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。

       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。

       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。