在这个前进的过程中，需要解决三个核心问题：对结构知识进行建模，模型的可解释性，以及推理能力的集成。
最后，梅博士介绍了视觉领域的未来发展方向。他认为计算机视觉目前已经行进到技术谷的第四阶段尾声，意味着它可以在未来的两三年间被工业界大量应用，从而影响我们的生活。

熊辉：AI思想在人性和社会性中的体现

文章插图

熊辉教授
第三位演讲者是熊辉教授，他的演讲题目是《人工智能算法中的人性和社会性》。
熊辉教授现为香港科学技术大学（广州）讲席教授，人工智能学域主任；曾在学术休假期间担任百度研究院副院长并主管5个实验室。
熊辉教授一直致力于数据挖掘、大数据分析等领域的科学研究。在熊教授的演讲中，他深入浅出的将人工智能经典算法进行更高层级的审视和回顾。他用清晰的思路和生动的比喻为我们介绍了人工智能和人类社会的关系。如果想真正做好算法，一定要知道领域知识和专业知识的结合，明白什么是不易。领域知识能够告诉我们不易在哪、是什么。然后做到艺术和哲学的有机平衡，才能做好算法的应用。
熊教授首先介绍了GAN算法与人性以至于社会性的关联。在GAN的世界中，有目标驱动的辨别式学习方法，就像为了考试而背题。还有以学习问题根源为目标的生成式学习方法，即学习问题背后的本质。
而站在个人的层面，我们也需要一个很好的辨别器。不同的人有不同的经历和选择。他们有的成功，有的失败，主要的区分在于自己所使用或经历的辨别器。好的匡正你的未来，来让你的人生走在正确的方向上，让你的资源用在正确的方向上。人生就是一场漫长的算法，二者一一对应。算法之所以有用，很大的原因就是它从生活中来，抽象了我们的经验和哲理。
站在一个系统的宏观角度来观察所有的人工智能算法，可以将其用易经的理论进行梳理。它们可以分成三个主要类别，不易、简易和变易。
事物的本质就是不易，是万事万物中那些恒定不变的东西。我们最重要的失去学习事物中那些不易的知识树。那么如何去把握住这些根本性的不变的东西，就是我们学习的难点。
熊教授介绍道，CNN其实就是一个通过简易寻找不易的过程。而集成学习Ensemble learning就是民主投票，少数服从多数，让多数人认可的结果作为最终输出，这也是一种寻找不易的过程。
而后，熊教授介绍了简易的过程。注意力机制Attention、聚类Clustering、规则化Regularization等等都是简易工具。它们都是简易的过程，其目的就是让我们聚焦到事物的本质——不易。
大数据带来的最好的本质提升是让其“不易”的本质更容易被识别和捕获，也就是带来概率本质上的一些信息的凸显。其中，分层级的聚类方法类似于资本主义，而k-means方法类似于社会主义。当我们在实际中将两者结合起来，便是我们的“中国特色社会主义”。它既能坚固市场经济的灵活性，又能融合社会主义的大局领导力。这便是聚类算法的社会性表现。
最后熊教授介绍“变易”。这里面的代表性算法是强化学习。
强化学习算法的Agent能够感知环境的状态，之后可以采取一些动作，比如动作就是砍树。当树砍光，环境变差，就要通过Reward来惩罚我们的Agent。如此一来，人类就知道这样做不好。因此，人类不光不要砍树，还要去植树。如此，就能形成一个良性闭环。人类不断感知环境并采取行动，这就是强化学习算法的人性化特点。
在总结阶段，熊教授说，只有当我们了解了算法人性和社会性，我们才能发挥算法的艺术性。而且做算法一定要有“中庸之道”。我们知道机器学习要在bias和variance之间取得平衡。前者导致过拟合，后者导致欠拟合，任何一种都是我们不能接受，也无法使用的。

邢国良：物联网与AI的新时代碰撞

文章插图

邢国良教授（线上演讲）
第三位分享者是邢国良教授，他的演讲题目是《支持车路协同自动驾驶的实时边缘系统》。
邢国良现任香港中文大学信息工程系教授，IEEE Fellow，2006年获美国圣路易斯华盛顿大学博士学位，并曾在美国密歇根州立大学任助理教授、终身副教授。他领导了多项人工智能项目，在智慧城市城市、智能驾驶等领域有着深入的研究。