盛夏八月，驕陽似火，草木蓊郁，一切都彰顯著野蠻而詩意的生命力。夏天是一個探索、成長、革新的季節(jié)。在這個屬于實踐者的時節(jié)里，51CTO帶來了一場以“驅動、創(chuàng)新、數(shù)智”為主題的AI盛會。
AI技術誕生不足百年，幾經(jīng)浮沉后，在最近20年迎來了全面發(fā)展與落地的黃金時期。當前AI領域有哪些前沿技術成果和實戰(zhàn)創(chuàng)新突破?如何看待AI的下一個十年?這是縈繞在眾多技術人員腦海中的議題。
8月6日，AISummit 全球人工智能技術大會以線上直播形式如期開幕。首日，近百位專家學者、技術大牛、管理精英齊聚一堂，與數(shù)萬名參會者一起共話人工智能時代下的“數(shù)智”浪潮。
高屋建瓴，解讀AI現(xiàn)狀與趨勢
開幕致辭中，51CTO副總裁兼總編崔康先生作為本次大會的主策劃表達了對大會的期許。他認為，人工智發(fā)展至今，不再像是一門IT領域的細分技術，更像是一種通用技術。其發(fā)展雖然一路向好，但也需直面當前存在的諸多矛盾。本次大會希望為這些矛盾提供若干啟發(fā)線索，找到一些解決路徑。同時，也希望“這場大會能夠告訴參會者，AI技術和AI開發(fā)者正在讓世界變得更加美好”。
上午的主論壇中，6位重磅嘉賓站在技術領導者的角度解讀了人工智能的技術現(xiàn)狀與趨勢、從業(yè)者需要關注的研究發(fā)現(xiàn)以及前沿技術在業(yè)界產(chǎn)生的影響。
中國人民大學高瓴人工智能學院副院長竇志成分享了對下一代智能搜索技術的展望。他對新一代智能搜索技術的發(fā)展趨勢和核心特征進行了解讀，同時就交互式、多模態(tài)、可解釋搜索、及以大模型為中心的去索引化搜索等技術做出了詳盡分析。
Meta/Facebook人工智能研究院研究員及高級經(jīng)理田淵棟重點解析了現(xiàn)實世界場景決策的機遇與挑戰(zhàn)。當前，如何用深度神經(jīng)網(wǎng)絡來處理結構化的數(shù)據(jù)，為一些離散優(yōu)化問題找到替代人力啟發(fā)式策略的神經(jīng)網(wǎng)絡方案，仍然是個未解難題。田淵棟據(jù)此介紹了如何使用強化學習和搜索方法搭配神經(jīng)網(wǎng)絡，從而尋找復雜優(yōu)化問題的啟發(fā)式算法。
科大訊飛研究院副院長潘青華以AI的行業(yè)落地為切入口，就人工智能技術發(fā)展趨勢給出了自身的判斷。圍繞如何形成情感貫穿、虛實結合的交互方式，如何打造多模態(tài)融合、軟硬一體的復雜智能系統(tǒng)，如何深耕行業(yè)更優(yōu)解決方案進行了深入解答。
谷歌資深工程師及高級經(jīng)理、MLPerf團隊負責人周宗偉基于近年來算力需求爆發(fā)式增長的背景，多角度總結了影響谷歌人工智能芯片設計的十點認識，就其對新一代準理芯片的架構、設計的影響進行梳理，并對谷歌芯片、軟件的協(xié)同演進進行了解讀。
火山引擎機器學習系統(tǒng)負責人項亮則主要介紹了大規(guī)模機器學習算力的技術演進。在主題演講中，他就大模型落地中所遇到的技術難點和邊界收益遞減進行了分析，對算力與機器學習行業(yè)間的促進與影響進行了深入剖析，同時也對未來算力發(fā)展趨勢進行了預測。
微軟Bing廣告文本生成算法負責人劉屹則以微軟Bing DeepGen項目為例，闡釋了多樣化搜索廣告文本生成及在線實時匹配的議題。具體介紹了廣告文本生成技術，包括系統(tǒng)簡述、基礎和多樣化生成模型，廣告在線文本實時匹配的算法模型、模型特征及商業(yè)影響。
多維解讀，分論壇亮點重點看
下午舉辦的四場分論壇也是精彩紛呈、高潮迭起。其內(nèi)容覆蓋“AI驅動下的搜索與推薦”、“MLOps最佳實踐”、“機器學習性能優(yōu)化之路”、“計算機視覺應用與創(chuàng)新”四大議題16個細分話題方向。
AI驅動下的搜索與推薦
數(shù)字化轉型浪潮催生了搜索推薦技術的新的演進，推薦技術也迎來了與智能算法深度融合的階段。在“AI驅動下的搜索與推薦”分論壇，搜索與推薦領域的資深專家從業(yè)務實踐的角度，分享了智能搜索與推薦領域的前瞻思考。
阿里媽媽資深技術專家、外投廣告技術負責人王亮就聯(lián)邦學習的概念及聯(lián)邦學習在阿里廣告投放中的應用進行了解讀;騰訊資深研究員、在線視頻知識圖譜負責人馬建強以騰訊視頻搜索的垂直搜索為背景，重點介紹了視頻搜索的主要技術場景、算法架構及進展、短視頻向量召回、長視頻IP知識圖譜的應用等內(nèi)容;美團搜索排序負責人陳勝以“美團搜索排序平臺的建設與實踐”為主題，詳細解讀了美團搜索的技術架構、排序平臺的落地建設、排序算法的優(yōu)化中的點點滴滴;快手高級推薦算法專家臧曉雪帶來了快手在因果推斷和圖神經(jīng)網(wǎng)絡算法的最新研究。
MLOps最佳實踐
人工智能在企業(yè)規(guī)?；瘧弥校嬖谘邪l(fā)上線周期長、數(shù)據(jù)和模型難匹配等挑戰(zhàn)。MLOps應運而生。在“MLOps最佳實踐”分論壇，專家們圍繞研發(fā)運維周期、持續(xù)訓練和持續(xù)監(jiān)控、模型版本和血緣、數(shù)據(jù)線上線下一致性、高效數(shù)據(jù)供給等熱點方向，探討了MLOps的實戰(zhàn)效果和前沿趨勢。
開放原子基金會 TOC副主席、LF AI & Data TAC成員譚中意介紹了MLOps的概念、定位、主要內(nèi)容、常見項目，以及評估一個AI團隊MLOps的能力和水平的標準;第四范式系統(tǒng)架構師、OpenMLDB研發(fā)負責人盧冕圍繞開源機器學習數(shù)據(jù)庫 OpenMLDB，分析了其如何實現(xiàn)機器學習特征開發(fā)即上線的目標，及如何保證特征計算的正確性、高效性;網(wǎng)易云音樂 人工智能研究員、技術總監(jiān)吳官林從云音樂業(yè)務背景出發(fā)，闡釋模型實時化落地方案、結合FeatureStore進一步輻射到更多場景的思考與實踐;中國工商銀行軟件開發(fā)中心大數(shù)據(jù)和人工智能實驗室副主任黃炳重點介紹了工商銀行的MLOps實踐，涵蓋模型研發(fā)、模型交付、模型管理、模型迭代運營的全生命周期管理體系的建設流程及技術實踐。
機器學習性能優(yōu)化之路
機器學習領域，企業(yè)對于算法的性能要求不斷提升：如何保證系統(tǒng)的穩(wěn)定性?如何用工程手段解決樣本不足和模型實時性問題?如何提高易用性?在“機器學習性能優(yōu)化之路”分論壇，各專家就此分享了各自的見解。
滴滴首席工程師楊洋針對傳統(tǒng)數(shù)據(jù)運營的痛點，講解了個性化推薦在數(shù)據(jù)運營中的創(chuàng)新應用，并就未來數(shù)據(jù)運營所需要完善的技術和業(yè)務進行了展望;同濟大學百人計劃特聘研究員、博士生導師王昊奮就文本+知識的多策略問答和兩種形式的多模態(tài)問答中涉及的關鍵技術以及常用數(shù)據(jù)集進行了解讀;快手高級算法專家蔡慶芃以強化學習在快手短視頻推薦系統(tǒng)的技術落地為案例，解讀了快手基于強化學習進行在線尋參、兩階段約束強化學習算法、如何優(yōu)化達成APP活躍度的實戰(zhàn)經(jīng)驗;網(wǎng)易云音樂算法平臺研發(fā)專家黃彬介紹了網(wǎng)易云音樂在線預估系統(tǒng)的實踐與思考，包括如何建設一套高性能、易用的預估系統(tǒng)、以及如何通過工程手段解決樣本和模型實時化等問題。
計算機視覺應用與創(chuàng)新
計算機視覺(CV)作為AI技術的急先鋒，是很多創(chuàng)新型關鍵技術的基礎。在“計算機視覺應用與創(chuàng)新”分論壇，CV領域的專家就視頻質(zhì)量監(jiān)控、視頻智能創(chuàng)作、自動駕駛等多個場景進行了深度解析。
阿里巴巴優(yōu)酷技術中心總監(jiān)、摩酷實驗室負責人李靜針對短視頻創(chuàng)作領域存在的問題，提出利用AI完善短視頻創(chuàng)作流程，分享了優(yōu)酷AI視頻智能生產(chǎn)系統(tǒng)的探索與實踐;SSIMWAVE聯(lián)合創(chuàng)始人及首席研究員曾凱就如何解決端到端的視頻質(zhì)量監(jiān)控系統(tǒng)可能出現(xiàn)的問題，基于AI的客觀視頻質(zhì)量評價算法進行了講解;螞蟻集團大安全圖像相似溯源算法負責人唐董琦以螞蟻安全科技“思源”相似溯源引擎為實踐案例，圍繞開放場景下如何進行識別與追溯進行了技術拆解;如果智行感知技術專家馬志國就自動駕駛中的激光雷達解決方案進行分析，講解自動駕駛中涉及的感知技術，同時就數(shù)據(jù)與自動駕駛間的關系進行了深度剖析。
更多精彩，敬請期待
以本次AISummit大會為契機，51CTO在未來也將持續(xù)與生態(tài)合作伙伴展開探索和嘗試，為廣大技術人員搭建一個人工智能領域的深度交流與分享平臺。明天，大會還將迎來智能語音、智慧金融、元宇宙等專場，關注本次大會的朋友們可以期待精彩繼續(xù)。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
