​人工智能创新：方向比努力更重要

和每天上午一样，昨晚加班到将近凌晨一点的小丁10点钟走进办公区，一边和办公区内其他创业公司的小伙伴们打着招呼，一边一只手把在楼下买的，已经有点凉的烧饼夹蛋塞进嘴里，而另一只手点开了朋友圈。

呵！这么多天了，还有人在说“996”的话题。

“光争论996对不对有什么意义？”小丁心中暗想，“大佬们无非是想说自己的成功来自多么努力和坚持。很多还没有成功的人会想：原来我没成功是因为努力不够；但也有很多人会想：我不但“996”了，有时候都已经“997”甚至“906”（一周六天早9点到晚0点）了，为什么还没成功……所以比努力和坚持更重要的，是努力的方向。方向对了，你是努力走在成功的道路上；如果方向错了，越努力越失败。

想想这些功成名就的大佬们，他们在取得成功之前的“平凡岁月”里也应该是很努力的，但恰恰是在合适的时间选对了正确的前进方向后，再加上不懈的努力，才造就了他们当下的辉煌。现在，他们喜欢用自己过五关的功绩给大家灌“心灵鸡汤”，其实他们很少提及的走麦城的经历也许对很多渴望成功的人来说更有价值。”

“方向决定成败。”已有一年创业经历的小丁对此有着深刻体会。

去年5月份，小丁和他的伙伴们加入了创业大军，选择的创业领域是当下最火热的“机器学习”。创业的兴奋，年轻人的活力，以及对成功的极度渴望，让他们的工作热情爆棚。从创业第一天开始，他们就“超越”了996，997甚至907都屡见不鲜。但似乎好事多磨，项目从启动开始就一直磕磕绊绊。

和其他许多“机器学习”的开发者一样，小丁他们也深刻体会到了ML研发应用的复杂性：由于可配置参数过多，因此他们常常难以追踪每个实验中用于生成模型的参数、代码和数据；而这种精细、准确的追踪过程的缺失，造成他们在使用相同代码再次测试时往往会出现新的问题，造成测试结果难以复现，而这种情况会对未来的应用部署产生致命影响；最后，因为部署工具和模型运行环境过多，而且也没有一种将模型从库转移到这些工具中的标准方法，因此每一次新的部署都可能面临着未知的风险。最近一段时间，他们就在为解决应用部署中一个新出现的问题而“连轴转”加班。

在此期间，小丁和团队伙伴们除了埋头攻关外，也不断地找高手协助，而给他们帮助最大的，就是去年在O’Reilly举办的AI Conference 2018北京站会议上认识的俩哥们。在去年会后他们几个对深度学习感兴趣的哥们建了个群，在群里经常讨论彼此遇到的问题。

想到前两天请这俩帮忙的哥们喝酒，他们喝的五迷三道的情景，小丁哑然失笑。不过在酒桌上，其中一哥们说O’Reilly的AI Conference北京站会议6月份又要举办了。

从会议官网上发布的内容来看，今年依然是一个干货满满的大会。会议主题发言和议题演讲的嘉宾里有不少是人工智能几个领域的牛人。他记得有：

• Michael James: 低调创业公司Cerebras Systems创始人及首席软件架构师（其人工智能有可能是下一个芯片巨人杀手）。

• 贾扬清: 现任阿里巴巴工程VP，先前作为AI主管领导Facebook团队构建了著名的大型AI平台。

• Maria Zhang: LinkedIn工程VP，领导LinkedIn Talent Solutions（针对中小企业及企业客户的最大招聘生态系统）及LinkedIn Careers。

此外还包括：Tim Krask，他正在MIT计算机科学与人工智能实验室（CSAIL）推进机器学习的极限；Ion Stoica，著名加州大学伯克利分校研究员，正深入研究云计算及网络计算机系统；Pete Warden，领导Google的TensorFlow移动部门及嵌入式团队，也是Jetpac前CTO。

再多的他也记不大清了，反正在人工智能领域有影响力的国内外企业、高校都有人演讲。

他们俩今年还准备去参会，最近在等着什么早鸟票，问小丁他们去不去。小丁回忆起去年参会的情景，的确和其他的会不太一样，培训+辅导+议题演讲+展览+快速社交等多种形式，的确收获不少。

想到这儿，小丁打开了会议的官网，想再看看今年还有什么和机器学习、深度学习、大数据等相关的会议内容，这些自己的项目中都会遇到。

• 培训课有：

• Rich Ott (The Data Incubator)：使用PyTorch进行深度学习；

• Season Yang (McKinsey & Company)：使用TensorFlow进行深度学习

• 辅导课有：

• Alejandro Saucedo(The Institute for Ethical Ai & Machine Learning)：机器学习中可解释性和偏差评估的实用指南

• Yijing Chen(Microsoft),Dmitry Pechyoni(Microsoft),Angus Taylor (Microsoft), Vanja Paunic (Microsoft), Henry Zeng (Microsoft)：基于深度学习的时间序列预测

• 议题演讲

• Tao Lu (Microsoft), Chenhui Hu (Microsoft)：使用扩张卷积神经网络预测客户活动：用例和最佳实践

• Bichen Wu(UC Berkeley)：高效的边缘深度学习

• Alex Ingerman(Google)：机器学习的未来是分散的

• Tiezhen Wang(Google)：TensorFlow 2.0中令人兴奋的新功能

• Hui Xue(微软亚洲研究院)：自动机器学习（automated machine learning）技术的实践与应用

• Yiheng Wang (Tencent)：Sparkling: 基于Apache Spark进行一站式机器学习
  

• Aileen Nielsen (Skillman Consulting)：深度预测：时间序列深度学习回顾一年
  

• Kaz Sato (Google)：ML OPS和Kubeflow管道

• 杨军(Alibaba),龙国平(Alibaba)：PAI张量加速器和优化器——又一个深度学习编译器

    等等等等

“很值得期待。”小丁在心里默默地说。“希望今年的会能对解决项目问题有所帮助，最好还能再碰上几个有意思的哥们。”小丁登录进会议的购票系统，选定了培训+会议的白金门票，现在是早鸟票期间，优惠不少。确定之后，小丁把购票截图发了朋友圈：O’Reilly AI Conference 2019北京站大会，听明白人指点迷津，创业不用996。

参会指南

请点击 阅读原文 登录会议官网查看已公布的部分讲师和议题，以及早期优惠门票价格等详情。

会议内容将持续更新，请大家关注O'Reilly官网及公众号。

早期优惠门票将于5月10日结束。