标签归档:AITech

AITech 专场回顾:学界、产界、政策三方解读超高清与VR技术的机遇与挑战

雷锋网AI科技评论按:3 月 30 日,AITech (2018 国际智能科技峰会) 于深圳隆重召开。本次峰会由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办,雷锋网作为独家战略合作媒体第一时间对大会内容进行了报道。

在“超高清与VR技术”分论坛上,有来自学术界的科研大牛分享最新研究成果,也有行业标准制定者分享标准制定进程,还有包括中国电信,阿里巴巴、飞利浦,三星等在内的产业巨头分享超高清与VR前沿产品技术。他们的共同主题是分享他们所看到的行业机遇、挑战以及如何应对新技术发展带来的问题。以下是雷锋网对论坛内容的做的主要概述。

论坛的开始由广电总局总工程师王效杰领导做开场致辞。她用非常幽默的开场白对AVS含义做了一个全新解释。AVS(Audio Video coding Standard)不仅代表信源编码标准,A还可以代表AI,V可以代表VR,还可以代表虚拟现实VR在这里召开了AI和VR会议。

王效杰领导在接下来表示,重新组建的国家广播电视总局的一个主要职责就是推动广播电视事业还有产业发展,总局会将一如既往的继续支持新技术新标准的应用和发展,也会携手产业链共同推动超高清电视产业的加速发展。

接下来是嘉宾的正式分享环节。

第一位出场的是中国工程院丁文华院士,他分享的主题是中国超高清HDR、3D Audio标准及应用。

丁文华院士首先分享了这两年高清4K技术在中国的迅猛发展,无论是入户数量还是4K智能设备都出现了爆发式的增长。2017年,中国4K电视机的产量已经突破了3300万,占全球4K电视机出货量40%以上。

2016年5月份 ,按照工信部和广电总局两个部委的要求,AVS 技术应用联合推进工作组开始推进中国的超高清HDR和3D audio行标及国标的制作。 在整个标准的制作过程中,不可避免会遇到很多需要解决的问题。工作组首先是根据不同企业和组织的提案,做了相关技术点的分析,形成一个分析报告。在此基础上安排了两轮测试,第一轮测试不考虑编码,只在HDR的前期生成。第二轮测试,加入编码和解码过程。严格的测试环节保证了行业标准能够在真实环境中顺利实施。此外,在一些重难点标准制定上,也采用了向全球征集方案的方法。在应用层面,考虑到海外引进内容,也做了相关适配。

截止到今年三月。整个工作组已完成了HDR标准行标的草案工作,已提交到广电总局进行审批。

丁文华院士最后做总结:随着HDR和3D标准的发展,会带动新一轮面向超高清产业的发展,今年的下半年是一个很重要的部署年,制作端目前已经没有任何不可克服的障碍。希望产业界好好利用这段黄金期共同加速行业发展。

第二位出场的是现任浙江大学信息与通信网络工程研究所长虞露,分享的主题为“AVS2超高清编码及后续标准计划”

虞露在2005年至2017年任国家数字音视频编解码技术标准工作组(AVS)视频组组长,现任MPEG视频组组长,主要研究领域包括视觉感知、视频编码、多媒体通信、专用集成电路设计等。在大会上,她依次分享了目前视频高效编码应用现状及需求,AVS2超高清视频编码标准核心技术,以及各组织视频压缩新标准计划。

在谈及视频高效编码的现状及需求时,虞露教授引用了工信部发布的行业报告中的两组数据:

  • 从智能设备的数量来看:2017年,生成手机19亿部,其中智能手机14亿部。2017年,生成彩色电视机1.72亿台,其中智能电视1.09亿台。

  • 从网络流量上来看:2017年,固定数据及互联网业务收入达到1971亿元,移动互联网接入流量消费达246亿GB,比上年增长162.7%,移动互联网接入流量达到1775MB/月/户,是上年的2.3倍。

从2017年分布的“思科视觉网络指标”可以预测未来视频服务及内容将持续成为网络数据流量的主要来源。视频急速发展带来的问题也是显而易见的,比如面临巨大存储问题,网络宽带问题等。因此迫切需要找到一种高效经济的编解码技术。

接下来虞露教授对常见的三大视频编码标准组织(AVS、MPEG、VCEG)做了简要介绍,并对其中的AVS视频编码标准发展历程做了重点回顾。AVS标准规定了码流的语法,语义,以及解码方法,对编码方法没有做具体规定,从而给企业和行业留下足够大的发挥空间,面向不同的应用类,创造差异化产品。

视频编码标准大概以十年为一个周期,逐代向前推进,AVS2要比AVS1压缩效率提高一倍。虞露教授透漏接下来任务是发展AVS3,目标是比AVS2的性能提升一倍以上,支持全景视频的高效编码等。

接下来的分享嘉宾是飞利浦中国研究院首席科学家马缚龙,他分享的主题是先进HDR解决方案。

视频发展的五个维度代表了未来产业对视频理解的一个方向,它包括更高的分辨率,更高的帧率,亮的深度,高动态范围和宽色域。飞利浦公司在高动态范围图像(HDR)领域一直保持着世界领先地位。

马缚龙博士表示,HDR有着更高的动态范围,意味着有更高的对比度。值得注意的是,它和像素密度(也就是清晰度)是相独立的,业界一直认为这是下一代视频的主流方向。

接下来马缚龙对飞利浦和technicolor公司合作推出的先进HDR(advanced-HDR)解决方案做了详细介绍,包括了它的框架、技术细节和技术特点。它的技术特点是支持多种HDR格式的内容,可应用于各种前端专业设备及电视机、机顶盒等消费电子设备。先进HDR的框架及技术细节的关键是动态元数据的生成和使用。

在实际广播或直播中,飞利浦还提供了一种混合HDR直播解决方案。这种方案有两大特点,一是可以最大限度使用现有播出系统和网络系统,以尽可能降低成本。二是可以使用所有的SDR素材,包括以往视频、插播广告、图文信息等。马缚龙还介绍了一种能够把SDR变成HDR的工具,叫做ITM(Intelligent Tone Mapping )。他是一种专业调教工具,可以用于离线处理,也可以实时处理。

最后,马缚龙对先进HDR的通用性和渐进式、兼容性以及对宽带和成本的节省做了总结。先进HDR可以兼容所有HDR策略,提供了从早期采用的HDR10标准到高品质的渐进式解决方案。它提供了单视频流解决方案,避免必须专用HDR频道节省了宽带和成本。

第四位分享嘉宾是中国电信上海研究院视频技术专家罗传飞,他分享的主题是IPTV全4K及AVS2技术应用。

罗传飞先生表示,在未来五年,超高清产业将进入发展黄金期。

中国电视是在2014年底开始4K视频业务的实践和探索。在实践过程中,大家很快发现如果电视机尺寸不够大,低于60寸,感受到的4K视频体验提升不是很大。但4K视频产业的尝试意义非常重大,首先拉动了国内芯片和终端产业繁荣发展,实际上也推动了运营商的宽带网络,基础设施的更新和建设。

从2017年下半年开始,IPTV产业基本完成全4K阶段的基础准备,下一阶段的提升方向和创新方法将围绕8K视频和VR技术来做。截止2017年底,4K超高清发展情况是电信天翼高清用户9700万,移动魔百合5700万,联通沃电视达3000万。并且可以预计这些数据还会持续增长。

接下来罗传飞先生简单梳理了超高清主流技术的几个标准。包括超高清主流应用标准组织;ITU、CCSA等,超高清视频编解码标准:AVS2.0、H.265等。HDR(高动态范围)标准等:HDR10、HLG等。

谈及全4K的体验和定义,罗传飞认为体验要更具有真实感,更有沉浸感,更具普适性,更具操作性。全4K部署的核心是配合内容产业,终端显示产业的发展和提升,发挥用户不同电视的显示能力,呈现最高的体验质量。

全4K应用标准关键技术的核心是在亮度、曲线、色域、位深、编解码方式等的基本需求上与国内HDR行标\国标保持一致等。全4K功能测试包括6个维度处理功能,10比特输出功能等,性能测试包括选择十一个不同场景进行整体层次感、通透度、流畅度、清晰度、颜色饱和度的主观感受评测。

最后,罗传飞等代表们集体上台发布了最新的《IPTV业务系统AVS2实施指南》。

三星电子常务 Yeong-Taeg Kim 发表了 HDR10+: the easiest way to bring high HDR quality over legacy platform的主题分享。

Yeong-Taeg Kim首先介绍HDR10 +是通过传统平台实现高HDR质量的最简单方法。

首先,HDR10+ 很轻,只有几十个元数据,其次它是开源技术,专利免费,许可证免费,三星与主要DTV芯片制造商共享核心IP。

最后,他总结 HDR10 +是向消费者带来HDR体验的一种简单且经济高效的解决方案。由于贝塞尔曲线具有较高的自由度,灵活度,所以此方法也应该可行。

三星将提供基于深度学习的Basis OOTF给HDR10 +提供解决方案,这将为HDR电视中的HDR视频带来更愉悦的消费体验。

接下来是北京大学深圳研究生院教授王荣刚出场,他发表的演讲主题是虚拟现实视频编码标准进展。

  • 2015年12月5号,VR视频编码标准IEEE1857.9正式获得IEEE批准立项。目标是定义VR视频紧凑表示和编码方法,促进VR设备互联互通,提升VR视频压缩效率。

  • 2016年3月,IEEE 1857 和AVS成立VR标准制定联合工作组VRU,共同制定VR国际标准,先后有来自超过150家单位,300多位专家来参与。

  • 2018年3月28日,《信息技术 虚拟现实内容表达 第2部分:视频》,通过了国家信标委主任委员会议,正式进入国标委审批流程。

接下来,王荣刚对VR视频标准框架,VR视频表示模型以及实验效果分别作了展示。在应用方面,目前阿里云已实现了基于AVS VR的VR视频系统。最后,他表示下一阶段的标准工作是六自由度视频表示、编码与实时绘制。

优酷VR技术专家盛晓杰带来的专题分享是阿里优酷VR应用实践。

首先,盛晓杰对阿里VR技术的实践发展做了大致回顾。2016年5月优酷VR技术研发项目启动,2017年8月参加AVS VR会议,参与VR视频编码标准制定且相关提案被标准采纳。2018年3月,开始推进VR标准与阿里云服务结合。

接下来盛晓杰对VR技术的的采集端,云端,客户端,标准四大核心技术点做了解读,并从整体框架上对各部分所具有的功能做了介绍。最后他为大家做了几个真实的VR案例展示,比如阿里巴巴年会,邹市明拳击赛,虾米音乐节都用到了优酷视频VR技术。

最后一位分享嘉宾是来自博雅凌锐的首席专家张青,分享主题是人工智能技术产业化的探索与实践。

张青先生将传统产业与人工智能产业比作为“面包”和“葡萄干”,传统产业越来越难做,以人工智能为代表的高科技产业势头猛进。他为大家分享了进入高科技产业的背后逻辑。

创业者的思维要发生变革。传统思维是收入,成本,利润,转型,升级,做大,做强。而科技型企业的思维是:入口思维,渠道思维,生态思维,平台思维。企业经营方式也要变更。传统企业是产品为王,而新型公司是模式为王,用户为王。

在众多的人工智能产品中,张青先生的分类是:引流型产品,会员型产品,兑付型产品,粘性产品,延伸性产品,组合产品。比如会员型产品就是帮助企业把所需要的智能模块做出来,延伸性产品,比如刷脸手机,苹果手机等。

张青先生也分享了自己对人工智能产品的定价的看法,比如爆款的定价特点就是品质极好,价格极低。在人工智能产品化的研究上,张青先生的有着自己非常独到的见解。

以上就是AI Tech 分论坛之“超高清与VR技术论坛”的全部嘉宾分享的主要内容。31 日,雷锋网会带来人工智能与安全论坛和人工智能投资论坛的主要内容回顾,敬请期待。

雷锋网

雷锋网

智能时代安全领域的巨变,从反欺诈、汽车、主机到法律 | AITech

雷锋网AI 科技评论按:3 月 30
日 – 31日,AITech 峰会在深圳龙岗区成功举办。

本次会议以配合国家新一代人工智能发展规划实施,支撑人工智能产业技术协同创新,加强人工智能领域的国内外技术交流为目的,由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办。雷锋网作为独家战略合作媒体对整个会议议程进行了全方位现场内容的详细报导。

为期两天的会议包括两场主论坛和四场分论坛,分别为:

主论坛一(3 月 30 日上午)

分论坛(一):智能技术与标准及 IEEE Fellow 论坛(3 月 30 日下午)
分论坛(二):超高清与 VR 技术论坛(3 月 30 日下午)
主论坛二(3 月 31 日上午)
分论坛(三):人工智能与安全论坛(3 月 31 日下午)
分论坛(四):人工智能投融资论坛(3 月 31 日下午)

本文内容为雷锋网对人工智能与安全论坛的详细报道。其他内容详见:主论坛一主论坛二分论坛(一)分论坛(二)分论坛(四)

在人工智能与安全论坛中,分别由深信服科技、慧安金科、360、百度安全实验室、北京顶象、阿里云等企业安全人员,以及北京师范大学、电子科技大学的安全专家以及国家工业信息安全发展研究中心的人员围绕人工智能时代的技术安全、反欺诈、人工智能相关法律、智能驾驶安全等方面做了详细解读。下面为详细内容:


1、智安全的机遇和挑战

古亮,深信服科技副总裁兼首席技术专家

古亮首先谈到了人工智能的机遇。他展示了人工智能的三次热潮。前两次多为学术研究主导,多是市场宣传层面;而最后一次则以商业需求为主,多是商业模式层面。此外无论是美国、加拿大、英国、法国,还是中国,都制定了相应的发展规划,做出了政策上的支持和规范。这对智能安全来说是难得的机遇,也是极大的挑战。

古亮以深信服为例。他首先介绍了深信服科技的基本理念,发展、业务图谱等,随后他提出深信服在智能安全上的三个安全理念:

可视是安全的基础:他认为传统业务的边界已经变得模糊。对这些业务的安全,如果无法看见就无法进行有效保护。

安全技术专项持续监测和快速响应:任何安全防御都会被攻破,所以要提供一系列的监测和支撑;另一方面任何攻击都有较长的潜伏期,而其爆发时间却极短,建立快速响应机制则能够将安全的瞬时降到最低,减少资产信息被窃取的风险。

安全的交付需要更加简单有效:现在安全产品的品类越来越多,架构也越来越复杂,建设难度较大,但是大多数企业并没有专业的安全团队,这导致大量的安全事件都是由于安全设备的错配漏配导致的,将安全建设变得更加简单有效则能大大降低用户的安全风险。

古亮随后针对智能安全的挑战做出了详细的分析。他总结智能安全的挑战有以下几点:

1. AI引擎框架的漏洞和缺陷可能会导致的安全隐患。例如TensorFlow、Caffe的漏洞,甚至于Python、Numpy的漏洞也可能会被攻击者所利用。

2. 使用对抗样本使人工智能时效。他提出“data is the new source code”,认为在智能时代,数据和代码一样可以导致安全问题。

3. 基于AI安全检测引擎结果的举证和鲁棒性。他认为AI安全检测引擎的结果事实上有时候是不准确的,其结果在样本集上是有效的,但是如果扩大的样本集外怎么确保有效仍然值得研究。

4. 人工智能是把双刃剑,它也有可能被使用来进行安全攻击。

基于以上的讨论,他呼吁大家共同来完善智能时代的网络安全环境,通过合作来与灰黑产的技术进行对抗。


2、人工智能技术安全与法律规制

吴沈括,北师大刑科院暨法学院副教授,联合国网络安全与网络犯罪问题高级顾问,最高人民法院咨询监督专家,中国互联网协会研究中心秘书长

作为一名法律专家,吴沈括副教授让在座的听众见识了法律人士对人工智能安全的严谨思考。

首先,他介绍了当前人工智能法律治理的现状。目前很多国家都已经或者准备开始对人工智能进行立法。这主要有两种原因:1、抢占立法优先权;2、人工智能确实产生了一系列的风险问题。美国在人工智能立法方面,主要看到的是关于自动驾驶方面的法律法规较多,也即关注人工智能对人身安全的风险;而在我国,则更强调技术本身的法律问题。针对人工智能的技术,他列举了人工智能面临的安全风险种类。

随后,按照法律的严谨风格,他对人工智能的含义做出定义和判断。他认为人工智能可以有两种定义:1)具有思考能力、行为类人、理性的计算机系统;2)一种自动学习、获取数据特征的计算机算法与系统。针对复杂多样的人工智能应用,他认为我们应当针对每一个具体应用领域和层面进行界定和立法立规。例如算法与系统层面有图像识别、用户画像、智能金融投顾等,硬件和基础设施层面有机器人、自动驾驶、无人机、物联网。这些都需要针对性地专门考虑。他还提出人工智能的三大网络安全风险,包括系统安全风险、算法透明度与可解释性以及数据利用与隐私保护。

吴沈括副教授还详细地对人工智能系统安全问题做出了详细的介绍,提出“人工智能的系统安全新风险主要存在于人工智能硬件应用的场景中”。

在网络安全法律视野下,人工智能安全的治理路径有两点:1)人工智能硬件应用与《网络安全法》的适配与融合;2)业务链责任承担问题,也即引入多维责任分配方案。

他在结语中总结了人工智能法治有以下几个要点和趋势:

  1. 立法与技术发展相适应,谨防抑制市场活力;

  2. 以具体应用为基础的人工智能法律治理将引导监管走向碎片化和多元化;

  3. 在人工智能时代,软性规范的适用将成为网络安全法律治理的主流方式,而传统的自上而下、以归纳思维为主的法律治理思路已逐渐无法胜任人工智能时代的监管重任。


3、基于人工智能的风控和反欺诈引擎

黄铃,慧安金科创始人,清华大学交叉信息研究院兼职教授,英特尔研究院资深科学家

黄铃在报告中介绍了他们用人工智能技术做金融风控和反欺诈的经验。



据黄铃介绍,在过去的5到10年中,整个互联网黑产和灰产发展非常繁荣,导致今天互联网金融、银行机构等都面临着有组织、有分工、且具有先进技术(包括人工智能技术)的黑产攻击。针对这些黑灰产公积,现在市场上已经有一些解决方案,但是往往很难防止他们,因为目前的这些解决方案主要是基于规则或有监督的机制,这些方案需要建立在过去曾经发生过的欺诈行为中,但是面对现在团伙化、专业化的攻击,传统风控和反欺诈的方法在覆盖率和精准度上都存在一些问题,而且不能应对新的欺诈行为。

黄铃随后提出他们慧安金科建立的基于半监督主动式AI系统的企业级通用人工智能引擎。该引擎能够基于少量(甚至没有)标签的情况下、结合客户应用场景去主动进行风控和反欺诈检测。

黄铃首先向在座的听众介绍了半监督机器学习。这是一种用户关联聚类和分类相结合的方法,其建模实现为基于关系图的拉普拉斯调和解。但是这种方法的会随着用户数量的增加曾指数增长,这在千万级的用户数量下显然是不适用的。他们提出了一种关系图近似求解的方法将关系大图逼近为小图,在小图上做完拉普拉斯求解后,再映射回去,这保证了他们能够在千万级(甚至亿级)用户上进行运算。

基于以上的这些技术,他们做出了反欺诈产品「网铃」,该产品能够使用人工智能来分析海量数据行为数据,在不侵犯个人隐私,无预知欺诈的类型和特点前提下,仍然可以主动地在千万级用户中识别出不正常的行为和关联。其覆盖率能够达到80%,而准确率则高达99.6%。随后黄铃使用两个在线电商的案例给在座的听众介绍了其识别效果。


4、智能汽车网络安全标准与技术

罗蕾,电子科技大学嵌入式软件工程中心教授,车载信息服务产业应用联盟网络安全委员会秘书长

罗蕾教授在报告中讲了四个内容,分别为国内外智能汽车网络安全相关标准,国外智能汽车网络安全相关技术,车联网络安全委员会的白皮书、指南细则以及网络安全标准体系,最后她简要介绍了车载信息服务产业应用联盟和电子科大嵌入式软件工程中心研究与产业化的基本情况。

罗蕾教授认为现在汽车工业正处于变革的关键时期,就像十年前手机的发展一样,正不断地智能化和网联化。与此同时也就出现了安全的问题。在安全方面有两种:safety和security。前者为安全可靠,指保护外部环境不受设备的伤害;而后者为安全保密,指保护设备不受外部环境的伤害。

随后罗蕾教授分别介绍了美、日、英、欧盟、ISO、国际自动机工程学会(SAE)、ITU-T(国际电联)、联合国、欧洲通信标准化协会以及中国的相关标准。我国在这方面提出了国家车联网产业标准体系建设指南,该指南包括智能网联汽车标准体系、信息通信标准体系、电子产品与服务标准体系、智能交通先关标准体系以及车辆智能管理标准体系。

在技术方面,罗蕾教授认为,车载硬件正从独立单元控制器演变为多域系统控制器,这满足了不断增长功能的计算要求。针对智能汽车的技术,HIS联盟提出了HIS规范SHE(Secure Hardware Extension),并提出三个安全等级。此外TCG、AUTOSAR、TEE也制定了一系列的技术规范。

罗蕾教授提醒说,现在很多业界人士认为2020年自动驾驶将会量产,但是目前国内相关的法律法规仍然比较薄弱,还需要大家共同将相关的安全与技术的标准和法律制定起来。

随后罗蕾介绍了电子科技大学嵌入式软件工程中心的工作情况。据罗蕾教授介绍,目前该中心承担了汽车电子网络安全标准的研究,并孵化了汽车电子网络安全公司“广东为辰信息科技有限公司”,为辰信安已推出网络安全产品与服务,并已经量产上车。


5、人工智能应用的安全风险

李康,360智能安全研究团队负责人

李康不仅是360智能安全研究团队的负责人,还是Disekt、SecDawgs CTF战队创始人、xCTF和蓝莲花战队的启蒙导师,2016年DARPA Cyber Grand Challenge决赛获奖者。据其介绍,DARPA举办的这场Cyber挑战赛为全球首次及其网络攻防比赛,整个比赛历时三年,是一种全自动、无人工干预的CTF对战,最终他们的成果被陈列在美国历史博物馆中。

李康随后列举了之所以关心AI安全问题的原因。1)人工智能造成了一系列的安全问题,例如Uber事件;2)人工智能/深度学习在生活中“成功应用”,例如通过人脸识别可以检测学生的迟到早退,分析学生抬头率等,而同样的也可以用它来刷帖、刷评价或者破解图片验证码。

他提出了自己的一个思想,即:安全和核心是对抗。随后他列举了人工智能时代可能面临的攻击类型。

首先是对抗性机器学习。这也是目前学界主要关注的研究内容。但是李康认为这虽然是一个大问题,但在实际中并不是主要的攻击方式。

其次是模型缺陷与后门。这主要表现在训练处的模型总是基于一定的训练数据之上,在遇到超出模型范围的数据时,模型将无能为力并导致系统决策失误。而另一方面,如果模型制作者在正常模型之外添加恶意模型后门,那么它完全可以骗过正常的检测。

第三种是深度学习软件中的安全问题。目前的深度学习应用事实上都是分层的,在应用层包括程序逻辑、模型和数据;往下为框架层,例如TensorFlow、Caffe、Torch等;再往下则是框架依赖层,包括python等。这些层次中存在的漏洞都可能造成安全问题。

另外一种是数据污染攻击。他以深度学习的典型应用——图像识别为例。李康以图像识别中最常见的手写字识别为例,他通过对图像进行降维压缩实现了机器误判“7”为“1”,将羊误判为狼。


6、AI模型安全与Paddle对抗工具箱

高磊:百度安全实验室技术专家

报告伊始,高磊便给听众举了两个假想的攻击例子。首先是在语音识别时加入微扰的背景音,则能够通过背景音来改变识别出的结果,这可以例如篡改某一个数字或关键信息等。第二个例子是攻击者可以向人脸支付系统的审核人员提交一份加入微小扰动的本人照片,于是他就每次刷脸支付就能够由别人买单了。

以上两个例子的核心都在于通过加入微小扰动来生成对抗样本。高磊接下来列举了两种对抗样本攻击的“套路”。由于对抗样本可以在功能类似的模型之间进行迁移,因此攻击者就可以先用功能类似的白盒生成对抗样本,再用对抗样本去欺骗攻击的黑盒,此为套路一。套路一的加强版则为通过多个白盒模型来生成性能较好的对抗样本。另外一种套路则是给出一个输入,通过用黑盒算法搜索,获得对抗样本,再将对抗样本输入到黑盒获得分类结果。针对以上两个套路,高磊分别详细介绍了两个案例:FaceNet白盒攻击和人脸比对服务黑盒攻击。

最后高磊介绍了百度的Paddle对抗样本工具集,白盒对抗样本生成算法包括FGSM、BIM、BIM+M、DeepFool、JSMA等。可以在github上了解更多详细信息:http://github.com/PaddlePaddle/models/tree/develop/fluid/adversarial


7、安全场景的用户画像

黄亚军,北京顶象技术有限公司算法专家

对于一个企业在其整个的业务流程中都会去收集用户信息以构建用户画像,从而进行精准营销和信用评估。黄亚军在报告中针对这个问题讲了三点:1、如何提高数据采集的质量;2、如何权衡即有高价值同时又有高风险的用户画像;3、建立深度用户画像及其意义。

首先黄亚军提到,在企业通过客户端采集用户数据,但是在这个过程中,由于用户和企业系统之间隔着整个互联网,这就给企业的用户画像带来不可控。举例来说,一个黑灰产知道了一个企业APP的执行逻辑,他就可以根据这个逻辑去构造数据,去刷接口;或者进行大量垃圾注册等。这种风险会给企业带来价值损失,更重要的是会污染用户数据,导致用户画像失真。黄亚军提到他们针对此问题构建的一整套风控体系,从客户端到注册登录、到营销活动,到交易交付,到商品评价等。这种风控体系能够极大地提高画像数据的质量。

黄亚军随后介绍了如何综合评价用户的价值与风险问题。对于一个企业来说,无论是做风险决策还是价值评估,所依据的也即用户画像技术。在用户画像中如何降低误报同时提高价值转化则是非常重要的问题。在这种考虑就需要将用户画像放到价值和风险的组成的二维平面中进行综合评价,对于那些高风险同时也是高价值的用户不能直接丢掉,更不能完全拿来,这需要构建深度用户画像,以实现所谓的低误报和高转化。

所谓深度用户画像,即对用户数据(行为序列、关系网络等)更抽象的表征学习(多维连续空间),该表征尽可能保留数据自身的信息,使其更适用于复杂数据挖掘场景。

黄亚军分析了传统标签式用户画像与深度用户画像的优劣。对于传统的标签式用户画像,其标签主要是基于业务而制定,因此可解释性较强,且易于应用到业务策略和统计中;但是这种用户画像只是对数据单一维度的抽象,如果想要在不同业务之间进行泛化就会很困难。而深度用户画像则能够学习数据本身的特征,很容易应用到复杂的算法任务当中,对于不同的业务其泛化能力也很强。当然由于它应用到很多深度学习的技术,所以也带有深度学习的劣势,即可解释性较差。


8、主机侧入侵智能检测

何炜,阿里云算法安全工程师

如果前面的报告是从客户侧的角度考虑安全问题,那么何炜的这个报告则是从主机侧进行的考虑。何炜首先介绍了阿里云上面临的异常进程的现状,其次讲解了传统的单一&多维检测方案以及深度学习方案,并对检测方法的演进做了总结。

对于云上主机侧的安全入侵主要有两个方向,一个入侵来源为租户主机,另一个为入侵云基础设施。对于后者的防护,其实类似于一个大企业对其业务的防护,其数据较为单一,例如服务器配置类似、运行脚本、维护团队都基本一致。所以采用基线兜底、语言模型、领域知识即可很好地解决。

但对于前者的防护则较为复杂,因为在云中很多不同业务的中小企业,无论是运维、进程还是调度等都非常紊乱,没有一个统一的标准,因此也就不存在一个统一的自动化的安全防护模型。

针对此问题,何炜介绍了两种方法,迭代学习和深度学习。何炜在此提到的迭代学习有点儿类似前面讲者的半监督学习,也即先使用少量人工标注的样本进行训练学习,模型会学到一些新的变种行为,随后人为地将学习到的新行为特征再放到学习样本中进行迭代学习。但是迭代模型很难学习到一些距离较远的行为,因此当迭代到一定程度,性能就不会再有提升。

深度学习在封闭集中能够有很好的表现。所以阿里云也尝试使用RNN构建命令序列检测模型。这种模型能够将4gram拓展到更长的序列检测中,其感知范围更广。他们通过实验发现,基于RNN的模型其Loss有了较大的下降。不过何炜表示将这种方法推广开还需要有很多工作去做。

总结来说,阿里云在过去一年半的时间里,将整体降报率提升了89%,特征表达提升了8%,一句话进程提升了10%,规则外变种发现了12个。何炜提出,从感知能力上来看,智能模型由统计模型演化到迭代学习模型,随后会演化到深度学习模型。


9、智能语音产品测评与安全检测

张超,国家工业信息安全发展研究中心

张超的报告分为三个内容,首先他简单梳理了我国智能语音产业的发展历史,随后基于对智能音箱的组成和使用的分解详细探讨了智能音箱的安全问题,最后介绍了国家工业信息安全发展研究中心的工作。

据张超介绍,我国的智能语音产业发展大致经历了四个阶段:50-70年代的技术萌芽阶段,主要以中科院声学所的工作为代表;80-90年代的技术突破阶段,此时我国智能语音核心技术接近国际先进水平,但产品化程度尚需进一步提高;90-10年代的产业化阶段,智能语音企业相继成立,智能语音技术逐步在各行业应用;10年以后的快速应用阶段,以语音合成、语音识别等为代表的只能语音核心技术不断突破,产品和应用的可能性不断提升。

随后张超根据对智能音箱的分析,列出如下智能音箱组成和适用环节的完整过程,并以此为基础展开对智能音箱的安全问题讨论。

他认为智能音箱的安全存在四个方面:

软件方面:例如算法自身的漏洞或错误执行指令等;

硬件方面:例如声波攻击(超声波等)、硬件自身漏洞等;

网络方面:例如网络入侵、木马植入、传输风险等;

数据方面:例如个人隐私泄露、声纹信息泄露、数据密集导致的风险等。

进一步,他认为与传统网络安全更多是针对PC设备和服务器的系统漏洞和木马病毒相比,目前的网络安全将针对手机、音箱、电视、冰箱、空调、汽车等一切IoT设备。随着IoT设备的增多,在技术、机制等方面做好安全应对措施非常紧迫。

国家工业信息安全发展研究中心人工智能测评实验室目前正在建设标准化的测试流程和规范、构建丰富的测试数据集、建设多样化的标准测试环境,建设开放共享的资源平台。

以上为AITech 峰会人工智能与安全分论坛内容的详细报道。

雷锋网

AITech 深圳召开,企业领军人齐聚首,五位 IEEE Fellow 现场带来主题演讲

雷锋网按,3 月 30 日,AITech(2018 国际智能科技峰会) 于深圳隆重召开。本次峰会由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办,雷锋网作为独家战略合作媒体带来现场报导。

在智能技术与标准及 IEEE Fellow 分论坛上,迎来海信、思必驰、华为的三位产业领导以及南方科技大学、香港中文大学深圳分校、南京大学等五所高校(科研机构)的学术明星。三位企业代表从多个方面阐述了各自行业目前面临的机遇、挑战以及相应应对措施,五位学术界明星或幽默、或严谨地报告了目前自己的学术研究。

海信、思必驰、华为的三位产业领导齐聚首

首先出场的是海信公共安全事业部总经理孙论强,他的演讲主题是《从视频接力到精准跟踪一一跨媒体智能领航安防行业》。

演讲伊始,他提出安防行业迎来新的机遇与挑战。目前,人工智能广泛应用于安防领域,如人脸识别、车辆识别、目标检测等,但将传统 AI 技术应用于安防行业有如下三点不足:场景适应能力不强,需求多样性无法满足,智慧化程度不高。他进一步引出了即将重点描述的部分——跨媒体智能。

孙论强表示,跨媒体智能技术突破之后,可实现各种异构数据的融合,充分发挥机器学习、数据分析与挖掘等的优势,比如多种媒体的融合应用、多元异构数据分析、多维智能主动预警。

他接下来谈到,目前我们需要从视频接力到精准追踪。「以往的视频接力追踪过程依靠经验,并且需要人工判断,比较耗时费力。而精准追踪对安全风险的管控提出更高要求,需要实现目标的精准识别、定位、轨迹刻画、属性判断和行为分析。」在实现的过程中,运用了很多关键技术,比如跨媒体时空分析,流式视频大数据,跨媒体多元数据融合,而针对每一关键技术,他也提到了具体的模型、算法以及整体架构。

谈到应用案例,他举了青岛的一个例子,当市民的小孩走失报警之后,启动前面提到的精准追踪技术,通过目标结构化及特征提取、跨媒体多元数据融合等,能够快速追捕到嫌疑人。

之后,孙论强展示了海信在跨媒体智能安防上的成果,他表示,海信除了电视和冰箱,还关注数字多媒体技术、智能信息系统等多个技术,目前,他们的跨媒体安防技术的产品有狼王视频安全接入网关、狼眼视频结构化系统、战狼公安实战平台等。

在演讲的最后,他表示,智能安防行业任重道远,他们将坚持技术创新,深入研究跨媒体智能安防应用,引领行业发展,开创智能安防行业新时代。

第二位演讲的嘉宾是思必驰联合创始人、首席科学家俞凯,他的演讲主题是对话智能。

他表示,时代不断变革,从 PC 互联时代的文本搜索,到移动互联网的语音、文本对话,再到现在的硬件物联网时代的自然口语对话,数据出现了指数级的增长。「可以看到,我们从 PC 互联迈入智能设备互联的时代,例如亚马逊推出 Echo,微软推出 Cortana Button,谷歌推出 Google Home 等。我们目前需要对话智能系统,能进行语音识别、语义理解等。」

他谈到目前的智能行业主要有三个层次,一是基础支撑层,二是智能交互层,三是系统应用层。他们正在做的就是第二层,其核心技术是感知、认知和表达。

接着,俞凯提到智能行业的主要矛盾——技术提供商的定制效率和层出不穷的个性化需求之间的矛盾。「当做产品时,顾客有各种个性化需求,比如是否支持热更新、为什么不支持自定义。这时候,如何更快做得更专业化,这是一个挑战。」

而为了迎战这一挑战,他们推出思必驰大规模对话定制平台。他表示,虽然语音合成很早就可行,但他们希望在对话层面做到能像手机 apps 一样定制化,实现开放的解决方案。「我们在做的时候需要解决一系列技术问题,平台不单是技术平台,需要为产业提供真正有意义的应用。」他们提出玲珑系统(做跨平台的转接,提供云+端技能的混合定制)、天机系统(提供可视化大数据,实现用户画像和智能化推荐,给开发者详尽、可按需定制的用户任务结果数据)、青囊系统、紫薇系统等。

他表示,当不定制的时候,他们做成一个黑箱,而定制话的系统在结构上是白箱,子结构是黑箱。

之后,俞凯提到对话智能需要利用到的技术:在语义层面快速的迁移学习、深度强化学习以及自适应技术。而在演讲最后,他对对话认知智能技术路线提出自己的看法——从深度学习到迁移学习(解决数据量的问题),从数据驱动到知识嵌入(利用已有的知识),从开环学习到闭环学习(让机器具备自学习的能力)。

接下来,华为 CBG 软件工程部副总裁张宝峰带来主题为 Enabling Next Generation Mobile experience with Huawei HiAI 的报告。

演讲伊始,张宝峰表示,如何让 AI 走下神坛,是我们要思考的问题。而其中重要的一点是开放。他表示,他们希望用开放性的 HiAI 平台,让更多人参与进来,让用户更快享受 AI 带来的变革。

为什么要开放呢,他解释道,目前进行 AI 研究存在许多问题,比如门槛高、效率低、能力碎、提升难,他们希望把芯、端、云侧的计算力开放出来,比如将实践中集成好的各种 AI 模型开放给开发者。

他说道,华为 HiAI 生态主要有四大优势助力开发者,一是 AI 能力加速,二是 AI 能力提供,三是完备的工具支持,四是成熟的服务生态。

他也举了一些例子。他们与一家公司合作将照片进行风格转换时,在端侧执行模型,可以将效率提升 300%。他补充道,很多人脸识别、物体识别,当在端侧计算时,不仅可以提升效率,还可以提升用户体验。为了能让应用开发更快,他们做了很广泛的调研。目前,他们有成熟的服务生态,希望能给用户便捷的体验。

最后,他表示,HiAI IDE 与 Android studio 完美集成,可以不改变开发者习惯,快速集成 AI 模型,快速开发出极具想象力和全新体验的 AI 应用。他表示,通过这样一个开放的生态,会促进整个产业链共赢。

五位 IEEE Fellow 带来精彩主题报告

在张宝峰的演讲结束之后,迎来五位 IEEE Fellow 的主题报告,首先出场的是南方科技大学计算机科学与工程系主任、IEEE Fellow、千人计划专家姚新,他的演讲主题是 Evolving Intelligence(演化智能)。

他首先谈到目前火热的人工智能,他表示,教育部、科技部等各类文件都提到人工智能,目前人工智能可能应用在自动驾驶车、对话系统等诸多领域,背后的技术有深度学习等。

他表示,目前,图像识别的精准度不断提升,甚至超过了人类。而完成这一个阶段的突破之后,有人认为图像识别不好玩,又开始提出类脑计算,要做一个真正的「电」脑,最早先从欧美开始,后来中国也提出「中国脑计划」,一是认识脑,二是模拟脑。他表示,先从人工智能 2.0 到工业 4.0,接下来从模拟脑 8.0 ,在未来,又可能会出现某某 16.0。

他表示,人工智能和脑启发计算都不是新学科,需要发掘新的人工智能问题,找到人工智能缺少的部分。这引出演化智能。「所有的脑都是演化而来的,没有任何的生物脑是上帝造出来的。如果我们真的想认识脑和模拟脑,演化的过程不可忽略。如果我们真想理解一个系统,不能忽略系统产生的过程。」

他接下来举了自己之前做的研究,他们做了一个非常规范的神经网络,然后考虑让演化过程自动发现神经网络。通过对比,可以看到演化的神经网络比人工做的更紧凑,演化的网络层数很多,占用的资源少,效率也更高。

他表示,把演化的过程考虑进去,会出现一些意想不到的东西。而他接下来也举了教育学生以及玩游戏的例子来推广到演化智能。他表示,演化计算的深入研究将对人工智能产生重大影响。

接下来出场的是香港中文大学深圳分校理工学院院长、IEEE Fellow、千人计划专家陈长汶,他的演讲主题是《Scenario-Aware Intelligent Media Delivery in 5G Mobile Networks》。

陈长汶教授说道,前面大家讲了很多人工智能相关的东西,他想讲一点点比较特别的,即 5G 的智能化。他表示,自己也做过很多与人工智能相关的研究,人工智能虽然很红火,但现在还是任重道远。接下来他回归正题。

首先,他从从第一代移动通信讲到到马上实现的第五代。他表示,目前网络越来越复杂,功能越来越丰富。从 1G 的模拟,到 2G 的数字可以传递短信,再到 3G 的媒体(3G 的时候,中国有了自己的标准),现在步入 4G 时代的多媒体,然后即将迎来 5G 时代。

他表示,5G 不仅仅是简单的移动宽带。为了满足需求,需要有技术标准,他举了很多的技术上的数字,也提到一些技术比如 MIMO。在未来,将向超 5G 发展。之后,他表示,为了持续发展,3C 非常重要,即 communications,computing 和 cashing。

而将下一代 5G 应用起来,可以有什么不同的场景呢?他列举了三个场景:一是更宽的带宽,二是超稳定、短延时要求,三是物联网。接下来他也提到 5G 的新挑战,比如如何在多场景下选择最好的组合等。

然后是南京大学千人计划专家、 IEEE Fellow 王中风带来的演讲,他的主题是 VLSI Optimizations for Deep Neural Networks。

王中风教授对他们最近的工作做了简单介绍,其中包括很多还没发表的工作。在演讲中,他主要讲到了如下三个方面,一是模型的压缩,二是硬件架构上的设计,包括卷积网络、递归网络的架构等,三是工程化方面的进展。

他表示,深度学习在许多应用上取得突破,比如医疗、语音、自动驾驶等,而核心部分是深度神经网络,他们从硬件的角度来研究这些架构和一些瓶颈。

他提到,目前的推理平台有 CPU、GPU、ASIC、FPGA 等,现在算法的复杂度在提高,同时带来功耗的增加,从能耗来讲,CPU、GPUF、FPGA、ASIC 的效率逐渐增高。

他们在算法和硬件架构上进行了一系列优化。

在模型压缩方面,他提到量化问题,而对于深层神经网络,他们设计了一个机制,来自动/动态简化网络。「当物体很难识别时,我们使用复杂网络,而当识别很简单时,可以自动简化网络,降低功耗。」他表示,这是他们最新的工作。

之后,他也提到了递归神经网络等。他表示,他们目前的研究工作与 FPGA 2017 best paper 进行对比,他们达到了 32 倍的 size reduction,超过后者的 20 倍。之后,他讲到针对卷积神经网络做的一些研究工作以及卷积网络里可以优化的部分,比如从 3D 到 1D 的优化,存储的优化,带宽的优化等,他也对这些优化具体展开了讨论。

此外,他还提到 Energy-Quality Scalable 卷积神经网络,其中需要解决的问题以及他们的解决方法,另外还有对深度学习保密性的研究。

在演讲的最后他表示,他们基于 TSMCA 28nm 工艺的神经网络处理器芯片版图将于 6 月份流片,此外,他们还做了一个基于深度学习的视觉处理验证平台。

他总结到,对于深度学习来说,DNN 非常重要,而 VLSI 优化将会带来意想不到的效果。

之后迎来台湾清华大学、IEEE Fellow 林嘉文的演讲,他主要谈到人脸识别方面的一些研究。

演讲伊始,他谈到这是自己第一次来深圳,他表示,人脸识别在 AI 领域是一个非常重要的应用,但会遇到很多难题。

他提到人脸识别的以下挑战,一是要准确找出人脸位置,但要是人脸很小,就会很难侦测。虽然现在有办法提高分辨率,但很多时候,分辨率提高后无法提高识别效果。

此外,在很多场景下,比如光线变化,人的表情、姿势发生变化,有人戴眼镜,有人戴口罩,这也会影响识别率。

他举了几个例子,比如要侦测一张篮球场照片里的很多微小人脸,还有侦测分辨率非常低的人脸,需要怎么做呢?虽然利用 GAN 可以生成人脸,但也会误产生人脸。如何既增加人脸分辨率又提升人脸检测准确度。另外,在做超分辨率时,如何既能完成高质量的重建,又能保证身份特征。

他提出如下方法,他们使用 Siamese 网络,将这个网络跟 GAN 结合,得到 SiGAN,在实验中,他们用 LFW 等一些数据库做测试,发现 SiGAN 结果的准确度比传统网络还有 GeGAN、DeGAN 等都要高,他们还对执行时间等进行了对比,也发现效果非常好。

最后,他提到他们基于 GAN 做 Face Augmentation 和 Face Normalization,对人脸进行处理之后也可以得到较高的识别率。

最后一位上台演讲的是 New Jersey Institute of Technology、IEEE Fellow、千人计划专家周孟初,他的演讲主题为 Dendritic neuron model-based learning algorithms for classification, approximation and prediction。

在演讲中,他由人类的神经细胞讲到人工神经网络。他表示,神经网络是用非常简单的网络表示非常复杂的模型。基于之前的两个模型,他们提出 Dendritic Neuron Model,他表示,他们在其中引入了很多乘法,模型有很强的处理非线性问题的能力。

之后,他详细讲解了该模型的架构,他表示,模型有四个 layer,有 4 种 connection,他也谈到了这一模型的主要特征,他形容,DNM 相当于一棵树,树上有很多分支,分支上有很多叶子。

而接下来,他也提到了模型的实际应用,比如解决乳腺癌问题,肝脏疾病问题、金融时间序列预测、旅客到达预测等等,他们的模型在这些问题上都有不错的效果。

他也提到了目前算法的一些问题,他表示,传统经常使用的 BP 算法,会经常落入 local minima 问题,得到局部最优解,而不是全局最优解,此外还有 saddle points 问题。他提到 BBO、ES、PBIL、GA、ACO、PSO 这六种算法,他们将这六种算法进行了比较,他表示,最终 BBO+DNM 取得的结果相当不错。

至此,智能技术与标准及 IEEE Fellow 分论坛圆满结束,而在次日将迎来 3 场同样精彩的论坛,敬请期待雷锋网的现场报导。

雷锋网

AITech 次日,脑科学、智能外科、多模态智能等多个话题引热议

雷锋网按,3 月 30 日,AITech(2018 国际智能科技峰会) 于深圳隆重召开。本次峰会由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办,雷锋网作为独家战略合作媒体带来现场报导。

大会第一天迎来三场精彩纷呈的论坛,多位学术界、工业界代表人物发表主题演讲,内容涉及人工智能开源平台、人工智能时代的教育、大数据、安防智能、对话智能、超高清及 VR 技术等多个方向,而在大会次日,更多精彩还在继续。

在 31 日上午的主论坛上,再次迎来多位学界和业界重量级嘉宾,讨论的主题更加丰富,涉及到 AI+医疗、AI+金融、AI+安防、大数据、脑科学等领域,此外,还有国家工业信息安全发展研究中心代表上台演讲,站在国家层面上谈人工智能。

何晓冬:多模态智能 

李新社:聚焦 AI 安全

杨强:人工智能和普惠金融

刘荣:智能外科的机遇与挑战

Karthika Mohan:Causal Knowledge in Artificial Intelligence

丁军:看清神经系统

付英波:用 AI 构建「五度」城市感知

李航:今日头条的愿景与实践

阎镜予:构建人工智能产业园

下面是各位重磅嘉宾所带来的精彩内容。

跨模态感知推理表达

作为首位上台演讲的嘉宾,京东 AI 平台与研究部 AI 研究院常务副院长何晓冬博士带来了主题为《多模态智能:语言和视觉的感知、推理及表达》的演讲。

他表示,多模态智能包括文本、图像、结构化知识等。谈到为什么要做多模态智能,他简单回顾了视觉感知方面的进步。他说到,由于深度学习技术的进步,计算机很早就在一些测试上达到人类水平。但是,计算机对真实世界的理解仍然是一个巨大挑战。其中,语义理解与认知是难点。

「首先要建立语义空间,联结图像与文字;然后要加入结构化知识来帮助深度认知,识别人名、地点等信息。最后,可以深入模型内部,用语言来表达对图片内容的理解。」

他表示,AI 会持续关注场景中的各个局部,并生成对应的语言描述。他举了一个棒球运动员在扔球的例子,并详细描述了计算机的处理过程。接下来,他还举了一些真实的场景应用——利用 AI 用文字来形容照片。

进一步,他们从生成一个句子发展到生成一篇短文。比如给 AI 一系列照片,让其描述照片之间的关联,说出一个故事。他表示,为了做到这一点,他们推出多重深度增强学习来保证句子间的逻辑性。而再往后,他们试图在语言表达中加入情感和风格。

他说到,前面描述的例子都是感知和一般认知,接下来有趣的工作是从感知到推理,例如让计算机回答关于一副图片的问题。他提到推理的难点,「为了回答问题,需要识别和理解物体间微妙的关系,还要能结合问题进行分析和推理等等。」为了模拟推理,他们做了一个基于多重关注神经网络的系统,主要涵盖四个模型,语言模型、图像模型、多重关注模型、答案预测模型,他也进一步讲解了这些模型具体的功能以及整体推理过程。

他谈到他们希望计算机能理解语言,并能用绘画来表达。比如智能绘画机器人。他表示,最近一两年,技术迎来飞速发展,对文字中没有提及的细节,AI  绘画机器人还能自动想象填充。

在演讲的最后,他表达了自己的展望,希望能通过这一系列技术,把人和世界更好地连接在一起。

聚焦 AI 安全热点,促进产业健康发展

第二位演讲嘉宾是国家工业信息安全发展研究中心副主任李新社,他主要谈到我国人工智能发展态势以及 AI 安全方面的问题。

演讲伊始,他指出,随着信息技术等的发展,数据呈现出年度倍增的发展态势,而 AI 技术也逐渐向产业渗透并得到广泛应用,目前运算能力大幅提升,算法模型不断优化。

他表示,可以将人工智能产业链分为三个层次——基础支撑层、中间技术层、上层应用层。他进一步提到 AI 在全球的发展,「各国政府将 AI 上升为国家重要战略,中国也不例外。我们中心对多个省、市进行了调研,发现我国很多产业园区把人工智能作为发展方向。」他总结到,产业技术不断涌现,不断出现新的产品,接下来,把人脑能做的事情变成 AI 能做的事情也不再遥远。

他强调,我国从产业、标准、安全技术政策都在关注 AI 发展。「如果把 17 年当 AI 元年,那 18 年 AI 将会呈现井喷式的发展。」

他也提到,我国在语音、图像识别等技术方面领先,但底层芯片发展还有很大发展空间。目前来说,产业环境比过去好很多。而伴随着人工智能的发展,安全问题无处不在。他表示,AI 安全涉及到数据、智能电子产品等多个方面。他举了一系列实际案例,比如生物特征识别方面的问题,智能网联汽车方面的问题。接下来,他具体描述了数据层面、芯片层面、软件层面的风险。

之后,他对国家工业信息安全发展研究中心进行介绍,他表示,中心是支撑我国工业领域信息安全国家级研究与推进机构,他也具体描述了中心的工作,主要包括产业调研与分析、技术标准研究等。

他们下一步工作设想如下:加强 AI 安全技术的研究与应用,推动重点领域 AI 安全评估测试平台建设,开展 AI 安全态势感知,构建检测预警机制,加强技术交流与合作等。最后他提出期待与愿景,希望大家一起做好安全工作。

人工智能与金融

在李新社的演讲结束之后,香港科技大学讲座教授杨强带来了主题为人工智能和普惠金融的演讲。

杨强提到,前面出场的两位嘉宾,一位从技术角度,一位从产业发展趋势的安全角度谈 AI,他目前比较关注的是普惠金融,想结合自己的关注方向讲讲对人工智能落地的看法。

杨强先是提到 AI 的发展历史,智能体的特征,AI 需要的技术,然后探讨如何促进 AI 落地。他具体谈到监督学习和强化学习。

他表示,基于以上种种谈到的技术,我们探讨 AI 落地时,未来企业的发展应该是以机器智能为核心。而他也描绘了人工智能落地的过程——目标在哪里?数据在哪里?问题边界在哪里?特征在哪里?持续的反馈、自学习方法在哪里?

杨强说到,人工智能的落地,需要有三点,一是很短的商业闭环,二是高频交互,三是快速迭代。在金融领域主要关心两个方向,即成本和效率。

当 AI 介入之后,模型由简单变复杂,控制由手工变为自动,服务由通用变成自动化。在这个趋势之下想象 AI 可能的落地爆发点,有智能客服、销售,新闻写作、分发,物流、仓储、定价系统等。

而杨强进一步谈到人工智能的挑战。「深度学习的可解释性是一个巨大的挑战,此外模型需要具备可编程性,另外,对于语言模型中自动摘要、自动文本的生成,我们还处于比较初级的阶段。」

他接下来提到普惠金融方面的一些实例,他们着重强调如何利用强化学习、深度学习、自然语言处理来提供个性化客服。他表示,在互联网金融的背景下,有很多人工智能场景,比如人脸检测、声纹检测等。

智能外科的机遇与挑战

接下来,解放军总医院 (301) 全军肝胆外科研究所所长、肝胆外二科主任刘荣为现场观众科普了智能外科。

演讲伊始,他表示,今天在座的基本都是做人工智能研究的,可能对外科感兴趣的非常少。他对智能外科下了个定义,即利用人工智能的工具和方法,辅助或替代人类进行外科诊疗行为。主要特征有诊疗行为标准化,诊疗设计个性化。

谈到为什么要发展智能外科,他表示,「老龄化增加了医疗需求,优秀的外科从业人员稀缺,智能外科可以减少对人力资源的依赖。此外,分级诊疗落地难,智能外科有望实现医疗行为标准化。而从政府角度来看,国务院、卫计委等机构出台的一系列政策也在支持智能外科。」

他表示AI 投资热度不断上升,人工智能和大数据技术不断得到发展和进步,这些都有助于推进智能外科的发展。

而智能外科主要有哪些应用呢,他也一一举了例子。例如智能影像诊断系统、多模态影像融合分析、影像识别和器官分割、三维重构、术前仿真、手术视频解析、手术导航等等。他表示,术前仿真可以帮助外科医生规划手术路径,进行手术模拟,远胜于以前的动物模拟手术。手术视频解析可以帮助医生在手术中做出合理选择,规划下一步手术操作。手术导航可以降低手术难度,提升手术质量,辅助新医生培训等。

而实际应用,他提到达芬奇手术机器人,他表示,达芬奇是目前比较成熟的手术机器人,他为大家展示了达芬奇做手术的视频,可以看到机器人的手非常灵活。此外,还有美国去年十月上市的腹腔镜手术机器人、STAR 自动缝合手术机器人、谷歌和强生开发的手术机器人系统等。

演讲最后,他提出对智能外科的近景和远景展望,他表示,在以后,希望能实现智能手术,利用人工智能驱动手术系统进行手术操作,医生在其中起到监督作用。他同时也列举了一些挑战,比如存在数据壁垒,此外医工结合专业背景的人才非常少。

人工智能中的因果知识

之后是加州大学洛杉矶分校博士 Karthika Mohan 带来的一场学术报告,她的演讲主题为 Causal Knowledge in Artificial Intelligence。

演讲伊始,她表示,建立一个与人类似的 AI 系统,因果知识非常重要。她接下来提到三层因果关系,即 Counterfactuals,Intervention,Association,之后,她说明了因果模型能解决目前 AI 系统的局限性,最后,她详细描述了来自因果推理的七个启发。

值得一提的是,Karthika Mohan 是图灵奖得主、贝叶斯网络之父 Judea Pearl 的学生,原定来到现场进行学术报告的 Judea Pearl 因故未能抵达,她作为参会代表,在简短的十五分钟内展示了在 Judea Pearl 带领下做的一系列工作以及他们面向 AI 的解决方案。

她详细描述了这七个启发,一是因果假设的透明性和可试性,二是介入性疑问分析,三是反事实算法,四是调解分析和直接、间接效应的评估,五是外部效度和样本选择偏差,六是数据丢失,七是挖掘因果关系,对于每一个启发,她都引用一系列案例,展开详细的说明和总结。

演讲的最后,她表示,Judea Pearl 教授等人的《The Book Of Why》即将会有中文版呈现,希望大家能够喜欢。

神经系统的本质

下一位带来演讲的嘉宾是美国斯坦福大学神经科学研究所丁军,他的演讲主题是看清神经系统。他表示,他们实验室用光学手段来进行神经网络系统的研究。他提及,各国都提出发展脑计划,比如美国、欧洲、日本等,这证明大家对脑科学的重视。

接下来,他回归正题,谈到神经回路和类脑计算。他说到,神经回路和 AI 网络的不同点大于相同点,人体的神经回路很难研究,其中有百亿神经元,万亿级的突触连接。他们在实验室比较常见的研究对象是老鼠、猴子等。

他表示,其实,一百年前对神经回路就有相关研究,但今天神经科学仍然处于原始数据采集阶段。他接下来展示了脑中的图像,他解释道,图像看起来很美丽,但实际上是经过处理的。

之后他介绍了如何看清神经网络的工作,他们通过一系列技术,可以看到老鼠的整个脑区,比如海马体、皮层神经元。他表示,这样只能看处理过的脑区,他们想要看到活的脑区,而这里他们应用了一系列最新技术,成功观察到结果。他也提到如何建立细节性的神经元模型,对神经元的活动进行模拟。目前,用迷你显微镜结合内窥镜,可以看到非常深入的脑区。

而他表示,之后的目标是形成机器和人脑之间的共连接。其中的挑战是机器和人脑的信息传递方式不一样,他也为大家阐明了解决方案。

用 AI 构建「五度」城市感知

下一位演讲的嘉宾是旷视科技总裁付英波,他介绍了如何用 AI 构建城市大脑,让社会更安全。

他先是介绍了旷视科技的研究方向以及他们一系列的融资,他表示,旷视是一家专注于计算机科学的企业,主要做计算机视觉技术工程化的研究和方案的落地。他详细讲解了计算机视觉场景在安防领域的落地。

付英波表示,中国安防市场非常大,也有非常多的摄像头资源,但之前在公共场所建的大量摄像头没有实时分析功能,更多的是事后排查,他们希望引入计算机视觉相关技术,让摄像头由看见变成看懂。

他解释道,看懂这一块分五个度——维度,精度,密度,关联度,集成度。接下来他具体展开讨论。

  • 对于维度,他先是谈到人脸,比如分析年龄、性别表情等;此外有行人特征,其中有分析轨迹、停留、行进方向等;对于车辆,包括看清车辆车标、车型、号牌、颜色、撞损情况、驾驶员行为分析等;最后是电子信号,包括设备 Mac、电子证件、RFID 等。

  • 接下来是精度,他表示,他们在人脸识别上的检验精度两年间提升 10 倍并超越人类,图像识别及动作识别夺得了三项世界冠军。在实际应用场景下,他们主要关心首位命中率和抓拍检出率。

  • 对于密度,他表示,这决定了数据连续性,想要做到跨摄像头的分析需要有一定密度。

  • 至于关联度,付英波谈到,他们会将人脸和人,车牌和车结合起来,希望通过关联度的分析,为公安提供重要的依据。

之后,他总结到,希望通过五度感知+数据应用,创建城市大脑,在五度感知下,做存储和计算。

而他也提到他们在全国的战果,截至目前,他们已在全国协助抓捕在逃犯超 3000 人。此外,他表示,他们刚推出一款全球最快单帧人脸抓拍机,集成度非常高。

演讲的最后,他表示,希望赋能城市之眼,构建城市大脑,赋予终端思考能力,让社会更安全,让全民有更好的安全体验。

全球创作与交流的平台-今日头条的愿景与实践

之后迎来今日头条人工智能实验室主任、东京大学计算机科学博士李航的主题报告。

李航先是展示了头条在人工智能方向的工作。他表示,我们现在处于 AI 和移动互联网时代,数据量呈现指数级增长,而现在 AI 技术依赖大数据也得到快速发展。

他说道,头条的愿景是做全球内容创作与交流的平台,这里的核心技术是推荐引擎,包括大数据以及先进的人工智能算法,希望能促进大家创作和交流。他也提到头条母公司字节跳动 2017 年底的新产品抖音,他表示,抖音在春节之后日活跃用户几千万,在抖音的创作中,有些让大家感受到生活气息,有些让大家感受到艺术创作的魅力。「抖音是头条 AI 科技创新力的体现,体现了头条既有算法创新,又有产品开发和运营的能力。」

接下来,他强调,头条不光是在中国推出产品,在全球也在进行布局。

他们的关键技术是推荐引擎,共有四代。第一代基于策略,到现在发展为第四代,具有丰富层级的特征、复杂的模型组合,目前线上模型参数已经达数千亿,数据也非常大,每日请求数超过 100 亿次,算法的更新每天大概 750 次。

李航表示,他们的商业模式主要是广告,比如开屏广告、信息流广告、详情页广告。他们有广泛的观众覆盖范围和丰富广告位置,AI 驱动的精准营销带来极好的回报。

而之后,他简单介绍了今日头条人工智能实验室的成立历史和成立背景。他表示,实验室的主要研究领域有机器学习、计算视觉、自然语言处理、语音处理。核心优势在于拥有海量数据以及丰富多样的实际应用场景,在人、数据、算法、内容上有完整的反馈闭环等。

演讲最后,他介绍了头条的写稿机器人(小明机器人),他表示,未来希望通过机器人写作辅助我们更好地写作。

构建人工智能产业园,推动行业凝聚发展

最后一位带来演讲的嘉宾是星河产业集团副总裁阎镜予,他介绍了星河集团在人工智能产业园上的布局与规划。

他表示,前面出场的各位嘉宾都是各个行业的专家,他将作为地产商与行业的投资者与大家进行分享。

他先是提到人工智能发展的几个瓶颈:

  • 一是稳定性,可以发很好的 paper 并不意味着可以做出很好的产品;

  • 二是可解释性,目前很多模型都不可解释;

  • 三是结构性,比如如何在非结构化的场景里更好地做出判断;

  • 四是目标函数,比如单目标优化和多目标优化,如何在多个目标函数中得到最优;

  • 五是人类评价,人类评价标准非常不同。

他们目前在做人工智能产业园,试图打造出全天候海陆空人工智能测试基地。他表示他们有专业强大的人工智能投资能力,致力于在园区打造丰富的人工智能圈层建设和主题活动。政府的扶持对人工智能发展非常重要,他们园区内部有便利的政策资源对接。此外,他们为人工智能初创企业提供很多相关的创业培训。

在演讲最后,他强调,他们会针对人工智能行业提供最低折扣优惠,以及租金换股权等方式降低企业成本。他表示,大家要是来龙岗,可以选择他们的园区。

启智开源许可证 1.0 发布仪式& AITech 主办旗帜交接传递仪式

在所有嘉宾的演讲结束之后,迎来启智开源许可证 1.0 发布仪式。北京大学计算机系主任、新一代人工智能产业技术创新战略联盟秘书长黄铁军作为仪式主持人,在现场对启智开源许可证进行详细介绍。

黄铁军表示,新一代人工智能产业技术创新联盟的重要目标是创立人工智能开源开放平台,这也是他们发布启智开源许可证的目标。

启智开源许可证定位如下:

  • 新一代人工智能重大科技项目的成果汇聚平台;

  • 新一代人工智能发展规划的产学研合作桥梁;

  • 中国人工智能产业和应用坚实可靠的基础设施;

  • 全球人工智能产业和应用发展的最佳选择;

  • 人类命运共同体开放可信的智能大陆。

许可证的原则是完全开源、完全开放、完全免费、尊重创新。

黄铁军说到,有很多专家为许可证的出台做了贡献,其中包括北京大学法学院知识产权专家张平教授,中国开源软件推进联盟专家委员刘明博士,开源中国社区创始人 CTO 红薯(刘东),而刘明与刘东也上台参与了此次发布仪式。

在启智开源许可证 1.0 发布仪式结束之后,迎来 AITech 主办旗帜交接传递仪式,龙岗区人民政府领导和崂山区人民政府领导出席此次仪式,至此,上午的议程圆满结束。

下午还有两场分论坛——人工智能与安全分论坛、人工智能投融资分论坛,雷锋网也将第一时间带来最新资讯,敬请关注。

雷锋网

七场高端报告,带你大视角看人工智能发展 | AITech

雷锋网 AI 科技评论消息:2018 年 3 月 30 日,AITech 峰会在深圳龙岗区正式召开。

本次会议以配合国家新一代人工智能发展规划实施,支撑人工智能产业技术协同创新,加强人工智能领域的国内外技术交流为目的,由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办。雷锋网作为独家战略合作媒体将进行现场内容详细报导。

为期两天的会议将包括两场主论坛和四场分论坛,分别为:

主论坛一(3 月 30 日上午)

分论坛(一):智能技术与标准及 IEEE Fellow 论坛(3 月 30 日下午)
分论坛(二):超高清与 VR 技术论坛(3 月 30 日下午)
主论坛二(3 月 31 日上午)
分论坛(一):人工智能与安全论坛(3 月 31 日下午)
分论坛(二):人工智能投融资论坛(3 月 31 日下午)

下面我们详细介绍 AITech 主论坛一的详细内容,其他内容将稍后呈现。

在该论坛中,共有四项议程。

首先,深圳市龙岗区区长戴斌先生和深圳市政协副主席张晓莉女士作为东道主为大会致辞。

据戴斌先生介绍,龙岗区在 2017 年实现地区生产总值 3858 亿元,增长 9.8%,跃居全深圳市各区第二,稳居全国经济十强区。目前已集聚了包括智能机器人在内的六大产业集群,拥有华为、比亚迪等知名企业。力争到 2020 年,人工智能等新兴产业工业增加值占 GDP 比重超过 60%,成为驱动发展的强大引擎。

张晓莉女士在致辞中表示,目前深圳在人工智能和机器人密切相关的智能制造、智能汽车、无人机等领域已形成较为完备的产业链,在全球人工智能企业数量排名榜上深圳位居第八。

随后龙岗区副区长陈广文先生详细介绍了龙岗区作为全国经济十强区的创新创业环境。主要概括有以下几个特点:产业基础雄厚;创新势头强劲;文体氛围浓厚;环境配套优越;政府服务超前。

接着在高文院士、徐扬生院士、丁文华院士等人的见证下,龙岗区金融投资控股有限公司董事长张静女士、中国国新基金管理有限公司副总经理姜开宏先生以及新一代人工智能产业技术创新战略联盟联合秘书长张伟民先生签署了新一代人工智能产业基金框架性合作协议。

在最后一项议程,由7位领域内专家分别作出精彩报告。

 高文院士:AI 开源平台的挑战与机遇

 徐扬生院士:人工智能时代的教育

 John E. Hopcroft:Deep Learning Research

 芮勇:人工智能的字母表

 鄢志杰:IoT 时代的智能语音交互

 林拥军:城市数据湖——城市发展

 张清:端到端 AI 计算系统设计与优化

下面我们对几位专家的报告一一做简要介绍。

一、AI 开源平台的挑战与机遇

报告人:高文院士,中国工程院院士,新一代人工智能产业技术创新战略联盟理事长。

高文院士针对 AI 开源平台的四个方面进行了介绍,他认为这里既有挑战,也有机遇。

首先是我国人工智能发展的瓶颈问题。高文院士认为这有四点:(1)开源平台多,但平台之间相互隔离,模型不可相互转换,导致形成「算法孤岛」;(2)算法需要适配的异构硬件,性能和效率受制于硬件的组织管理;(3)应用绑定在 AI 算法平台与硬件,基础受制,推广性受限;(4)国际巨头通过 AI 开源工具打造生态和垄断智能硬件,严重挤压我国 AI 产业发展空间。针对这些问题,对这些瓶颈的应对策略就是,通过构建支撑开源软/硬件基础平台来支持人工智能技术产业链。

深圳云脑计划正是这样一个平台,它是为了配合国家新一代人工智能重大专项,解决上述四项瓶颈问题而成立的一项计划。这项计划近期主要为深圳云脑(SCB-AI),长期来看则还包括深圳量子云(SCB-QS)。

深圳云脑的体系架构分为三层:云脑硬件平台、云脑操作系统、重大应用。其中硬件平台包含了 GPU 集群,FPGA 推理节点、专用人工智能芯片推理部件。其次将这些硬件连接起来构成云脑操作系统,并提供给各种各样的人工智能应用,例如智能交通、智能医疗、自动驾驶等。通过这种方式,可以保证智能硬件的高能效、智能操作系统与软件的高效和可扩展,以及人工智能决策应用平台的高效实时、高性能和可解释。

在开源硬件之上就是依托联盟,建立 AI 技术的开源开放平台,实现 AI 数据共享、模型共享、技术共享等,共同开发建设 AI 开源共享社区。例如 AI 交流社区、AI 开发社区、AI 共享社区、AI 标准化社区、AI 教育社区等等。此外还会通过联盟来维护开源开放平台,建设开源开放平台子基金,通过联盟向深圳以及国内外开放,建立人工智能协同开发的生态。

高文院士总结到:我国人工智能发展面临四个挑战,解决这些挑战则需要强大的开源平台,深圳云脑是可能的选择之一。希望这个计划对整个中国人工智能计划起到帮助。

二、人工智能时代的教育

徐扬生:中国工程院院士、香港中文大学(深圳)校长

徐扬生院士在报告中首先给我们简单介绍了机器人的发展,随后提出「智能革命将是从生产力解放到心脑解放的一次革命」,这次革命所带来的影响将远远大于人类历史中所有通过解放肉体的革命所引起的影响。在这种智能革命下,人类以前以及现在所做的许多事情都将被人工智能所取代,人类社会也将进行重新分工,很多行业将会消失,同时也会产生许多新的行业。

在这种情况下,人类的教育需要做什么样的改变是一个严峻的问题。徐扬生院士认为,我们时代的教育主要还是在训练人类的弱点(例如记忆、逻辑判断;相比于人工智能),这需要改变。因此他提出人工智能时代下的教育的四条原则:

注重培养文理融合的复合型人才;

注重培养学生的想象力和创造力;

注重非知识型的教学和考试;

注重学生自我能力的培养。

三、Deep Learning Research

John E. Hopcroft,美国工程院院士、美国科学院院士、中国科学院外籍院士、图灵奖获得者

在报告中,图灵奖获得者 John Hopcroft 分享了一些深度学习领域中比较有趣的研究问题和对此的一些思考。

最近几年,随着深度神经网络的引入,特别是卷积神经网络(卷积神经网络,由卷积层、池化层、全连接层组成,最后是 softmax 输出每个类别的概率)的引入,图像分类等方面的错误率逐年下降,在 2015 年微软亚研院提出的 152 层深度残差网络(ResNet)在图像分类中超过了人的识别水平。但是在这方面还有很多问题值得研究,例如每个门学习的是什么、怎样让第二层的门与第一层的门学习不同的信息、怎样让一个门学习的内容随时间演化、用不同的初始权重门学习的是否是相同的内容、用不同的图像集训练两个网络早期的门学习的是否相同等等。

此外,在训练一个深度网络时,可能会有许多局部极小值,有些极小值可能会比其他的好。如何保证我们在训练的过程中能够找到一个好的局部极小值呢?训练深度网络往往会花费很长的时间,我们是否可以加速训练呢?这些也都是非常有意义的研究方向。

随后 John 考虑了当训练两个网络时会出现什么有趣的研究。对于两个网络,我们可以同时训练,也可以一先一后。那么这两种情况,两个网络在激活空间里是否共享相同的区域呢?一个当前比较火的例子就是生成式对抗网络(GAN),这个网络便属于一先一后的情况。

最后 John 提出了一个问题:人工智能是真的吗?他认为,现在的人工智能只是高维空间中的模式识别,AI 还不能提取出一个事物的本质或者理解它的功能。在 John 看来,要想实现这一点,只是需要另外 40 年的时间。他还说到,其实很多现在看来是智能的任务其实都不是 AI,有些只需要强大的计算以及大数据就足够了,例如棋类比赛。计算机正在做越来越多的人们以为需要智能的事情,实际上有些并不是 AI。所以我们在从事人工智能相关的工作时要想一想,这个问题的核心的是 AI 吗?还是仅仅需要大计算而已?

四、人工智能的字母表

芮勇:联想集团首席技术官,高级副总裁,ACM Fellow,IEEE Fellow

芮勇博士在演讲中介绍了人工智能字母表中的 A(Algorithm,算法)、B(Business,行业)、C(Computing,算力)、D(Data,数据)。他认为想要把一个人工智能系统做好,这四方面缺一不可;如果把人工智能看做一辆车的话,算法就是引擎,算力就是轮子,数据就是汽油,而行业则是方向盘。

A:算法-引擎

从人工智能出现至今,算法的沿革及演化大概是:逻辑回归,神经网络,支持向量机,隐马尔科夫模型,专家系统,深度学习。而事实上人工智能的算法也分为不同的阵营,例如符号学派(规则和决策树);连接学派(神经网络);贝叶斯学派(概率图模型);类推学派(SVM);进化学派(遗传算法)。目前来看,则是连接学派发展势头很好,其他稍次。

C:算力-车轮

计算力是车轮,承载了整个人工智能的运行。在几年前大家主要还是通过 CPU 集群来跑算法,而目前主流的计算引擎则是 GPU,CPU 则主要用于控制和参数同步;另一方面 FPGA 在嵌入式解决方案上的前景比较光明,而专用的 ASIC 芯片则羽翼未丰。

D:数据-汽油

数据是整个人工智能的能量来源。我们现在处于一个新数据时代,面临着一些列的挑战。

首先是数据量爆发,例如目前 90% 的数据都是两年内生成的,预计到 2020 年全球平均每人每秒都会产生 1.7MB 的数据,如何充分地利用这些数据是一个很有挑战性的问题。其次如何解决数据的质量问题,让数据能够覆盖更广泛的领域,而不只是集中在某些特定的领域。再次,如何高效地进行新数据的生成,例如生成对抗网络(GAN)。

B:行业-方向盘

行业就是人工智能的方向盘,决定着整个大方向向哪个地方发展。芮勇分别举了智慧交通、智慧医疗、智能心电衣等几个行业案例说明了这个问题。

芮勇总结到:请记住人工智能字母表的这前四个字母,A,B,C,D。它们是开好人工智能这辆车必须掌握的。

五、IoT时代的只能语音交互

鄢志杰:阿里巴巴达摩院-机器智能技术研究院 语音交互首席科学家

我们知道阿里前两天刚刚发布要全面进军 IoT 领域,鄢志杰博士在报告中则介绍了阿里巴巴在 IoT 方面的工作。简单来说,阿里巴巴想要数字化整个物理世界,其观点是:计算是心脏,AI 是大脑,而 IoT 则是神经;神经能够使他们触达更多的用户,产生更多的数据,产生更大的价值。其表现为,阿里要做 IoT 基础建设的搭建者,在 5 年内布置 100 亿个 IoT 设备。

随后鄢志杰博士详细介绍了语音交互智能在 IoT 与互联网内容和服务中的桥梁作用,下面这张图是阿里内容架构图:

更详细地,鄢志杰博士则分别介绍了阿里的智能音箱、智联网汽车、电视(盒子)、公共场所服务机、多模态语音交互打平等产品。他认为在 IoT 时代,必须将技术、产品和商业打造成一个闭环才能够共同促进发展。

六、城市数据湖——城市发展

林拥军:易华录总裁

林拥军先生介绍了在大数据时代,数据如何存储和利用的问题。在现代,我们有了更多和更先进的感知器来收集数据,也有光纤、5G 等等数据传输管道;在计算上我们也有 GPU、TPU 以及超算等高性能计算硬件,但是在存储上我们仍然还在使用以硬盘、磁带等为主的器件,这些存储设备不仅能耗大,寿命短,而且安全性也较差。林拥军先生在此介绍了蓝光存储技术。

他把数据分为热数据、温数据和冷数据。其中热数据一般采用电存储,优点是速度快,轻便;而缺点是容量低、成本高、寿命短。温数据则一般采用磁存储,优点是速度较快,容量大;但缺点是能耗大、寿命短、易故障。而大量冷数据可以采用光存储的方式,其能耗只有磁存储的 0.3%,成本只有磁存储的 6.5%,寿命为 50-100 年,单张容量 300GB。他认为以「冷技术」保存冷数据,使冷、热数据得以完美结合,将成为人工智能时代数据存储的最优选择。

林拥军先生等人以蓝光存储技术为基础,构建一个城市新的基础设施,他们称之为城市「数据湖」。他认为这以后将是每一个城市的标配基础设施。在这个构想中,数据湖将成为政府主导建设的存储节能优先的基础设施,IDC 则将是企业主导建设的计算性能优先的商业实施。林拥军先生认为「古人逐水而居,今人逐数兴业」,因此数据将成为地方政府吸引人才的一个重要因素。

数据湖的 IT 架构将是湖存储+ABCD,其中 ABCD 分别为为人工智能(AI)、区块链(Blockchain)、大数据(Data)和云计算(Cloud)。而其特点有四个:海量(存储容量大、单机柜 1.6PB、数据密度高)、绿色(能耗低、磁存储、存储成本低、磁存储的 6.5%)、安全(寿命 50 年以上、数据不可修改、方电磁公积、防病毒删改)、生态(数据开放)。

最后林拥军先生还提出了数据湖构建的三部曲——建湖、引水和水资源利用。建湖即为以光磁融合技术作为构建城市数据湖的核心要素;引水为政府已有数据的引入;水资源利用为数据驱动、决策支撑,推动改进政府治理方式,提升政府治理的高度。

七、端到端AI计算系统设计与优化

张清:浪潮集团AI首席架构师

目前人工智能计算面临着一系列问题,例如如何优化模型、自动学习模型、构建大规模算法等,这往往需要专家才能完成,且限于硬件设备的限制往往也不能达到最优化。

张清先生在报告中介绍了浪潮集团提出的端到端 AI 计算系统的设计思路。大概分为四层:

AI 计算平台:在平台中会针对某一问题的计算特点、领域特点、部署环境等进行设计算法。例如参数密集型或者计算密集型,平台会根据这些特点做出不同的配置。

AI 系统管理:对于个人来说可能只能配置少量的 GPU,硬件设施会限制运算的效率。但是如果基于大型的集成计算硬件平台,它们可以根据硬件资源的具体情况进行资源管理、调度和监控,可以有效地利用资源和提升运算效率。

AI 计算框架。系统将根据不同的场景要求、模型特点和平台特征选择合适的框架(TensorFlow、Caffe 或者别的)。

AI 应用方案:对 AI 应用实现进行分析,则会有四个过程,包括任务分解(例如是图像识别、语音合成还是机器翻译等)、数据准备(数据清洗、数据增强、数据标注等)、算法选择(RNN、ResNet、FCN 等)、系统构建(管理平台、计算平台等)。

端到端的 AI 计算系统优化技术方向包括三个:计算、通信和 IO。其中计算为 CPU 与 GPU 并行训练,进一步提高资源利用率。通信则采用硬件技术,实现通信的低延时域高贷款;IO 则采用线上与线下同意存储架构设计,降低数据传输时间。


雷锋网总结:以上为 AITech 主论坛一的内容介绍。在半天会议中,通过深圳市以及龙岗区政府领导的讲话,我们能够了解到深圳市(龙岗区)政府在人工智能以及相关产业方面做出的巨大投入。从高文院士的报告中可以看出国家层面正在以及将要如何布局人工智能发展;徐扬生院士的报告让我们认识到,人工智能时代我们应当重新思考(子女)教育问题;John Hopcroft 则通过浅显的语言让我们认识到深度学习的不足、可能改进的方向以及对此应该有哪些反思;芮勇博士的报告,则形象化地阐明了人工智能良好发展的 A、B、C、D 四大要素;鄢志杰博士的报告则非常具体地阐述了阿里巴巴在 IoT 方面的架构;林拥军先生则给我们展示了一个宏大的数据存储场景,对各级地方政府都有很大的参考价值;张清先生则介绍了端对端 AI 计算系统的设计和优化,类似平台的出现或许将让大量研究人员不再需要单独购买 GPU 或者自己设计算法。总之,每场报告都让人有一种心灵和视野的激荡。

更多内容请关注雷锋网随后报道。

雷锋网

AITech 龙岗启航,AI 顶级盛会亮相深圳

雷锋网按,人工智能的迅速发展将深刻改变人类社会、改变世界,而我国人工智能也被赋予了有史以来最好的政策环境。

为抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国,2017 年 7 月,国务院发布《新一代人工智能发展规划》,奠定了我国人工智能发展的战略基调。2017 年 10 月,党的十九大报告提出,要加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,促进我国产业迈向全球价值链中高端;加强应用基础研究,拓展实施国家重大科技项目。2018 年 3 月,李克强总理在政府工作报告中再次明确,要做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进「互联网+」;要发展智能产业,拓展智能生活。

为配合国家新一代人工智能发展规划实施,支撑人工智能产业技术协同创新,加强人工智能领域的国内外技术交流,2018 年 3 月 30 日-31 日,人工智能领域的顶级盛会「AITech 极智未来-2018 国际智能科技峰会」即将亮相深圳。

届时,将有 1000 余名国内外人工智能领域院士、顶级专家、知名学者、投资机构、行业翘楚共襄盛会。同期,将会发布多项 AI 创新成果,也会有多个 AI 尖端产品亮相。

本次峰会由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办,本次大会将以「极智未来」为主题,围绕新一代人工智能,与会人员将进行深入交流和探讨,探索「科技引领、系统布局、市场主导、开源开放」的新一代发展模式。雷锋网将作为独家战略合作媒体进行现场报导。

由深圳市人民政府指导召开的本次 AITech 极智未来峰会,紧紧配合国家新一代人工智能发展规划,亮点众多:

  • 亮点 1:200+中外特邀学术界、投资领域、科技领域精英;

  • 亮点 2:2 场千人论坛、4 场深度专题论坛、多场签约及发布仪式,就人工智能前沿研究和产业实战展开对话;

  • 亮点 3:20+国内外创新研究成果的顶级专家学者发表独立演讲。据悉,中国工程院高文院士,徐扬生院士,丁文华院士及美国工程院院士、美国科学院院士、中国工程院外籍院士暨图灵奖获得者 John E. Hopcroft 等均将赴会发表独立演讲;

  • 亮点 4:神秘前沿 AI「黑科技」将重装亮相展示,应用场景体验区全面开放;

  • 亮点 5:全球顶级人工智能产业、学术、投资领袖跨界汇聚的年度盛典;

  • 亮点 6:产学研资深度结合,热点技术应用案例剖析;

  • 亮点 7:国内首家人工智能会议管理系统重装亮相。

活动主办方之一深圳市龙岗区人民政府地处深圳市东北部,位于深莞惠城市圈几何中心,实际管理面积 388.59 平方公里,下辖 11 个街道 111 个社区,实际管理人口约 476 万。龙岗是深圳的经济和产业大区,具备多项天然优势,是深圳的创新之区,是产城融合之区,是环境优美之区,是深圳的民生强区。近年来,随着大运会的成功举办,龙岗优势集聚、厚积薄发,经济社会发展势头良好。市委市政府高瞻远瞩,提出实施「东进战略」,破解过去长期困扰深圳发展的空间难题,改变「西强东弱」的发展现状,向东拓展腹地,实现高端要素扩容,将再造一个「深圳」。作为落实东进战略的核心区和主战场,龙岗迎来了新一轮集聚优势、创新发展、跨越发展的历史性机遇。龙岗将抢抓机遇,加快落实东进战略,高水平建设深圳东部中心,全力把龙岗打造成为新时代深圳的创新高地、产业高地、文化高地、共享高地、民生高地、生态高地,高质量全面建成小康社会,勇当深圳率先建设社会主义现代化先行区的排头兵。

活动主办方之一「新一代人工智能产业技术创新战略联盟」由科技部指导成立,潘云鹤院士担任联盟名誉理事长和专家委员会主任,高文院士担任联盟理事长,北京大学计算机系主任黄铁军教授担任联盟秘书长,AVS 产业联盟秘书长张伟民和《IEEE 电路与系统视频技术》期刊总编辑李世鹏任联合秘书长。联盟的依托法人单位为「中关村视听产业技术创新联盟」。联盟成员包括 BAT、科大讯飞、华为、中兴等企业,国内大多数人工智能独角兽企业,北大、清华、中科大、中科院计算所等科研院校。为推动新一代人工智能发展规划的实施落地,联盟启动部署「一体两翼」规划及「AI燎原计划」,积极推进人工智能领域国内和国际合作,组织对人工智能领域国内外论文、专利、标准、开源、人才、投资、产业、应用等方面进行大数据智能分析,绘制智能热图,从微观层面支撑新一代人工智能发展规划和重大科技项目。

活动承办方深圳龙岗智能视听研究院由深圳市龙岗区人民政府、北京大学数字视频编解码技术国家工程实验室和中关村视听产业技术创新联盟共同发起,成立于 2017 年 10 月,落户于深圳龙岗创投大厦,中国工程院高文院士担任院长,指导研究院的建设和发展。深圳龙岗智能视听研究院依托北京大学数字视频编解码技术国家工程实验室和中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟的资源优势,在超高清视频和人工智能领域,致力于制定国内、国际标准体系,开展关键技术、核心算法研究,搭建试验和示范平台,通过资源整合,促进我国数字视频产业链和人工智能产业链健康、安全、快速发展。

欢迎大家来深交流。雷锋网也将在大会现场带来最新消息。

活动时间:2018 年 3 月 30 日-31 日

活动地点:深圳龙岗中海凯骊酒店大宴会厅

报名方式:扫描下方二维码

                                              

雷锋网

AITech 开幕在即,两大主论坛四大分论坛抢先看

雷锋网按:二十世纪七十年代以来,被称为世界三大尖端技术之一的人工智能已经在人类文明的延续中占有了一席之地,新一代人工智能的迅速发展将深刻改变人类社会生活、改变世界,也必将会为整个人类文明的走向带来巨大变革。

为配合国家新一代人工智能发展规划实施,支撑人工智能产业技术协同创新,加强人工智能领域的国内外技术交流,营造健康有序、充满活力的人工智能应用生态,由深圳市人民政府指导,深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办,深圳龙岗智能视听研究院承办的 AI 领域顶级盛会——AITech(2018 国际智能科技峰会)将于 2018 年 3 月 30-31 日在深圳龙岗举办。雷锋网作为独家战略合作媒体,也会第一时间跟进报导。

届时将有多项 AI 创新成果发布、AI 尖端产品亮相,预计将有 1000 余名国内外人工智能领域顶级专家、知名学者、投资机构、行业翘楚共襄盛会,以「极智未来」为主题,围绕新一代人工智能,进行深入交流和探讨,探索「科技引领、系统布局、市场主导、开源开放」的新一代发展模式。

AITech 的专家委员会规模宏大,涵盖中国工程院潘云鹤院士、李兰娟院士、柴天佑院士、金东寒院士、李伯虎院士、刘玠院士、吴澄院士、郑南宁院士,中国科学院李未院士在内的 26 名专家学者。

大会主席团由四名成员组成,他们分别是:

  • 大会主席:高文

  • 程序委员会主席:黄铁军

  • 国际委员会主席:李世鹏

  • 组织委员会主席:张伟民

目前已经确认来到现场进行分享的重磅嘉宾共计 26 名,涵盖学术界、工业界多名领军人物。

学界:

  • 图灵奖获得者、康奈尔大学教授、美国国家科学院院士 John E. Hopcroft

  • 中国工程院院士、香港中文大学(深圳)校长、空间机器人与智能控制专家徐扬生

  • 浙江大学教授、MPEG 视频组组长、信息与通信工程研究所副所长虞露

  • 电子科技大学教授罗蕾

  • 中科院政策所研究员李真真

  • ……

业界:

  • 依图科技联合创始人林晨曦

  • 联想集团首席技术官、高级副总裁芮勇

  • 阿里巴巴副总裁、iDST 副院长华先胜

  • 百度安全事业部首席架构师武广柱

  • 飞利浦研究院首席科学家马缚龙博士

  • 思必驰联合创始人/首席科学家俞凯

  • ……

大会为期两天,涵盖两个主论坛,四个分论坛。

在 30 日上午,科技部领导、深圳市领导、龙岗区政府领导将进行致辞,北京大学计算机系主任长黄铁军将出席新一代人工智能母基金合作签约仪式、深圳龙岗智能视听产业投资基金签约仪式,中国工程院院士、新一代人工智能产业技术创新战略联盟理事长高文院士将带来以《新一代人工智能发展规划》为题的报告。

除了以上议程,John E. Hopcroft,芮勇,华先胜,王柏华,林晨曦等多名学界业界领袖将带来精彩学术报告。

30 日下午,将会有两个分论坛:

  • 分论坛一 超高清&VR 技术论坛

  • 分论坛二 智能技术与标准论坛及 IEEE Fellow 论坛

来自广电总局、中国工程院、中国电信、优酷、飞利浦、三星电子的多位技术专家将会分享超高清&VR 技术,届时也将会有多位 IEEE Fellow 带来精彩分享。

31 日上午,中国工程院院士、香港中文大学(深圳)校长徐扬生,国家工业信息安全发展研究中心副主任何小龙,华为消费者 BG 软件工程部副总裁张宝峰,图灵奖获奖者、加州大学洛杉矶分校教授&加州大学洛杉矶分校博士 Judae Pearl&Karthika Mohan,美国斯坦福大学神经科学研究所 Jun Ding (丁军),香港科技大学计算机系主任杨强等人将会带来涵盖人工智能时代的教育、计算机视觉、神经系统、深度学习、贝叶斯网络等多个方向的精彩报告。

31 日下午将会有两场分论坛:

  • 分论坛三 人工智能与安全论坛

  • 分论坛四 人工智能投融资论坛

届时,将会有来自阿里、百度、电子科技大学的学术分享以及 DCM、将门、国中创投、码隆科技多家企业投资人的投融资分享。

大家可以关注 https://www.leiphone.com/special/custom/AITech.html 查看议程详细信息。

后续雷锋网也将带来最新信息。

雷锋网