2016中国人工智能大会—机器学习的明天论坛

8月26日，2016中国人工智能大会在北京开幕。作为年度国内人工智能领域规模最大、规格最高的学术和技术盛会，为期两天的会议汇聚了近40位世界顶级人工智能专家，他们为公众揭示了人工智能的研究前沿与应用路径。

8月27日下午第二个专题论坛是机器学习的明天论坛，由滴滴研究院副院长叶杰平和第四范式创始人&CEO戴文渊担任共同主席。戴文渊宣布论坛正式开始，并引人思考：机器学习的明天不会是今天火热的深度学习。

今日头条科学家李磊以《会思考的通用智能机器还有多远？》为题目进行了演讲，在演讲中，李磊主要对人工智能是什么？人工智能发展到什么程度以及面临的挑战三个方面进行了阐述，李磊首先阐述了对人工智能的两种定义，以及在两种定义中队人工智能的要求，其次，李磊阐述了对当前人工智能发展程度的理解，他表示，目前人工智能在某些方面已经达到和超过人类能力，但通用性人工智能还是非常遥远。随后，李磊结合今日头条对奥运新闻机器人的应用，证明使用深度学习+大数据可以比较好的解决监督学习的问题。但非监督学习的研究仍然是任重而道远。

北京大学信息科学技术学院机器感知与智能教育部重点实验室教授林宙辰带来的分享是 《机器学习一阶优化算法》。在上世纪90年代，常有的优化方法有一阶和二阶两类；今天，优化方法其一思路是改进之前的算法，其二是由应用驱动。林宙辰谈到之所以选择一阶算法，是因为一阶算法具有快速相关聚集和存储计算成本较低的优势。与之前相比，一阶算法由之前的smooth、convex，转变为今天的nosmooth、noconvex，同时在convergence和convergence rate 方面也有了很大的改进；未来，机器学习应该是集中在更大规模的分析和量子计算两个方面。

腾讯AI Lab计算机视觉组负责人刘威在演讲的开头就表示机器学习的明天会更好。随后，李磊介绍了机器学习的框架，并论述了浅度学习只能描述相对简单的映射关系，但刘威同时表示，浅度学习仍然需要大力研究发展。例如，大图近似这种浅层学习，仍值得研究。最后，刘威谈到了自己对机器学习未来的看法，他表示，深度学习是未来机器学习的未来，对比传统的计算机视觉，基于深度学习的计算机视觉可以全自动学习更有价值的图像特征，比方说卷积神经网络算法的突破导致物体识别精度大幅上升，而具体的实例就是艺术滤镜。

微软亚洲研究院首席研究员刘铁岩认为探讨机器学习未来的发展前景，必须要理解当前机器学习的优势和痛点。今天机器学习之所以能获得成功，得益于大数据、复杂模型和强大的计算能力。但事由正反两面，这个三个因素同时也带来了困难。首先大量的数据很难进行标注；其次深度模型也越来越难分析；此外，同步并行计算的速度和通信延迟也会限制未来深度学习的发展。针对这三个方面的问题，他结合微软研究院目前的研究成果一一给出了解决方法。未来，刘铁岩表示微软研究院会将机器学习的研究成果逐步通过开源项目展示给大众。

清华大学计算机科学与技术系特别研究员朱军以《交互式机器学习》为演讲题目，他首先介绍了机器学习的现状，他表示，目前的机器学习是数据驱动的统计机器学习，而深度学习在2006年获得突破，但机器学习仍然面临很多困难，首先，机器学习的过程需要大量的专家知识，其次，有经验的研究者需要三到五年，第三，机器学习局限在专家和专业的开发者手中，而交互式学习可以解决机器学习面临的这些困难，但关键问题是要有易用、易于理解的交互式可视化界面、接受用户反馈的模型和学习算法、即时响应的高效算法、对数据噪声比较鲁棒、从小样本学习以及迁移学习的能力。

“机器学习的明天论坛”进入讨论环节，全体嘉宾围绕机器学习的技术与应用问题进行讨论，并回答了现场观众的问题。