时在中春,大咖论道机器之心AI科技年会干

机器之心报道

机器之心编辑部

时在中春，阳和方起。3月23日，机器之心AI科技年会以线上直播方式成功举办。

在这次活动中，我们设置了人工智能论坛、AIxScience论坛和首席智行官大会三场论坛，并邀请到了30位重量级嘉宾，围绕多个当下 讨论价值的议题进行了充分的交流。

虽然未能线下相聚，但大家热情不减：活动当天，直播观看人数共计余人。各位嘉宾的精彩讨论与观点，也引起了在线观众的热议。

精彩纷呈，12位嘉宾论道人工智能论坛

作为人工智能论坛首位出场的嘉宾，郑纬民院士分享的主题是《FABS：人工智能、大数据与科学计算融合的计算模式》。

近年来，智能计算正在加速与传统的科学计算融合，在蛋白质结构预测、天气预报以及分子动力学等方面都取得令人瞩目的进展。AI和科学计算都依赖于数据处理，但现有智能+科学计算（AI-HPC）系统主要采用MPI+X的编程模式，表达数据处理任务复杂，而加入一套数据处理系统如Spark或Pandas又面临系统复杂性、性能或成本方面的挑战。此外，MPI+X的容错能力相对较差，依赖全局检查点和重算技术，在系统规模扩展到E级和后E级时，全机平均无故障时间仅有数小时，对机器的有效使用提出重大挑战。

因此，始终缺乏一种能有效表达HPC+AI+BigData的编程方式。基于此，郑纬民院士提出了人工智能、科学计算与大数据处理（FABS：FusedAI,BigDataandScience）融合的计算模式，通过统一的张量抽象和编译优化技术，同时为这三个领域提供了易编程、高可用、高性能的编程模型和计算模式，将为大规模AI+Science的发展提供重要的工具。

接下来，前微软AI首席科学家、城堡基金首席人工智能官邓力分享了他在语音语言、金融投资、线上教育和健康医疗方面的实践经验。近年来，包括深度学习在内的人工智能技术已经彻底颠覆了全球的语音识别和自然语言处理行业，也对金融投资行业带来了巨大冲击，并且得到了初步的杰出成果。除此之外，在线上教育、医疗健康等其他领域，基于深度学习的自然语言处理技术也正在成为主流方法。

为了取得更广泛的成功和应用，有几项技术上的挑战亟待解决，比如模型的预训练和自训练、如何做迁移学习等问题，这些问题的解决对于少样本和高噪声标注数据相关领域的进展会很有帮助，比如医疗和金融行业。邓力指出，另外一个很大的挑战来自对抗式学习，即针对多智能体的对抗式的深度学习，以股票预测为例，在股票市场的统计分布上，今天和明天可能非常不一样。为了要解决对抗性竞争的问题，这一领域的技术还需要更多的进展。

杜克大学电子计算机工程系教授陈怡然的分享主题是《高效人工智能系统的软硬件协同设计》。过去的年里，计算能力呈现出指数增长的趋势，蕴含着无限的可能。关于人工智能的计算平台分为很多种，但不管是GPU、FPGAs、ASICs还是其他新型架构，基本遵循了同样的原则：更高效，或者需要更长的时间；更专业，或者更灵活，实际上很难在多个维度达到统一。

面对这样的矛盾，多年来，陈怡然教授的团队做了很多相关研究积累，从年开始研究不同硬件上的表达，到后来做架构设计、分布式的设计，甚至到自动化的设计。同时，陈怡然教授也指出，全栈高效人工智能系统设计中还存着很多机遇和挑战，很多方向的工作还需要更深一步的研究。

随后，蚂蚁集团金融机器智能部总经理周俊进行了主题为《可信AI在数字经济中的实践与探索》主题分享。

周俊介绍，如果将数字经济比作一棵树，树干中的人工智能(AI)、大数据、云计算等技术，构成了数字经济的核心，起着承上启下的作用；树根中的隐私、安全等因素，决定长势以及未来；树干跟树根必须紧密融合，才能枝繁叶茂，其中AI+隐私、AI+安全等成为当下亟需突破的方向。而可信AI技术理念将是数字时代抵御风险，提升科技包容度的关键能力之一，该体系目前在隐私保护、可解释、对抗等技术方向上，已有不少的研究突破和落地，也依然任重道远，需要持续投入。

在图机器学习方向，蚂蚁集团提出了图学习系统AGL，可支持工业级规模的图数据结构，助力交易风险识别；在公平性方向，提出了SMEs(中小企业)信用评分，通过图学习，融合多源信息，挖掘潜在的复杂模式，助力中小企业享受金融服务；在可解释性方向，提出了模型无关的可解释方法COCO，通过信息加权进行有限扰动得到反例样本，然后通过度量反例样本，计算测试样本的特征重要度，来给出任意模型的可解释性；此外周俊分享了蚂蚁集团将分布式机器学习与密态计算相结合提出了隐私保护机器学习方法CAESAR，可进一步在增强信息保护强度情况下，提升计算效率并降低通信量。周俊 总结，围绕隐私保护、鲁棒性、可解释性、公平性构建的可信AI技术理念，将持续推动提升人工智能技术在数字经济场景中的透明度、友好性，让决策更智能，使得数字经济深度智能化。

随后，创新奇智CTO、联合创始人张发恩介绍了创新奇智在人工智能技术落地商业化方面的工作，包括视觉相关和结构化机器学习的技术，以及创新奇智打造的MMOC（MenuVision、MatrixVision、Orion、Cloud）平台。

在上午的 一场演讲中，IDEA研究院工程总监、AI平台技术研究中心负责人谢育涛分享了对学术研究工具和新型科研生态的思考。新技术浪潮下，科研生态中各个节点都有很大的优化迭代空间。谢育涛以论文社区Readpaper为例，为本次论坛观众展示了一个高效而专业的新型学术社区。其中论文搜索、文献管理及阅读和学术交流小组等功能已成为早期用户的科研利器。

在 环节，机器之心Pro对即将于4月份发布的新一年度《全球AI技术趋势发展报告》的部分内容进行了简要解读。目前，机器之心《-全球AI技术趋势发展报告》项目组已基本完成对11个国际顶会收录的学术文献、数百个近年知名数字化转型及科技创新项目、近百个AI开发工具的数据分析等基础工作，并结合定向专家访谈完成了大部分的基础研究工作。

在下午的论坛分享中，FATE联邦学习开源社区技术委员会主席杨强首先带来了「可信联邦学习」的主题分享，系统回顾联邦学习的进展和挑战，并展望了几个重要发展方向。

杨强指出，今天的AI依旧存在过度依赖中心化数据的瓶颈。在真实世界中，数据往往表现出多源、分散、变化大等特征，隐私计算技术的发展和应用也愈发引人

转载请注明：http://www.abuoumao.com/hykz/1226.html