光谷國際人工智慧產業論壇大會匯聚了國內外人工智慧、大資料領域產學研用專家,共同**行業趨勢、應用案例、技術動態,旨在推動產業與技術結合、合作創新、聯合共贏,助力企業、社會、個人提公升效能,構建起以人工智慧為核心的產業生態圈。
大會歷時兩天(11月25日-11月26日),學習了主會場和多個分會場的專題分享,收穫頗多,感觸最深的依然是大資料必成「利器」。首先是25日9點至12點主會場各位大咖從較高的角度講述人工智慧的趨勢與應用,如麻省理工的henry lieberman教授從complexity 、indestructibility and risk三個方面講述high functionality inte***ces的新時代;颸拓董事長李成華博士講到無人機送貨、機械人通過葡萄剝皮和縫皮模擬做手術的過程以及人工智慧在醫療影像的應用。
通過主會場對人工智慧有了乙個整體的認識,下面從各專場學習具體應用。有兩個主題收穫最大:醫療專場的「大資料與精準醫療」和深度學習專場的「深度神經網路稀疏特徵學習與空時影像變化檢測」,著重對這兩個主題學習總結,同時,需要進一步的學習(已與兩位演講者取得聯絡)。
從武漢中心醫院資訊中心的左秀然主任的「智慧型醫療發展形勢與對策」,到台北醫學大學謝邦昌教授的「人工智慧:大資料與精準醫療」和愛爾眼科資訊總監黃楓的「醫療大資料決策支援新思路」的精彩分享中學習醫療大資料在醫療領域的廣泛應用,值得強調的一點資料是關鍵。
本專場有ai晶元、基於fpga和arm的深度學習優化以及深度學習在遙感影象的應用。獲益最多、最相關的是公茂果教授「深度神經網路稀疏特徵學習與空時影像變化檢測」,公教授來自計算智慧型研究中心(omega),omega是由西安電子科技大學和西北工業大學從事計算智慧型研究的科研人員組建的協同創新平台。
公茂果教授首先介紹了在海量、非結構化資料分析中基於計算智慧型的學習優化問題和神經網路歷史發展過程中三次研究熱潮,指出深度學習、演化計算等學習模型是當前處理與分析大資料的重要手段。接著,公教授分析了稀疏自編碼器和稀疏玻爾茲曼機的目標函式,通過目標函式拆解將兩種深度神經網路的優化學習問題轉化為多目標優化問題,有效地解決了關鍵引數λ的尋優問題。隨後,公教授還介紹了空時影像變化檢測的重要意義和實際需求,並詳細講述了如何將深度神經網路應用於空時影像變化檢測中(基於無監督學習檢測同一地區不同時間的變化,無需進行任何標記,直接實現端到端的影像變化檢測)。
本專場主要有大資料在金融和智慧型城市的應用、大資料實時查詢平台的構建以及大資料多種變現的商業模式解析
平安科技負責人肖京從大資料的4v特性、大資料分析方法等角度介紹了業界的進展,以及講述了以智慧型+金融大資料打造平安腦為目的而做出的探索與實踐。
admaster的盧億雷的演講主題是1000億級實時大資料查詢實踐。已經投入實際應用,如淨化低質廣告流量、優化平台與**的協調效率等。在計算階段主要選擇spark,由於mr 速度慢,不能坐到實時查詢,而spark則可以很快。
微軟研究院的鄭宇博士以「城市計算:用大資料驅動人工智慧」為主題,通過大資料分析和人工智慧,人們可以構建智慧型的城市。例如,在貴陽市布局充電樁、北京部署空氣質素監督站、貴陽市交通和能耗監控系統的案例中,大資料和人工智慧都發揮了重要的作用,而在這幾個案例中需要強調的是幾點,第一,資料收集的方式和方法非常重要,第二,資料分析和處理的平台不可或缺,第三,演算法是核心,沒有好的演算法,就無法得出正確的分析結果。
easyhadoop創始人向磊從具體實現細節講述「構建自己的視覺化大資料查詢平台」,報告內容詳實,值得仔細學習。並在提問環節請教了我之前遇到的在hadoop平台上處理影象,小檔案處理速度慢的問題,向博士給出建議:hadoop適合處理大檔案,需要對小檔案進行合併或者壓縮。
以及最後張涵誠總監講述了大資料10種變現的商業模式
人工智慧大會論壇 人工智慧會「放過」藝術嗎
人說文章伯,工夫豈自由。智愚真可學,能賦未央樓。談到科技與藝術的關係,清華大學人工智慧實驗室的張敏教授優雅地唸出這首詩,很是陶醉。接著她說 這是我們學校研發的詩歌生成系統寫的。過去兩年,在人工智慧的風潮下,人們相繼看到了谷歌deepdream專案作的畫 小冰寫的詩 聽到了magenta專案創作的流行...
2016 5 9 新未來 人工智慧論壇
今天曠了一節程式設計課 後來同學講課上沒什麼重點 笑 去聽了這個人工智慧論壇,感覺收穫挺多。human machine superman 洪院長對人工智慧的前景態度樂觀,且認為ai威脅論屬於未雨綢繆。現今的人工智慧,都是建立在big data和algorithm之上的,即便ai可以自由地獲取各種資訊...
人工智慧之思
自從alpha go戰勝李世石之後,人工智慧再次被世人關注。這次,狼或許真的來了。國外醫療機構基於人工智慧分析大量病人的病歷,發現ai對胰腺癌的早期識別率顯著高於專業醫生,而胰腺癌的早期識別被公認為醫學上的一大難題。遺憾的是,基於深度學習的ai,目前還無法告訴人類它是如何識別出胰腺癌的。對於人類來說...