2017-10-20 西电 新一代人工智能与深度学习“国际”研讨会第一天见闻

        深度学习大潮袭来，不管是不是坑，也义无反顾地跳进去。博主小白+，2017年中段才半正式转行进入该领域，之前在研究生期间接触过深度学习的概念，仅仅是概念！基本从零开始，至今约半年时间。期间因为其他工作原因也无法全身心投入此领域研究，但兴趣是最大的推动力，到现在也慢慢开始有所感，有所悟。故开博客，主要是给自己看，留着复习查阅，可能有一点点机会帮助到同在深度学习大海中砥砺前行的同学们，那就已经很值了。

        切入正题。在西电出差，碰巧遇到西电智能感知与图像理解教育部重点实验室在举办学术周活动，也叫学术之秋（秋天举办的叫之秋，春天举办的叫之春，很有文化啊），抽空旁听了大半天，听了几位教授的讲座，每人40分钟：

        1、西交 韩崇昭教授 《海战场区域应急导航技术研究》  |   初次接触，全当科普，禁止拍照。简而言之就是卫星导航不能用了，咋办，建立应急的区域导航呗，咋建，先来一个海面站，自身要利用惯导+天文导航等多源信息综合精确定位定姿，只有自己定准确了，天上的平台和用户才能定准确，另外海面站还负责授时，测控。利用无人机、滞空气球、低轨道小卫星等作为空中平台，为海面分散的用户提供导航服务，平台也需要利用多源信息进行自定位定姿（细节全部跳过）。关键技术，重点就是如何综合利用多源导航、测控等信息。韩老74岁了，但依然在科技报国，非常敬佩，时间原因，讲的很快，作为小白，也只记住了那么多。

        2、北邮 马华东教授  物联网+人工智能：机会与挑战      | 顶层考虑，信息量很大，结合英伟达GTC 2017的参会感受，当前业界的一个重点发力方向似乎是如何高效地将神经网络部署到千奇百怪的终端上（推理），英伟达为此推出了TensorRT（软）+JETSON TX1、TX2（硬），推理解决了，物联网+人工智能的将会有大发展，马教授讲的“云+边缘+智能”的计算方式值的就是部分计算在终端传感设备完成，例如摄像头不再是讲所有视频回传云端处理，而是终端识别出了人脸（车牌等）再上传，大大减轻了云端计算压力，完美。还例如，用手机app拍一下天空，不需要联网，移动终端部署的神经网络可以快速完成当前pm2.5数值识别（当然这是基于图像的识别，可能没有那么的准确），反馈给用户一个较为准确的值。

        3、西电 高新波教授  人机混合智能的思考与实践   |听过最幽默的讲座，建议高教授将题目改为《从历史和哲学的眼光解读“人工”和“智能”》，哈哈，高教授丰富的哲学、文学、历史知识，让人折服。节选其中印象深刻的几个片段：

    （1）谈到自学成才的阿尔法元时，高教授引用了几个他的朋友圈的评论。

               刘某：这个事件说明，老师完全是不必要的，只要自己的价值观正确，目标明确，按规则办事，勤奋学习，举一反三，不断迭代，就一定是人生赢家。

               孙某：AlphaGo Zero-Self-playRL+Resnet（～80层），从零开始 超越了人类积累千年的Knowledge。作为Resnet的作者之一，今天真的感到一丝自豪，感到一点“属于伟大的一部分”，即便是“搭班车”。

               陈某：可以预见的是AI将横扫一切有规则的行当，有规则意味着有最优算法，未来的行业看上去只有周星驰的无厘头电影最有前途。

               马某：有限未来技术发展趋势应该是人类负责发现规则，制定规则，AI负责找出当前规则下的最优解。

               罗某：有人惊呼AlphaGo Zero横空出世，意味着意识AI的黎明，大数据的黄昏。恰恰相反，AGZ才是Zero意识，而靠的正是大数据（自动生成的大数据）。

博主愚见：自学成才，确实是一个大的跨越，只要告诉机器什么能做，什么不能做，在规则下机器将自主获得知识（棋谱）和经验（套路），可能是超越人类的知识和经验，博弈的思想在GAN中，在阿尔法元中都体现得淋漓尽致，只需要两个旗鼓相当的对手，就能相互学习，共同提高。

     （2）弱人工智能、人机混合智能、强人工智能----人工智能的发展阶段

              弱人工智能（ANI Artificial Narrow Intelligence）：能制造出真正地推理和解决问题的智能机器，这些机器并不真正拥有智能，也不会有自主意识，只在单个领域解决问题（理解：图像识别、人脸检测、自然语言理解等等单个领域，机器可以做的比人好，但这并不通用，当前不同的领域用的model可能完全不同，并且机器只是机械地执行任务，并不具备联想、情感等自主意识）。

              人机混合智能：人机共存，人机交互，人机协调（举了一个很生动的现有例子，中国女留学生在美失踪案，警察凭借一个非常模糊的视频监控图像，绘制了犯罪嫌疑人的肖像图（人的智能，相当厉害！），结合人脸识别技术在库中查找，居然还真给找到了，相关新闻可自行百度）

              强人工智能（AGI，Artificial General Intelligence）：可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系；有和生物一样的各种本能，比如生存和安全需求。类人的人工智能：机器的思考和推理就像人的思维一样；非类人的人工智能：机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式，产生了新的文明，进化为超人工智能。（补充一下，吴恩达采访人工智能大佬Yoshua Bengio时，Bengio说如何让computer自主地去感受世界，认知世界并和世界互动，是今后的发展重点，人类2岁的小孩可以理解一些概念，例如重力等，大人并没有交过他们（没有标签），他们是怎么做到的呢?当前人工智能的成就集中于认知层面，未来的目标是进入抽象层面，从认知进入抽象的概念，才是强的人工智能。）

             高教授的讲座亮点还非常多，可以说是妙语连珠，期待之后讲座视频能够公开分享出来。

        4、西交 孟德宇教授 Self-paced cotraining    |说实话，之前都不知道孟教授（不然怎么叫小白呢），听完讲座，不由点赞，半监督学习也是海阔天空，适合于部分无法提供那么多（丰富）的标记数据，例如医学图像处理等。自己不懂，就不画蛇添足了。

        5、中科院自动化所 刘康副研究员  基于深度学习的文本阅读理解  |原来这就是新闻上做高考试卷的AI，受教了，学名叫reading comprehension，很有意思，让机器完成选择、完形填空、阅读理解，传统的Feature Engineering已然远远不能满足深层次机器“理解”的需求。例如ppt上给的实例，不知是哪个省的高考历史题：

       1. “苟无事迹，虽圣人不能做《春秋》，苟不知其事迹，虽以圣人读《春秋》，不知所以褒贬。”《四库全书总目》中这段话体现的史学原则是：

         1秉笔直书  2言必有据  3论从史出  4以小见大

        A.12    B.23   C13     D24

        2.某朝官员王鍔通过贿赂企图兼任宰相，皇帝同意了王鍔的请求，并下诏“鍔可兼宰相”。时任给事中的李藩行使职权，驳回诏书。由此推断，给事中隶属于：

        A.唐朝的门下省  B.宋朝的枢密院   C.明朝的内阁    D.清朝的军机处

        6、西北工大  张艳宁教授  探测与成像图像处理技术      |暗弱图像去噪、去模糊、超像素等处理技术，感觉传统方法多一些，刚开始应用深度学习，背景很高大上，但不方便透露给小白们。

        7、空工大 方洋旺教授  贝叶斯网络学习理论及应用  |真不懂，跳过吧，读研时就没搞懂几个最大，最大先验、最大后验、最大似然,准备近期恶补一下。

ok。研讨会还会周六、周日还会继续，可惜由于时间关系听不了了，有兴趣的可以搜索相关信息http://meeting.xidian.edu.cn/html/notices/201710/225.html。第一篇文章，充当个搬运工，自己的想法仅供参考，希望多多包含。