、认知科学、神经科学等热门和前沿话题进行了分享，逾1000位技术精英到场。
中国科学院副院长、中国科学院院士 谭铁牛
人工智能是新一轮科技与产业革命的最显著特征。人工智能在过去一年的十大趋势动态如下：
第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，应该都是掀起了热潮。
第二，产业竞争白热化，各种并购、招聘人才，都希望来竞争。
第三，投资并购密集化，过去一年大的小的收购、投资数不胜数，从几百亿到几个亿。
第四，人工智能应用普适化，各个领域的渗透。
第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。
第六，基础平台开源化，包括IBM、谷歌开源的平台，是过去一年特别明显的一个新特征。
第七，关键技术硬件化，包括IBM的类脑计算平台。
第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行。
第九，学科创新协同化，多学科跨界融合、交叉协同，创新人工智能创新途径，包括量子技术跟人工智能的结合。
第十，社会影响大众化。
红杉资本中国基金合伙人 周逵
未来，所有成功的公司都会变成人工智能公司，而目前整个业界的趋势就是人工智能。但目前人工智能虽然领域广泛，但面临诸多挑战。因此在这个时候，选择和时机就显的非常重要。
百度深度学习实验室主任 林元庆
IDL希望将人工智能核心技术做到统治级别，通过深度学习技术，不仅要做好图像识别基本技术（图像搜索、OCR、人脸识别），还要实现细粒度图像识别（如菜品识别）、视频分析、AR、医学图像分析等方面的突破。很多关键技术的决战期，将是接下来的1-3年。
驭势科技联合创始人&CEO 吴甘沙
人工智能是未来20年最重要的技术发展方向。2016年的人工智能就相当于1996年的互联网，1981年PC机，是一个变革时代的开始。但驭势科技认为，智能驾驶是未来10年市场辐射规模最大、社会效益最卓著的人工智能产业；智能驾驶的技术、市场和政策条件将在未来5年成熟；智能驾驶领域生态的合纵连横将是主旋律；智能驾驶不仅是人工智能，它是人工智能+汽车电子+系统工程，需要将汽车电子、系统工程的概念加进去，才能实现真正的智能驾驶；智能驾驶创新的重心，将逐渐从人工智能转向到系统工程。
出门问问创始人&CEO 李志飞
AI的行业应用做深，即把方案提供给第三方，是常见的AI产业化思路。出门问问选择的是另外的方式：1.、把自己的产品提供给消费者，希望把语音识别、语义理解、推荐、搜索等AI技术做成产品；2.、软硬结合，只是30-40%依赖于AI算法，AI和OS、硬件等一共构成最终的产品体验，并不断迭代优化。
微软亚洲研究院主管研究院 郑宇
通过大数据分析和人工智能，人们可以构建智慧的城市。例如在贵阳市布局充电桩、北京部署空气质量监督站、贵阳市交通和能耗监控系统的案例中，大数据和人工智能都发挥了重要作用，而在这几个案例中需要强调三点，第一，数据收集的方式和方法非常重要；第二，数据分析和处理的平台不可或缺；第三，算法是核心，没有好的算法，就无法得出正确的分析结果。
商汤科技CEO 徐立
深度学习学的是对于认知的表达，是一种生产工具的提升，比如可以代替人工做图像处理。商汤科技的一个案例：对抗活体检测的攻击，比如用一些3D的模式把照片抠两个眼睛，用一张卡片挡住眼睛，自己做一些动作的模式，研究员会写出一些模型，把这些攻击挡在外面，不断用更深奥的算法生成不同的模型去挡住下一波攻击。类似对抗学习模型，两者互相较量迭代过程中，攻击变的越来越真实。
旷视科技首席科学家 孙剑
视觉智能是人工智能的一个重要分支，目前人工智能的发展正在从感知智能向认知智能发展，而视觉是感知智能的一个重要方面。视觉理解核心问题是深度神经网络，神经网络模型目前已经从AlexNet发展到152层的ResNet，图像分类进展、人脸识别的进展、人脸识别的实际应用已经超越人眼，而无监督对抗学习和语义分割，将是视觉智能未来发展的关键。
地平线机器人技术创始人兼CEO 余凯
现在互联网的本质是连接人和世界，而信息、商品、服务都会和人联接，而任何世界的连接目前都是通过机器即计算机实现的，而人和机器是通过交互来实现，机器是通过索引来认识和分析这个世界。因此，交互和索引是互联网核心，而目前人机交互趋势是从无序到有序、从数据到语义、从线下到线上，而机器将变成Robot，并无处不在，Robot的大脑将会得到更迅速的发展。
云知声创始人&CEO 黄伟
人机交互是人工智能的基础，人机交互目前的发展趋势是从感知智能向认知智能发展。感知智能就是利用技术手段把物理信号转化成数字信号，从而进行分析和处理，目前感知还处在发展阶段，有很多路要走。而多人机交互方式目前有很多种，比如手势识别、图像识别、体感交互等，都是未来人机交互发展的方向，但语音才是最自然的交互方式。所以在物联网时代，语音识别仍是最重要的人机交互手段，而语音识别的核心技术，是基于语用技术的人机交互框架，以语境为基础的框架，直至自然语言生成。
Singularity.io公司联合创始人、ACL Fellow 林德康
搜索引擎和回答引擎最大的区别是，搜索引擎只根据关键词返回答案所在页面，具体信息和可靠程度还需要用户自己鉴别，回答引擎可以返回比较明确的答案。但搜索引擎和回答引擎都是给用户有用信息，但用户拿到这个信息后要做事情还是要自己去做。动作引擎则更进一步，通过执行一系列操作帮助用户完成需要做的事情，而不是仅仅提供信息。
微软人工智能首席科学家、IEEE Fellow 邓力
AI=感知+认知，首先是感知，更深层次的是认知，而人工智能目前更需要解决的是认知问题，而深度学习是提升认知，推进人工智能进一步发展的最有效的方法。深度学习在机器认知方面，通过使用Long Short-Term Memory RNN等模型，目前已经可以实现效果比较好的效果。深度学习加增强学习，可以解决更复杂的人工智能难题，而深度非监督学习则是未来人工智能的又一个重要研究课题和未来发展方向。
清华大学计算机科学与技术系特别研究员 朱军
机器学习面临很多困难，首先，机器学习的过程需要大量专家知识；其次，有经验的研究者需要三到五年；第三，机器学习局限在专家和专业的开发者手中。而交互式学习，可以解决机器学习面临的这些困难，但关键问题是要有易用、易于理解的交互式可视化界面、接受用户反馈的模型和学习算法、即时响应的高效算法、从小样本学习以及迁移学习的能力。
微软亚洲研究院首席研究员 刘铁岩
探讨机器学习未来的发展前景，必须要理解当前机器学习的优势和痛点。今天机器学习之所以能获得成功，得益于大数据、复杂模型和强大的计算能力。但这个三个因素同时也带来了困难，首先大量数据很难进行标注；其次深度模型也越来越难分析；此外同步并行计算的速度和通信延迟也会限制未来深度学习的发展。
腾讯AI Lab计算机视觉组负责人 刘威
机器学习的明天会更好。深度学习是机器学习的未来，对比传统的计算机视觉，基于深度学习的计算机视觉可以全自动学习更有价值的图像特征，比方卷积神经网络算法的突破导致物体识别精度大幅上升，而具体的实例就是艺术滤镜。
时趣首席科学家 王绪刚
人工智能的走向，是向着提升个人工作效率的方向发展，未来的人工智能将代替一些简单思索流程性的东西，帮助人们做出决策，而不会完全替代人类大脑。时趣科技主要关注营销中人工智能的应用，实际上营销中需要进行大量复杂数据的分析，而通过人工智能，可以使调研效率，KOL效率，沟通效率获得提升。
天眼查CEO 柳超
要辨析人工智能是机遇还是泡沫，首先要明确人工智能的定义，人工智能的定义是赋能于人。现在，技术进步、人文进步、资本助力三者交叉循环推动人工智能处于最好的时代，赋能于人意味着人和机器的能力互补，实现人、数据、技术三位一体的人工智能理念。
中科院自动化所模式识别国家重点实验室副主任 王亮
人工智能绝不是泡沫。前两次人工智能低谷的重要原因：一是受限于相关技术领域的发展，例如早期的计算机有限的内存和处理速度，不足以解决任何实际的AI问题；二是模型学习的数据库太小，包含信息太少。当年轻人遇到人工智能时，首先要了解人工智能的发展历程，要熟悉人工智能的发展现状，学会使用“能否解决现实问题并产生社会价值”的实践标准来区别机遇与泡沫，顺势而为。
新泽西州立大学罗格斯商学院管理科学与信息系统系副系主任 熊辉
人工智能的发展是人类自我解放的过程，但科技创新必然会导致泡沫的产生，人工智能必然会变化，但变化有其规律，人工智能的“不易”使人工智能的发展是一种必然，人工智能的复杂性会不断增加。但另一方面，人工智能也是简易的，而人工智能的“简易”对年轻人意味着工作机会和前景，意味着自我能力的挑战。
美国亚利桑那大学教授 Subbarao (Rao) Kambhampati
人机共存的本质是协调而非欺骗。人机互动非常复杂，尤其是很多人机的互动。机器应该能预测人类意图，这涉及到机器是否能够理解人类情感的发展，利用人类情感模式干预协调活动。传统规划要理解结果、指定行动的模式、得到的目标、描述最初所处的状态，会做出一些假设，设计行动的模式，但人机共存需要基于一些不完整人机模型进行规划。
中国科学院神经学研究所所长 蒲慕明
脑科学主要研究的对象是人类的大脑，脑科学目前的研究还处在早期阶段，而大脑中神经网络和神经元与人类认知之间具有非常复杂的关系。神经科学的主要内容是神经信息处理和脑功能机制，可借鉴的自然神经网络特性有五个，1、神经元类型；2、顺向、逆向、侧向联接；3、神经突触的可塑性；4、记忆的贮存、提取和消退；5、赫伯神经元集群概念的应用。
中国工程院院士 李德毅
交互认知，不同于但又一定伴随记忆认知和计算认知；交互认知的外在表现是，语言交互、图像交互和体感交互。交互认知的内涵、语言是对交互认知的语义标注，图像是对交互认知的情感标注，体觉可称之为肢体语言，图像是交互认知的主体。交互认知的本质是协商和学习，聊天是交互认知研究的突破口，要研究聊天机器人的形式化约束，研究双人聊天、群聊和复杂系统涌现中的交互认知。
以上是CCAI2016中国人工智能大会上部分嘉宾的分享。文章内容来自互联网，活动家整理编辑，转载请注明出处：http://news.huodongjia.com/56491.html，如有任何疑问，请联系小编微信：hdjkefu
更多IT互联网行业相关会议信息，请戳：http://www.huodongjia.com/it/
找会议，上活动家（www.huodongjia.com）！方便、快捷、安全找到最优质的会议。更多精彩内容可关注活动家微信公众号：VESERVICE，或直接扫描下面的二维码：
