【人工智能俱乐部(筹)】AI助力产业发展论坛讲座

 

发布日期:2017-11-30

分享到:

       2017年11月28日晚,清华MBA学生人工智能俱乐部(筹)首次组织的活动“AI助力产业发展”论坛顺利举办,清华大学智能技术与系统国家重点实验室主任朱小燕教授与IBM副总裁谢东博士作为被邀嘉宾分享了对人工智能的看法。


       朱小燕教授现任清华计算机系教授,博士生导师,智能技术与系统国家重点实验室主任,北京市计算机学会副理事长。


图片2.jpg


       朱教授从人工智能发展的历史和一些关键问题方面进行了分享。从人工智能的产业成熟曲线来看,人工智能的发展势头经历了多次的起伏,目前正处于发展的高点,因为贴近民生而备受关注。朱教授认为,人工智能实际是各种关键技术的表现,从技术集成成系统,最终体现在产品上。从研究特点来看,人工智能的研究包括了理论和技术的集合,但最重要的看的是如何巧妙地利用和实施技术,应用是人工智能普及到大众最重要的环节。同时,人工智能在实际生活当中,使用的是关键技术,但应用时可能是用模块的形式。


       朱教授还分享了几个人工智能的重要研究领域,包括1) 脑科学——应用案例如Motor Imagery System(脑电波控制机器人踢球的案例)、Dialing Phone Number(眼神控制物体的案例)等;2) 图像识别应用——应用案例如机器看图说话、可行动的机器人、基于深度学习的机器翻译系统、机器写字、机器人写诗、机器作画等。同时,朱教授指出现在机器学习存在一些误区,包括机器学习不等于人工智能、深度学习不等于机器学习、深度学习不等于神经元网络模型、神经网络学习不等于深度学习等等。


图片4.jpg


       最后,朱教授和在场的同学一同讨论了关于人工智能的三个关键问题:

问题一:AI落地的关键是什么?

解答思路:人工智能从实验室应到生产线,需要的是三个因素——需求、数据、算法,缺一不可。若需要区分主次,则场景是关键,产品是主导,技术是支撑。

问题二:智能发展空间在哪里?

解答思路:知识管理平台。理想的人机交互强调知识的表达和推理,机器应该是增强人的力量的存在,需要和人沟通以实现协作,完成知识的表述和推理。人类是统计思维(共线关系)和逻辑思维(因果关系)最好的融合,因而当知识管理平台能够将统计和逻辑结合时,才能更好地发展起来。

问题三:智能平台如何打造?

解答思路:首先需要注意的知识是智能平台的支撑,需要从数据里面提取出信息,再提取总结成知识的形式。当前的信息获取与交流平台实现了打通数据,做可定制化的信息服务,但不同的信息需求者并没有共享的知识,企业的信息没有变成企业的知识和大脑。新一代的交流平台中应该加一层企业知识平台,统一表述和处理知识以促进不同信息需求者的沟通。在信息冗杂与快速更新换代的时代,需要利用人工智能技术,将企业信息变为企业知识,用知识建立一个“企业大脑”。


       谢东博士为IBM副总裁与中国系统开发中心总经理。


谢东.jpg


       谢东博士和崔玮博士主要从人工智能的应用方面进行分享。目前人工智能有许多应用的典范和事例,IBM也在一直尝试将人工智能应用到实际的场景中去。对于IBM而言,场景的应用更多考虑的问题是:在场合中能够帮助解决什么问题?怎样才能在企业里培养人工智能的相关能力?如何部署平台?面对具体需求时,哪个方法才能解决问题?能不能降低精度的要求来实现成本的降低?人工智能若无法落地,就不能实现价值,而在落地过程中场景是关键,数据是基础。针对IBM人工智能的实践案例,崔玮博士首先介绍了IBM的深度学习平台,即全生命周期管理的集成开发环境:在人工智能项目中,客户和公司会共同完成由理论到应用的过程,实现从“业务需求→数据获取和标签化→数据准备及清洗→设计模型并进行调优→设计模型并进行调优→部署模型→上线运维→调整模型>>>>业务需求(重新修正)”的闭环。


       同时,崔玮博士还分享了以下的IBM人工智能应用案例:

案例一:期货指数预测(金融)

用过去60分钟的数据预测未来10分钟的涨跌,达到85%左右的准确率。但由于很多交易策略不仅仅只看涨跌,因此和实际的交易需求还存在差距。

案例二:信用卡/存折识别(金融/政府)

图像识别的实践,具体的需求如在机场的VIP中心内利用信用卡识别判断客户能否进入。

案例三:肿瘤扩散评估(医疗)

预测肿瘤扩散情况并标记,达到84%以上的准确率。值得注意的是,医疗行业偏向于将健康识别成疾病,因而调整模型时有较强的倾向性。

案例四:晶元瑕疵检测(制造)

制造业中图像识别的实践。

案例五:良品率分析(制造)

预测钢材质量。同样具有倾向性,偏向于更准确地识别是“好钢”。

案例六:业务工单聚类与分析(金融/电信/保险/医药)

业务系统每天会产生大量工单,需要自动判断工单类别,并根据类别从知识库中提取此类工单的处理方法反馈给申请人。在各个行业中都有应用的案例。

案例七:ATM机摄像头前的面部识别(金融)

识别人脸是否遮挡。


       最后,崔玮博士提出,在中国市场里面,不同行业的应用案例与应用复制性不同,一般来说,制造业中模型较易复制,银行及金融行业中模型也相对能够复制,而医疗健康行业需要虽然有一些现成的模型可以应用,但整体而言不同医院在AI中投入不同,需要合作才能做出更好的成果。

 

关于清华MBA 学生人工智能俱乐部(筹):

清华MBA 学生人工智能俱乐部(筹)是清华MBA在校生的组织,它为了迎接全社会产业升级做准备,在人工智能领域给大家搭建一个沟通、学习和发展的平台。俱乐部也会在后续为大家带来行业、方案、产品和技术方面的人工智能论坛及课程,为大家在各自行业的AI+做出贡献和努力。