深圳会展中心
“颠覆性创新技术”主题论坛 I 现场实录
新闻来源:高交会组委会 发布日期:2018-11-15

  主题:第二十届高交会——中国高新技术论坛—— “颠覆性创新技术” 

  时间:2018年11月15日09:30-12:00 

  地点:深圳会展中心 

  实录内容: 

     

  (王海东 深圳卫视主持人)

  主持人:尊敬的各位嘉宾大家上午好,这是“2018年中国高新技术论坛”,我是深圳卫视主持人王海东,今天我们要讨论的主题是“颠覆性创新技术”。 

  我们知道在过去这么多年科技创新已经成为经济社会发展的核心动力之一,而颠覆性创新技术的出现不仅仅给所在行业带来了天翻地覆的变化,同时也对于整个社会生产结构乃至人类的生活都带来了重大的变化。在过去的几年间相信各位对此已经有了比较深刻的感受。 

  如今,“突出颠覆性技术技术”已经成为中国发展的国策,我们应该如何看待颠覆性技术?发展颠覆性技术,面临怎样的困难和挑战?今天我们针对这个话题,围绕量子通信与量子计算,以及人工智能两大颠覆性创新技术来开始一场充分的研讨,今天上午一共有九位嘉宾在这里发表演讲,下面直接进入到主题演讲的环节,我们第一个主题是量子通信与量子计算专题,一起来看看我们距离未来的通信和计算革命还有多远的路要走。在这个专题上发表演讲的嘉宾是中国科学院院士,中国科学院量子信息重点实验室主任,郭光灿先生;郭光灿院士主要从事量子信息的理论与实验研究,由他领导的中科院量子信息重点实验室,在量子纠缠研究中取得重大的突破,成功制备出八光子纠缠态,刷新了多光子纠缠制备与操作数目的世界记录。今天他演讲的题目是《量子计算机》,大家掌声欢迎。 

   

  (郭光灿 中国科学院院士、中国科学院量子信息重点实验室主任)

  郭光灿:很高兴能够在这论坛做个报告,报告题目是量子计算机。量子力学诞生100多年,已经为人类创造了像互联网、电脑之类新技术,它们是由量子基本原理产生的,已经影响我们整个人类社会的发展,这是大家感受得到的,但是这些技术都是经典技术,他们服从经典物理的规律。量子信息的诞生将把我们带到量子技术的时代,利用量子特性开辟新的技术,而这些量子技术比经典技术它的性能要高得多,可以突破经典物理的极限。比如说量子计算机就比电子计算机要快得多,所以人类从现在开始,就从经典时代,经典工具迈进量子工具的新时代,这就是量子信息诞生的重大意义。在人类社会发展历程中我们要进入新的时代,这个时代的前景非常辉煌,但是它的路很漫长,不是马上就能到的,所以外面的宣传说量子什么技术可以马上走进到千家万户,这就是不对的,离真正的应用还早。 

  我今天报告的量子计算机就是量子技术里面最颠覆性的技术,讲这个主题之前,我要先说几句跟这有关的话,最近几年量子信息炒作太过分,本来量子技术就非常神秘,量子世界确实很奇怪,但是经媒体炒作,个别学者炒作以后,就把量子信息弄得非常火,好像自然界所有搞不清的都可以归结于量子纠缠,什么灵魂呀、宗教呀都要靠量子纠缠,这是不对的。究竟量子技术可以给人类带来什么?不能做什么?哪些是有可能应用的?哪些非科学的玄学,必须讲清楚。量子技术究竟有哪些真实可用的,随着人们研究的不断深入,会不断开拓出来,我今天要讲的量子计算机是其中最重要可以做的。这里要讲的是几个肯定做不到的,我要讲两点: 

  第一:纠缠非常奇异,AB两个纠缠粒子分开,对其中一个测量便瞬时引起另一个状态发生变化。这种瞬时变化被认为是超光速的通信,所以叫做幽灵,那么这种幽灵究竟是什么?其实在量子世界没有超光速,两个纠缠粒子之间的瞬时变化无需任何信息的传递,真实的物理原因是它们的量子关联,量子关联是产生这个现象的本质因素,在量子世界和经典世界一样,不存在超光速的信息传输。 

  第二,最近有人在大力宣传,量子信息可以把人瞬时的从某个地方传送到另外一个星球,我们以后从深圳去纽约不用再买飞机票,用量子技术就可以直接过去了。这肯定做不到,这不是技术的问题,是原理性做不到。量子信息作为科学不允许有这样的现象发生,这是把科学幻想和神话当成科学知识来传播,将量子力学妖魔化造成很大不良影响,所以我要澄清两点,超光速的通信不存在,把人瞬时送到另外一个地方绝对做不到。我写了《量子十问》发表在网络上可以查到,其中两问就是回答这两个问题,今天时间宝贵就不多讲,回到主题,量子计算机。 

  量子计算机是怎么诞生的?这与电子计算机的发展有关,摩尔定律说,电子计算的运算速度每18个月翻一翻,确实如此,摩尔定律带来了人类社会翻天覆地的变化。上个世纪80年代一帮物理学家就提出一个问题,摩尔定律会不会无限地下去?摩尔定律会不会终结?他们的研究结论是摩尔定律肯定会死亡!一旦摩尔定律终结了,什么技术能继续提高计算机的运算速度?就诞生了量子计算机,摩尔定律失败了,量子计算机就是替代者,当时电子计算界根本不理物理学家的这个结论,并嘲笑他们是杞人忧天。现在美国政府前几年宣布摩尔定律失效,目前微电子发展方向不再追求速度,而是专门化和低能耗。以量子计算机的研究又重新引起人们的研究热情,实际上80年代物理学家已经把量子计算机的主要理论框架建立了,90年代便开始了研究如何在物理上实现。 

  量子计算机与经典计算机不同在哪?经典计算机处理的数据叫比特,比特是0或者1,我们处理的数据就是01串,量子计算机就不一样,量子世界的不确定性满足叠加原理,微观粒子是处在01叠加的状态,这叫量子态或者叫量子比特,这就是量子跟经典最本质的区别,量子特性体现在这个叠加原理,体现在量子比特上。如果你用到0或者1做信息功能就是经典,量子计算机就以量子比特作为信息处理的单元,量子计算机所有的过程都遵从量子力学的规律。 

  一个电子计算机存储器要么01,只有一个数,量子存储且可同时存储01两个数,两个存储器,电子计算机还是存一个数,但是量子计算机可以同时存四个数,如果有N个存储器,电子计算机也是存一个数,但是量子计算机可以同时存2N次方的数据,所以量子计算机的存储数据能力是电子计算机的的2N次方倍。计算是什么?就是对存储器的数据实施操作,操作一次就把数据变化为另一个数据,电子计算机不管多大就是存一个数,操作一次就变成另外一个数,整个运算过程就这样一步一步操作,所以电子计算机都是用串性运算的模式,量子计算机就不同,操作一次可以把这个的2N次方数据变成新的2N次方数据,这叫并行运算,这可能就要快得多。所以量子计算机不是靠处理数据的速度而是靠并行运算能力来加速运算速度的。而这种并行运算能力是来自于量子世界的量子特性。 

  Shor90年代提出一个算法可以求解大数因子分解,这个问题是现在广泛使用的公开密钥的安全基础,如果你把这个大数分为两个素数,这个密码就破了,如果分不了就是安全的。全世界并用1600台工作站并行运算花了8个月将129位的数分成两个素数,虽然分解成功,但是代价是要这么多资源和时间。而采用量子计算机,有并行运算能力,一秒可以分解成功。一旦量子计算机研制成功,现在广泛使用的公开密码体系全部会被破解,最近美国政府已经宣布要把现有的公开密钥分期分批淘汰,这个因为量子计算机的实现已不再是遥遥无期了。总之,量子计算机的运算能力跟电子计算机的运算能力相比,就相当于经典计算机的运算能力与算盘的运算能力的相一样,因此一旦实现了电子计算机时代过渡到量子计算机时代,人类社会将会经历多个天翻地覆的变化。 

   量子计算机要做的事就是解数字问题,要输入数据,数据是经典的,所不同就是处理数据的方法不同,电子计算机用电子芯片,串行运算,量子计算机用量子芯片,并行计算。除了芯片,还要有量子软件等,所以量子计算机的研制是一个复杂的工程问题。 

  量子计算机所涉及到的硬件包括量子芯片操控系统和测量系统,软件量子算法、量子编码、量子系统的结构还有用于制备量子芯片的量子材料等。美国从90年代初开始布局了量子计算机研究,逐步聚焦到半导体和超导的固态体系,固体,固态它的好处就是可以扩展,但是固态的量子相关性非常脆弱,很快消失掉,如果一个计算机还来不及解决问题,就被破坏掉,那么运算就失败。所以怎么容错是一个关键问题。多年基础研究,固态的量子相干时间大幅度增长,容错有了可能了,所以人们的研究热情又高涨起来。国际上半导体量子芯片现在已制备出三个比特,芯片里面三个量子比特,我们从2010年起步,目前也已经做到三个量子比特。基本上达到国际的水平。虽然有进展,但是离终点还很远,跟国际上相比我们跟他们差不多。超导国际上比较领先,相干时间已经提到100个微秒,现在他们已经做到10几个比特,我们国内在超导方面远远落后于国际。 

     国际上的趋势是这样:20167月,美国政府已经宣布在五年之内要做到量子计算机可以实际应用,美国几乎所有的公司都成立了量子计算机研发中心。欧洲搞了十亿欧元的量子宣言规划,澳大利亚集中力量硅基半导体芯片,最近跟法国联合起来,共同开发硅基量子计算机。2015年谷歌说已经做了9个超导量子比特,他们拟做到49个,2016IBM已经做了5个,他们要做50个,他们认为50个量子比特的量子计算机它的运算能力是所有经典超算赶不上的,给它起了个名字叫量子霸权,意思是说我是最牛的,谁也赶不上,后来发现50不够,我们现在用经典计算机就可以模拟65个量子计算机功能,所以定到50个还不行,现在霸权起码要达到100个左右,也就是说做到经典计算机没有办法超越的水平可能要到100个比特左右。 

    谷歌现在最新成果已经做到超导72位量子比特,相干时间都差不多能达到可应用。IBM做到20位比特,这两家代表了目前在超导方面国际上最高的水平;即使实现了量子霸权其应用也是非常有限,是功能比较低级的应用,而且是专用机不是通用机,通用机就是能够解决所有问题的,专用机是相干时间内能处理特定任务,这叫专用机,IBM有可能在三五年做出第一个产品,但是即便做出来了,仍然是一个专用机,是一个功能很低级的专用机,但是尽管低级,其五脏俱全。就像我们电子计算机普及以前,电子计算器先普及,功能很差但是它是数据运算很全,将来有可能先是量子计算器产品上市,这是大概的状态。 

   整个量子计算机发展处在从晶体管时代到集成电路时代的过渡阶段。我们现在是搞一个本源公司,大家有兴趣可以到那里看,那个公司平台里面告诉你量子计算机的基本知识,告诉你怎么操作,怎么用经典来模拟量子比特。 

    总的来说,量子计算机的主要困难,量子芯片的物理量子比特数起码是10万以上,还有相干时间要足够长,能采用量子纠错技术跟容错技术,这两个技术都很难实现,理论上可以解决,但是做起来很难。所以要确保量子计算机任务完成,相干时间足够长,每次操作时间足够快。如果专用机先把容错纠错难点放在一边,追求比特数,比特数做到一定程度,就能够比电子计算机更快的解决特定的问题,这个比特数大概是50100才可以达到量子霸权,这个就是量子计算机的发展情况。我20分钟的报告时间也差不多了,谢谢大家。 

  主持人:在刚刚的演讲中郭光灿院士为我们分享量子计算机的工作原理和并行计算能力以及最新的进展以及面临的困难,同时他为我们做两个有趣的澄清,就是世界上并没有超光速,也不会存在人体的瞬间位移。我们再次掌声向郭光灿先生表示感谢。以上就是我们今天的第一个演讲主题量子通信与量子计算,接下来进入“人工智能:赋能之路上的未知与挑战”专题。在这个环节第一位演讲嘉宾是微软全球资深副总裁,大中华区董事长兼首席执行官柯睿杰先生。柯总全面负责制定和实施微软在大中华地区的业务运营及整体战略,旨在打造一个在移动为先,云为先”的世界中领先的生产力和平台公司。他的演讲题目是以云和人工智能之力,赋能每一人。大家欢迎柯睿杰。 

   

  (柯睿杰 微软全球资深副总裁、大中华区董事长兼首席执行官)

  柯睿杰:非常感谢对我热情的邀请,中国的科技可以说在21世纪发展得非常快,它也是我们中国经济社会发展的非常重要的部分,也是科技创新的重要领域,深圳我们知道它是一个科技之城,它也是大湾区的一个重要区域,在这个地方我们可以看到它已经是发展成为世界上最重要的经济中心之一,在这里可以看到有很多的工程师,有很多研发中心,他们做的非常好,同时也是在我们的生态合作方面也是不断推进我们的工作。可以说我们在这里有非常多的创新在进行,有很多的公司都在进行创新,这就是为什么我们一直在努力的进行合作,不断推进创新的原因。 

  当然,在这个地区我们需要不断做的就是要理解今天这个主题是什么,我们可以看到在未来创新之路的上面可以遇到很多的未知和挑战,大家在图片可以看到一个人骑着一匹马,和旁边的蒸汽机进行比赛。这是过去18世纪的事情,他希望跑得更快,我们可以看到这个蒸汽机它的速度比骑马的人会更快,所以你会看到人类怎么跟技术进行比较呢?我们怎么样才能够有更快的速度呢?当时蒸汽机的不确定性是最大的,但是人类发现的确实是难以发现的新机遇,包括旅游、货运、移民以及新一代的城市国家发展,也包括人际关系的发展,整个大格局也包括就业有很多的更新更好的工作进入到我们的生活当中。无论是设计师、建筑师,也包括修理汽车、维护汽车的人,包括铺设维护轨道的人,做培训的工程师、指挥人员、服务员以及沿途每个车站的那些基础设施建设从事过去的工作人员都看到有新的就业机会,有巨大的转型。在那个时候我们没有这样的远见,但是我们再来看一下汽车行业是不是也在经历类似的变化?是的,电话是不是经历了类似的变革?是的,汽车我已经说了,没问题,计算机也正在经历同样巨大的蜕变,今天我们又处于另外一个令人难以置信的变革时期,和之前一样只要有变革就会有很多的未知数,但是我们将作为一个行业,作为一个社会必将能够去克服这些挑战,前提就是如果我们能够采取深思熟虑,并且是负责任的方面,这也是我今天演讲的重点。 

   我们必须要有作为,知名的咨询公司埃森哲也提到,人工智能或者说人工智能它的潜力有机会到2030年使得全球的GDP翻一番,只要能够通过一系列的技术包括建立新的关系实现。这将打造在人和机器之间的新的关系,这样的一种关系是和我们之前的关系截然不同的,我们已经开始这一场旅程,我们现在已经见证着将近20年的人工智能发展,是不是正在加速?也许正在发生,但是人和机器之间的关系变革将继续持续下去,而今天创新已经不断地在拓展我们的极限,包括如何能够帮助我们去应对那些最难最大地球性问题。与此同时当你看到这样的场景,你也非常兴奋,因为能够把人和机器紧密地联系起来,来沟通解决全球性的老大难问题。无论是医疗、农业,以及如何给地球星球给它更好的给养。我也想给大家做一段分享,我们如何通过这个短片在未来做出更大的变革。 

     (视频播放) 

  微软是希望能够通过技术来增强和拓展人类的能力,我们见证了很多伟大的发明,都用来解决很大的问题,其实背后都是将技术和人类的智慧无缝组合。从微软的角度,是希望能够在日常生活中,在任何地方为每个人提供人工智能,这意味着计算能力必须需要无处不在,为每人所使用,不仅在云端,也包括边缘端,这也是我们业务层面已经设计并且要实现这样的目标,也就是从云到边缘的云基础架构,并且我们也为整个生态系统的开发者们提供平台和工具,从小小的传感器到整个云端都被注入了人工智能,因此每个人都能够在您的日常生活中得以使用。 

  在服务提供方面我们也将支持我们的合作伙伴一起打造结合AI解决方案,也为他们带来并且提供给他们人的资源,我们知道人是任何不同技术发展的核心,这也是能够帮助我们实现更好的转型之旅,对于微软我们有什么样的独特之处?当你提到云的规模时候,可以想象到全球任何一个地方想要从这些技术当中获益,如果你希望AI实现全球分布,必须要有全球化的基础设施架构,微软现在已经有54个Azure区域,比谷歌、阿里云的组织更多,我们也将继续扩大我们全球的基础设施足迹,进入到更多的偏远地区,我们把南非第一个数据中心得到部署,我们也在中国不断地部署Azure区域,不断满足客户不断增长的需求。此外,我们在安全认证方面,隐私合规方面已经有了超过70多项的认证,也超过了很多其他的公有云,我们得到了客户信任,得到了合作伙伴的信任。此外我们也希望能够为解决方案的开发者提供保护,保护他们的IP、知识产权,这也是能够让微软脱颖而出的。 

   在中国,我们也正在通过21V的运行系统来进行整个业务的布局,能够让每个人满足您不断发展的需求,我们希望能够让这个平台,这些工具,能够让星球上的每个开发者能够用得到。我们也在整个AI领域研究方面是一个领袖,无论是做语音识别包括图象识别、语言的翻译等等,其实您都能够找到一系列来自微软的解决方案,这些都是能够给到开发者们,能够帮助他们开发他们的技术,我们也提供超过100多个基于AIKPI和相关的工具,能够让开发者和企业创建自己的AI融合的产品和服务。在中国我们有超过10万名开发人员日以继夜使用这些工具服务于我们的伙伴,这些能力正在被不同的行业产生巨大的作用,无论是零售、金融服务、教育、医疗保健等等无处不在,就在深圳,就在这片土地,我们也是和全球最大的基因企业包括基因组解决方案的企业,和他们签订了协议,将基因组解决方案推向全球,与此同时也和中国领先的房地产开发商一家企业共同通过AI开发新的房地产端到端的服务,也包括能够改善他们每天的生活和运行。还有一个非常重要的在中国的资源,就是整个AI研究院研究中心,微软亚洲研究院能够给到当地的客户提供一系列的服务,这是一个强大的团队,帮助我们的客户,帮助大学能够朝着更高的水平进行发展。 

  我想给大家举一些例子,东方海外OCL总部设在香港,世界上最大的集装箱运输公司之一,他们和亚洲研究院一起合作,使用我们的物联网机器学习、人工智能来更有效地管理整个东方海外全球的船队。通过我们一系列的算法,我们为他们建立起一个优化的模型,能够提高全球集装箱的管理。借用这样的技术和解决方案东方海外预计每年可以节约1000万美元的运营成本,而且它现在能够不断地拓展,有机会实现更多的成本优化的机会。这也是为什么我们发现财富500强公司里面有95%的企业使用微软智能云的服务,其实在中国也有超过11万家公司使用我们的世纪互联运营的微软云,我们也和中国的智能云生态系统当中有超过1400个合作伙伴,整个生态系统当中有大量的开发人员,在中国正如我说的,有超过10万家使用微软提供的微软云,还有超过40万开发者在云技术方面从物联网到AI到云端,到边缘端的解决方案日以继夜地付出。我们也深知人不会使用他们无法信任的技术,他们信任技术,他们也更容易建立人和人的信任。这背后带来不仅是压力,也代表着担当,包括像微软这样的企业,我们的设计师包括技术的设计,从一开始就关注隐私、安全性。 

  微软的人工智能的开发,遵循一系列的,包括道德、伦理规范,我们希望能够最大限度地为人类降低风险,作为一家企业我们在和其他公司合作的时候,我们也非常关注技术的使用必须要找到一个合适的方式。而且隐私和控制非常重要,我们希望能够去管理数据当中的隐私,包括数据的访问权,数据所在的位置,如何使用这些数据等等;在数据的使用方面,我们绝不会去使用一些侵犯客户隐私,而且我们所提供的是高度中立或者中性化的数据平台,不会以任何方式寻求使用或者以其他的方式利用客户的数据,因为在这个行业里面,我们必须要赢得世界的信任,只有在这几个规范下来做事才能够赢得信任。我们提到了安全性,与此同时也是非常重视,当那么多的数据流每天都在发生,也许从边缘端、客户部署端到云端,双方的流动都在发生,我们也花了很多的资源,投入很多的金钱用来做技术安全的保护,加密的保护,我们每年投入超过10亿美元,专门用于客户保护,尤其是包括边缘端的安全保障,一方面要保障它的智慧能力,也要确保从边缘和云端之间能够探测检测一系列的威胁和保护,我们还建立起了安全中心,我们利用这一安全中心提供给我们一系列有关威胁状况,脆弱风险的洞察、见解,这也是开放、透明,也是我们合作伙伴、客户可及的,这也是我们被他们信任的原因之一。 

  人工智能和伦理道德规范都是非常根本的,我们在这个过程当中会对任何的偏见和歧视进行斗争,我们也在这个过程当中不断地避免偏见,这是非常重要的;同时公平以及避免偏见也是很关键的一个因素,只有这样才能够使得像微软这样的公司能够赢得客户的信任。 

  我们非常重视这个方面的问题,我们希望能够确保人工智能能够不断地去扩大它的能力,能够帮助我们去更好地发展,抓住一些机遇,我们认为在技术方面有很多的产品,我们也承担着很多的责任,对于微软我们责无旁贷,当我们看到其他的例子的时候,比如说AIR  DOG,跟他们合作我们需要做的就是不断地在世界范围内能够开设很多的实验室,帮助我们不断地去检测到糖尿病的疾病,我们对这些数据进行分析,我们能够很好地检测到患糖尿病的风险或者比例,我们跟它进行合作,要不断地去跟糖尿病进行斗争,我们知道世界范围内有很多人患糖尿病,在中国已经有超过1亿人患有糖尿病,在世界范围内有更多,所以我们需要不断地去改变我们的社会,希望我们能够打造一个更好的社会,我们可以利用AI的技术帮助我们获取更好的治疗以及更好的管理我们的健康,更好地找到治疗糖尿病的方法,为了这样做,我们就需要消除我们的偏见,同时我们也要很好地收集一些数据,然后去分析,今天我们有了更多的选择,有了很多的医生帮助,技术可以帮助我们找到所需要的治疗和帮助,所以我们可以不断地去使用这些新的技术,帮我们接触到更多的治疗方法和帮助,我也可以告诉大家,在这个社会或者在其他的一些领域,我们其实也是可以利用技术为社会做更多的事情,打造一个更美好的社会。 

  这就是微软公司做的一些事,我们非常关注安全的问题,我们保护客户的隐私,我们也非常透明,我们的组织也非常紧凑,所有的这些我们都希望能够共同努力,能够跟研究机构、政府部门、民间社会共同合作确保我们是正确使用这些技术,能够为社会带来美好的一面。我们也希望我们能够不断地延伸人们的能力,虽然我们说这些机器这些技术不是为了取代人类,但我们可以使用这些技术更好地帮助人类,在微软我们也是可以利用这些技术来帮助我们很好地解决面临的一些挑战,我们的使命就是要赋予每个人能力,给他们赋能,为这个星球为整个社会带来更多的好处。 

   我希望所有的这些人都有同样的使命,我们能够携手,共同解决我们面临的主要挑战。只有通过技术很好地恰当使用技术就能够完成这个使命,谢谢。 

  主持人:谢谢柯睿杰先生;在刚才的演讲中柯睿杰先生为我们分享关于人工智能非常重要的定义,就是如何打造人和机器的之间的全新关系,如何迈入新时代,就是实现技术和人的无缝结合,拓展人的能力,改变医疗、工程通讯在内的每个行业,解决个人生活和全球性的问题,柯睿杰先生为我们分享微软的智能云架构以及全球化的分布规模以及他所思考的关于责任方面的诸多问题,我们再次掌声向柯睿杰先生表示感谢。接下来要请出的这位嘉宾是德国工业4.0之父、德国国家科学工程院前院长、德国国家电动汽车平台指导委员会主席孔翰宁先生,他的演讲主题是自动系统—机遇与挑战。 

   

  (孔翰宁 德国工业4.0之父、德国国家科学工程院前院长、德国国家电动汽车平台(NPM)指导委员会主席)

  孔翰宁:女士们先生们早上好,首先我非常荣幸能够来到第二十届高交会——中国高新技术论坛,我相信大家在此前的嘉宾当中也是听到了很多的技术变革以及我们遇到的第二波数字化的冲击。大家都已经感受到技术的重要性,我们也是能够看到在未来我们需要更多的解决方案,比如说可以利用一些人工智能的技术等等来帮助我们去做很多的事情,比如说机器人等等,可以运用这些新技术帮助我们实现更多的任务。 

   我也相信在几年以前当我们刚开始的时候,我们需要更多的系统来帮助我们做操作,在2008年2009年我们遇到经济危机的时候,当时就是要一些新的技术或者新的解决方案来帮助我们应对危机。我可以说这个基本的改变,我们需要一些原则指导工业的升级或者变革,自动化其实就是一个很好的方案,它可以打造我们的能力,不断使用自动化操作,这种自动化的系统帮助我们学习很多新的技术,一些新的情况,以便于我们可以更好找到出路和解决方案。 

  可以说这个应用过程说这个影响和冲击是可以预见的,而且是非常明显的,在德国、中国都是如此,我们都是制造的大国,我们知道自动化其实是制造领域非常重要的一个方面。首先我想跟大家分享的信息就是关于我们在未来自动化是什么样的?我们应该如何更好地适应未来发展的趋势,这也是我们如何能够进行更智能的制造,同时也要思考在生产的过程中我们需要用哪些战略。第二个问题,我们的商业模式怎么样才能够更好地适应工业4.0时代发展的需求?现在我们更多时候谈论的就是以数据驱动的服务,就像刚刚开场的时候讲过,我们一定要注意的,要思考的问题就是如何能够更好地利用自动化的系统影响我们的生活,影响我们的工作、交通。我们要的就是有什么样的经济商业模式更好地满足我们的需求?另外也是希望它能够做成一个有益的循环。 

   去年德国的总理也是在工业4.0时代对这个概念的提出给予了肯定,同时我们也是跟很多人进行合作,我们希望能够从科学领域,从技术领域,从政府层面有更多的合作,我们可以看到这个PPT上,我们有很多的国家层面合作,也有很多的科学家进入到团队里面,当然过程当中我们也是碰到很多的挑战,所以我们现在需要采取更多的战略,比如说学习的战略,帮助我们很好地应用这个概念。 

  如果我们来看基本的自动体系它的原则,我们需要考虑的就是在人类的方面,我们需要采取行动,另外我们要考虑到环境。我们需要对我们的环境采取的是负责任的行动,我们必须很好地去预测我们的这些行动会带来什么样的后果,所以需要更好地去理解、预测这些技术可能带来的一些影响。比如说对环境有什么样的影响,我们要采取相应的知识来进行培训,以及进行系统的学习,就是利用我们所学到的知识和过去经验帮助我们找到未来方向的策略。最后一点要做的就是,要找到一些模式,一些系统,我们知道这个系统本身它有什么样的限制性,在能力方面有哪些缺陷,我们在未来需要实现哪些方面的突破。这也是我们要考虑的,所以我们也是在我们的实验室不断地做一些模拟,我们去看看这种情景是如何反映的,以便于我们找到更好的应对方案和解决方案,你可以把所有的方面组成一个组织架构,正如图片所表现,我们要看看里面的话题是什么,比如说我们还会考虑到主要的原则,就是会有一个自我调节的框架,我们希望在这个过程当中,能够跟相应方进行很好的协作。能够有不同的控制选择,中间有一系列的自模型,包括环境的模型,包括不同领域的模型,任务模型、合作模型,用户模型,我们在各种规划库当中也有过去重复性的计划规划,可以得到利用。这是一个大的人工智能参考架构,在下面还有一系列的技术。 

  包括和人有关,我们需要去了解一点,在这中间无论是人还是市民、公民也会在每天的生活遇到这种自动系统,不仅在办公室,在他们的家中,甚至在通勤的路上都会有,我们也会关注人和技术之间的交互,关注安全层面,也关注法律、伦理规则的一致性,这三个地方都要保持一致。 

  我们不能以孤岛的方式对待他们,我们在另外一方面要关注在社会方面大家还有一系列的顾虑,包括人的角度,我到底在所谓的责任主体转移方面要在什么程度上运营,我们要通过一系列的用户案例,希望能够找到一系列的有关机会、风险,能够提高它的透明度,不仅是未来的出行,2030路线图,包括安全包括你所获得的时间上的节约,包括供应侧的一系列改进,这是一个非常全面的考量才能够有机会说服人接受这个系统带来的效用。与此同时大家在出行行业可能大家非常熟悉,最近几年自动驾驶领域循序渐进的过程,在自动和部分自动化,在那个时候一定程度上驾驶员可以解放双眼,可以解放双手,但是还是在必要的时候必须要接管、负责,他还是要在驾驶的过程中会遇到一些问题,现在我们进行责任主体的转移时候,就进入到完全或者高度的自动驾驶,也就是说在这里能够让车完全掌管,你能够解放双手、双眼、解放大脑,甚至最后实现解放全人,但是我们知道还是需要很长的时间真的做到完全自动驾驶。 

  最近我们打造一个非常重要的平台,这是德国的人工智能平台,在这中间的条条框框看到一系列的有关指导委员会的工作组,有聚焦应用,有很多的实用建议,有健康卫生、出行、生活、应急救援相关。接下来跟大家分享我们工作组做的具体工作,包括未来的工作,协作机器人,其实现在在很多的大会展会都会看到,下一步我们结合软体机器人和人之间的合作,我们希望能够通过这样的一种协作式的解决问题,不是所谓的预先定义给到机器人输入的顺序,不是由人给到机器人,也许有一些突发事件会发生,必须要有机器实现自我的重组来面对这些意料之外的事情,也就是人和机器在未来会以团队的形式进行合作。 

  关于出行,我们也会关注在智慧交通系统当中各种情境目录下的认证,比如说宝马要做很多数据的一系列训练,包括它也有利用神经网络能够来帮助每台汽车拥有一个比较类似相同的大脑,接下来进入到整车测试,我们需要更大的情境库,有各种不同可能的事件、极端的情况对它进行认证,也就是这个车可以上路了,但是问题是我们是不是可以允许这个系统能够持续地去学习,在这里非常重要,因为这和驾驶员的行为可能又息息相关,而最后你可能会在不同的车型上有不同的能力。有时候会关注我们在做培训,训练的时候我们希望系统能够实现持续再训练再调整,我们也希望能够把整个情景库做得更全。也要考虑情境库和数据量是不是足够,尤其是非常极端、特殊的案例、情境,如果有能力去打造尽可能多的数据,我们需要不仅是实际的模型,也需要虚拟模型,我们也需要来对这些数据实现自动生成的能力,包括甚至在车速变化,在路上可能包括灯光,包括有的时候车上面有人,我们设立的是数以亿计的场景库。 

  还有人机的互动,有些不太容易的就是一方面让这个车具有智能的,它是能够在每一种情境下不需要任何外部的帮助,不需要外部的通信就能够保持这个情境的安全,这是我们需要去做的。另外的问题就是人和社会的问题,比如说驾驶员会接管,这样的情况可能系统会不会拒绝它,有的时候可能人会觉得是不是系统出问题了,所以我要接管,我要用人来驾驶,这中间还是会有问题,这是很大的问题。甚至有时候会关注系统是不是真的发现这个驾驶员违反交通法规了,他是不是能够去接管来代替驾驶员的判断?另外一个情境就比较恐怖,如果机器识别这个驾驶员要发布恐怖袭击,它去接管,会涉及到总体平衡的总体安全性的平衡。 

   接下来进入到医疗行业,在过去的十年里面看到很多的研究在发生,现在有很多的系统,比如说我们要控制人们的血糖水平,这是非常重要的一个努力。人为的错误很多,可能有时候搞错患者,所以我们如何能够实现精准医疗,个性化医疗,有了这些系统能够帮助我们做好这部分的管理,现在通过系统来监控甚至来定义什么时候你需要更多的禁食或者更多的胰岛素给药,在这里能够大大地降低,包括在院内的死亡率,一方面让我们的工作量减少,能够让人做得更多,但是我们同样也要关注什么时候要通知人类在什么样的程度上机器可以进行自主工作。另外一个情境也是我们比较容易想到的,是希望能够让这些设备机器进入到受污染的恶劣环境下,因此我们需要将无人机探测现场,还要在地上的机器人能够做应急救援受伤的人,在这张片子上可以看到列出一系列的技术挑战。还有一些例子是类似的恶劣环境,是深海环境,我们可以看到这样的一个智能化环境能够提供深海开采的潜能,甚至可以实现水下的电池充电,这也是非常好的实现长期自动驾驶,而且在右边非常有意思是像猴子一样,类猴机器人,有一个可移动的脊椎还有很大的装了传感器的脚。 

  基于统计学的深度神经网络的方法,一方面我们更需要,或者同样需要也是传统的基于知识的人工智能一系列手段方法,能够让两者之间相辅相成,左边是统计或者深度神经网络的学习,能够提高我们一系列知识方面的能力,利用过去基于知识学习能够帮助我们解释神经学习的结果,完善知识图谱,有关于文化变化,需要实现是组织内部的灵活性,在一个组织里面如何去关注效率,而在另外一边在同一个组织内部还要非常灵活另外一种分权或者去中心化的决策能力,在未来甚至现在终身学习变得更重要,中间有柔性的强调差异度,有针对化的在职培训,同样我们也需要做定制化的学习,能够针对每个员工给到更属于他的专属培训。 

  我觉得对于第四次工业革命,AI是一个非常重要关键的技术,也我们整个工业4.0成败的关键。人工智能能够帮助我们一方面保持在经济大环境下的竞争力,另一方面提高生产力释放我们的灵活性,而且它最终对环境也是有好处的,这些解决方案可以带来循环经济,而且它甚至能够超越我们传统的生产方式。而且能够有一些所谓的城市化的生产,也就是离我们员工的家更近的灵活生产方式,最后提到对于生活质量的改进有更好的工作,也就是能够实现工作生活的平衡,能够带来更好的社会包容,最后非常重要的一点,能够更到各位安全的环境,像之前的讲者提到,如果有机会人工智能到2030年让我们的GDP翻一番,这的确是一个我们绝对不能妥协,我们只有非常努力地去把这些从竞争方面,环境的质量,生活的质量一同向前推进,谢谢各位的聆听。 

  主持人:感谢孔翰宁先生;孔翰宁先生提出了AI将成为工业4.0的核心技术,他着重为我们介绍自动系统的AI架构,特别强调关于人和技术的互动,他以很多的篇幅放在出行领域,谈到安全法律伦理问题,非孤岛心态以及人的适当介入问题。下面的演讲嘉宾,是亚马逊AWS全球副总裁、大中华区执行董事容永康先生。亚马逊AWS是亚马逊于2006年推出的云计算服务平台,向分布在全球190多个国家的上百万客户提高可靠、可扩展低成本的云基础设施平台服务。今天容永康先生的演讲题目是以人工智能推动企业创新。 

   

  (容永康 亚马逊AWS全球副总裁、大中华区执行董事)

  容永康:谢谢各位,我就简单给大家介绍一下亚马逊在人工智能方面的一些对于市场、企业的贡献。 

  亚马逊其实在人工智能深度学习的投入已经差不多20年,我们以实战的经验给我们的客户提供服务,当年我们在电商的平台推出的一个实时的产品建议,都当时在十多二十年前已经把相关的功能用到自己的服务跟产品上。可能大家也留意到在2012年我们已经在配送的点里面,已经用了大量的机器人做相关的产品传输。我们也把相关的一些人工智能、深度学习用到无人飞机英国方面的配送,我们比较骄傲的地方就是亚马逊的云音响,2014年推出以来,全球包括我们自己还有相关的生态圈,银行、政府、很多的消费产品都可以用到语音音响去提供服务给客户。我们在两年前在西雅图,最近也在芝加哥、纽约也会推出无人商店,这些都是我们亚马逊另外一个部门的一些应用,其实这些应用他们都是借助于亚马逊AWS公有云设计出来的不同应对,我们在三年多前就把相关的一些底层技术透过AWS亚马逊公有云推到市场,让我们AWS的企业客户也好,开发者也好,初创企业也好可以用到我们相关的技术。 

  从我们的经验来说,首先我们作为一个快到第14个年头的全球规模最大的公有云提供商来说,我们觉得公有云的推出是把传统的IT消费模式完全颠覆了,当我们把AI的功能放到公有云的时候,也是另外一次的颠覆,是把过去的一些贵族式的服务、功能,围绕着人工智能、深度学习的贵族式的玩意推到全球每一个愿意去用的一些开发者或者是数据科学家。所以它也是一个福星。 

  我们在三年以来,每一年我们看到用AWS公有云的AI功能的使用者每一年的增长都是非常高速的,这也代表我们提供的功能是可用性非常高的。这里有一万个不同的大大小小企业,都在用我们的人工智能功能,再应用到不同的场景上去,有些是做测试,有些是在他们的新产品方面提供一些人工智能化的服务给他们的最终用户。像通用医疗,他们就在不同的国家针对当地的国家医疗团体,医院预先帮助到这些医生提前再把他们的病人X光片、MRI片预先深度学习,提出一些诊断或者病理的分析,让医生见到病人的时候已经有一个更准确的判断,这样也可以增加医生的治疗速度跟准确性。 

  这是美式橄榄球把人工智能用在他们每一次比赛之前,已经针对不同的球队,他们习惯用的一些阵势,跟每个球员跑的方向、速度,喜欢怎么跟不同的球员之间的配合,都做了大量的人工智能、深度学习的数据分析。会提前一两周给相关的球队,也会给他们的广播电视台去做一些推广,吸引更多的观众到当天比赛的时候,有更多的娱乐性,因为他们可以提供很多不同的阵势分析之后,观众就可以看到哪个球队赢得机会比较高,增加整体的娱乐性。 

  在金融行业大家也知道它们有大量的是以达到千万到一亿级不同的财务报告,这些财务报告是牵涉到千千万万全球的不同企业,这些里面涵盖了很多的企业他们的投资方向,投资风险,所以他们也因为有这么大量的数据根本没有办法用人工的方法去做这种分析,所以他们也用了亚马逊AWS的深度学习去快速找出一些问题、机会所在,提供更准确的咨询报告给相关的企业,让他们服务的种类更多。 

  这是我们中国的一个初创企业,针对英文线上教育的流利说,现在他们有接近差不多一个亿的学生,付费的学生也超过100万,他们可以按照不同学生的进度跟他们说话的一些方法,学习的方法,还有一些环境可以用人工智能的模式去把相关的信息收集过来,会做一些非常精准的定制化培训课程跟老师的搭配,所以在这方面我们也是很高兴可以让我们国内在教育领域的初创企业的成功。 

  赛车行业在过去很多都是用数据中心的模式,去收集大量的数据,每一次比赛,每一辆赛车的数据都收集回来,在过去成本又高,效率又低,两年前他们开始把这些相关的数据弄到AWS上面,再用我们深度学习的功能再给一些建议给赛车场,让他们知道在哪些不同的赛场,哪一类型的环境,不同的赛车标配或者专配速度、安全可以提到最高, 

   这是美国的健康跟医药公司,他们就用到深度学习,加快他们在健康产品方面的研发结果出来,从数据上从实验方面的效果大大把时间缩短。这是另外一家中国的初创企业,它是专门针对大卡车运输的无人驾驶,他们成立已经三年多四年,他们研究人员在北京,也有大量的研究人员,他们开始把相关的数据跟学习的模块放到我们的AWS上面,把好几百万不同的场景用自己开发的学习框架,积累了大量的安全跟自驾的环境,他们在过去一年已经成功在美国可以在无人驾驶的过程中做到超过200英里距离的无人驾驶,但是这是很特殊的场景,因为这是针对大卡车,跟小汽车的场景有点不同。对于我们来说,AWS可以成就国内的初创企业在这方面的突破跟成功,我们也觉得非常骄傲。 

   刚刚说的都是一些比较专业的企业或者在研究方面他们的能力还是比较强的,或者在某一个专业行业里面已经有一些个人或者企业的突破。但是在我们这三年以来在云推出大量的人工智能、深度学习的工具之后,其实有更多的开发者跟技术能力还没有这么强的企业跟我们说,你们可不可以提供一个所谓的部署跟开发的工具,可以减少这些不必要的,像云计算的资源标配,数据上面的管理,还有怎么样用不同的学习框架,很烦琐的东西尽量简单化,不一定要透过开发软件,写编程的模式去做,用传统我们提供的工具,一般还是用六到九个月,才能成功把一个产品推出来。这些时间我们听到大量客户给我们的回应,去年年底的时候,推出一个还没有固定的中文名字,大概的意思叫“魔法发生器”,尽量减少用编程的方式让我们的技术能力开发能力没有那么强的企业和开发者快速用简单的方法,在页面上把打勾可以把不同来源的数据,不管是IOT收集回来的数据或者是视频,都快速集中在一起,处理好,安排好,用不同的学习板块、框架学习。这也是秉承AWS在这快14年当中,我们所坚持的就是把贵族的东西平民化,开放出来,这是我们贯彻的实实在在服务人的承诺,也是我们的行动、行为。 

   这个工具在明年年初中国开放出来给中国区域的客户用,现在主要是在美国、欧洲、日本有服务,但是很快就会在中国推出来。 

  9月份的时候,我也在上海的世界人工智能大会上宣布,亚马逊AWS也在上海落地,我们专门针对中国市场的人工智能跟深度学习的研究院,会共同跟中国的客户一起研发或者是执行一些项目是适合中国地区的需求。我们还是秉承我们做事的风格,这里所研发的产品都是开源的。 

   在中国运营公有云,我们是通过跟北京的光环新网和宁夏的西云数据运营,交给这两个运营合作伙伴推到市场上去, 

  继续为中国的市场做相关的研发。    作为一个起步最早的公有云公司,我们不单只是从服务的种类,在前沿的技术普及也是做了大量的工作,我们覆盖190个国家,在这里我们成就不少国内的初创企业,还有大型的企业也有国企,在出海的时候大量地减少他们在海外部署新服务经营点的时间,我们会继续秉承我们这方面的工作,不但是支持国内的业务发展,继续加快加大协助中国的企业把他们的业务拓展到海外去,这也是我们继续会坚持的做法。 

  主持人:感谢容永康先生的精彩演讲。亚马逊AWS是业内最早的公有云公司,在容永康先生刚才的演讲中,一开始容总为我们回顾亚马逊这么多年的创新历史,他提了公有云非常重要的意义,就是他颠覆了传统的IT消费模式,使得追诸多的贵族式游戏更加平民化,也介绍了AWS方面的应用实例,涵盖医疗、金融、健康、在线教育等多个行业,公司的类型从行业的巨头到初创企业都有,在这里容永康为我们分享AWS在他们各自身上能够发挥怎样的作用,与此同时基于对于贵族式游戏平民化的追求,AWS也在过去两年更多关注到开发者以及技术小白在这方面的需求,因此在去年的年底推出了一个类似于魔法发生器的服务,它的核心是减少编程的魔术帮助客户快速地收集处理数据,并且实现学习,最后容永康先生也为我们介绍AWS在上海落地的情况以及它未来促进本土企业技术创新和数字化转型的若干愿景,我们再次向容永康先生表示感谢。接下来请出的演讲嘉宾是ArcSoft虹软创始人兼CEO邓晖先生;邓晖先生于1994年创办的虹软,是全球领先的视觉人工智能技术提供商,为80%以上的主流安卓手机用户,提供奇妙的黑科技感受。邓晖先生的演讲题目是+AI视觉人工智能相关话题,掌声欢迎。 

   

  (邓 晖 ArcSoft 虹软创始人兼CEO)

  邓晖:谢谢主持人,我今天代表虹软公司给大家分享一下我们用视觉人工智能的技术赋能行业的一些心得和体会。 

  虹软做视觉人工智能并给客户开始提供这方面的解决方案已经是10多年前了,过去这一两年人工智能应该说是非常热,今年国内的相关论坛也非常多,人工智能目前在政府和大企业的推动下得到了比较广泛的注意和关注以及蓬勃的发展,有很多新的相关各种各样的独角兽在这个行业里头涌现出来。行业的发展过去这几年也是基于计算机的计算能力大大的提升以及新的人工智能工具,我们叫深度学习大力地发展。深度学习作为一种工具就像交通行业一样,有了高铁使得在飞机、汽车、轮船加入了非常有效的新工具,使整体人工智能就像高铁对交通行业的赋能一样,使得人工智能得到了更加广泛的应用。 

  人工智能对于产业的应用我想各位通过各种各样的宣传都非常清楚了,今天我就不赘述了。实际上数字化我们看过很多的企业,也做过统计,麦肯锡的数据统计,数字化程度越高的企业,越有可能使用人工智能,中国是一个非常大的制造业大国,也是一个农牧业和制造业的大国,如果没有特别强的数字化程度是不是也有机会通过人工智能能够让他们的生产效率以及各方面的科技含量大大地提升。能够使得他们变成一个传统的制造业能够变成一个先进的制造业呢? 

  人工智能当然有很多方面,刚刚几位大公司的高管都介绍了各种各样的方案,其实视觉技术有些比较特别,计算机视觉相当于人的眼睛,对我们来说,人的这双眼睛当然需要的是看得见,同时看得更清楚,显微镜是可以帮助我们看到非常微小的东西,望远镜可以帮助我们看到更遥远的东西,看得见捕捉到的东西,看得懂的东西最后可能通过各种各样的方式,存储、传输分享下来,看得见在我们的整个产业可能更多像摄象头的公司,光学的公司,看得清和看得懂可能更多是一些半导体的企业和算法公司,像传输、分享以及各种样的其他相关形式等等,它就是算法的压缩以及3G、4G的传输,为什么用要4G和5G最大的数据量就是来自于影像、视频。 

  这个图大家都是看得见看得清看得懂,然后存储,能不能马上传输和分享?这是过去大家做得比较多的,尤其是监控摄象头,抓到了图像以后马上通过网端传出去,或者你就存下来。现在看得清和看得懂做过以后,很多的公司可能把它通过端的摄象头传到云端然后再进行影像进一步处理,能够看得更清楚,对它进行分析。但是这个情况可能在某种情况下尤其是大多数情况下,如果先传输,先压缩然后再去进行分析,它实际上经济性比较低,就是因为你的网络、带宽要求非常高。二是这些大多数的视频和影像可能传上去以后不一定有价值,可能90%都是不一定有价值,看得清和看得懂如果能在端上进行很快及时进行处理,从整个产业和整个使用的过程来说,应该说是最有效率和最有价值的。但是要看得懂,实际上人工智能是需要非常巨大的计算能力,整体的发展是要产业的持续在半导体和算法上的发展,能够把整个终端在成本上大大降低,才能达成。 

  我们相信IOT和5G未来将会使摄象头无处不在,会有更多的地方使用各种各样的摄象头,不管是数码的器件甚至非数码的器件也有可能安上摄象头。 

  大家可能讲到人工智能,大家可能马上理解的就是人脸识别、安防,如何利用人脸识别抓坏人,能够利用人脸识别找到然后进行监控。其实视觉人工智能它的应用领域应该说是非常广泛的,安防可能是一个很大的行业,但是也是一个比较碎片化的行业。虹软目前在汽车、安防、智能的保险,所谓智能保险就是智能碰撞的人工定损,最后变成智能定损,还有智能零售、手机、服务业、制造业等等我们做了大量的工作。目前在这些行业给予行业赋能。 

  智能手机是当今最普及的智能化设备,也是摄象头全世界出货最大的行业,一年大概有15、16亿台的智能手机,每台手机现在大概挂在3到4个摄象头,手机的行业它的整个行业一年需要的摄象头大概在100亿颗,这是所有行业加起来的摄象头都不可比拟的。在座使用安卓手机的话,你可能会有80%、90%的机会会使用我们相关影像处理的算法。 

  我们相信汽车未来会有十颗以上的摄象头在汽车里面,我们大家比较清楚,讲得比较多就是自动驾驶,360度的环视帮助倒车,实际上目前发展更加大的是一个智能座舱,在一个智能座舱里面你可能对乘客、驾驶员等等各方面的行为分析,他可能会将来帮助智能驾驶得到更好的发展,我们会看到未来五年基本上所有的汽车都会有车内的智能座舱大量的摄象头的产生。这些摄象头可能是人脸识别,也可能是对你的疲劳检测,还是对这些货车、公交车司机行为,打电话、抽烟、可能对于一些汽车上遗留下来的,是不是上面有小朋友留在车内等等,将来这些摄象头会在智能座舱和整个汽车里面会得到比较多的应用。虹软在这里面也是一个主要的玩家,我们提供的还是影像和视觉的解决方案。 

  物联网设备也可以跟大家沟通一下,可能很多地方大家看到的物联网设备,有些扫地机已经加上了摄象头,我们正在跟这些厂商合作,比如说我们可以在烤箱上加摄象头,把食物放到烤箱里面,可以自动调节温度和时间,可以通过各种各样的数据分析使拷出来的东西都是外焦里嫩的。今年我们发布了世界上带有智能能够认识所有的食物和商品的智能摄象头,它的成本是行业的平均水平50%不到,运营成本基本上是零,整合和安装的成本也非常简单。 

  虹软跟中国最大的汽车保险企业达成了战略合作协议,我们给他们提供人工智能的算法,能够智能定损在端里头得到实现,什么意思?这个汽车在马路上撞车以后,马上对你的损坏的部位拍一段小视频或者拍几张照片,马上可以知道在你家或者碰撞的附近有多少家修车的铺可以给你提供修车服务以及所有的修车的费用。这部分保险公司就认了,从这个角度来说是什么理念?一是你不需要把你的车再开到定损中心或者等保险公司的理赔员到现场来,提升了用户的体验,减少了驾驶员的时间花费在碰撞处理的问题上。对于保险公司来说会大大减少定损员出勤的需求,以及保险后期会产生其他的猫腻等等行为,可能对于保险公司来说每年节省的成本是百亿级以上的。 

  人工智能其实还是可以赋能制造业和农牧业,我也给大家讲一些我们的体会: 

  中国有全世界非常大的木材和木板地板的加工的企业,他们的木材加工企业有一半的能力都是在挑木板,为什么要挑?这一棵树上的木板,树的颜色不一样,在这种情况下你要是一个批次在一个地方要铺木板,一定要把基本上相似的颜色木板放在一起,大量的地板公司在出货的时候一半的时间大量的人力都在挑木板。这些东西在挑的过程就是手搬着木板再加上人工用眼睛去看,人工智能智能的摄象头可以给这些企业赋能,大大提升劳动生产力,像大理石等等企业都在合作,包括农业。 

  安防市场当然是一个万亿的规模,我们觉得这个市场是一个非常巨大的,刚刚我说到的前面几个,肯定是要找到一个行业,要找到行业的非常重大的亮点以及看到这个行业未来潜在的发展以及巨大的机会。一定是要找到一个非常顶端的合作伙伴。这个市场实际上是非常碎片化的市场,人脸识别对它的比喻更多是像白米饭,每个餐厅都要有它才能开餐馆,但是白米饭的商业价值实施的成本比较高,所以我们虹软决定把自己所有的人脸识别引擎,目前是向所有的大众以及开发商全部免费开放了,目前在中国大概有三万家中小企业以及个人的开发者在使用虹软,我们希望两年内达到十万家,谢谢。 

  主持人:感谢邓晖先生的精彩演讲,视觉人工智能在AI中会扮演什么角色,今天邓晖先生他以世界行业为例,为我们提视觉AI的核心价值,就是看得清看得懂方面通过相关的深度学习以在端上的快速处理来作为工具,从而大大提升行业的效率和价值,为我们分享诸多有趣的行业应用,包括了智能手机、智能驾驶,而且在智能驾驶这一块专门指出,智能座舱未来会成为智能驾驶视觉AI的重点应用场景,也包括了AIOT与互联网设备的连接以及智能零售,金融保险安防等等,也能促进的传统制造业、畜牧业方面的诸多应用,我们再次感谢邓晖先生为我们送上这样的一场充满想象力和实践力的精彩演讲。下面的演讲嘉宾是华为云中国区总裁洪方明先生。华为云是由华为公司倾力打造的云服务品牌,为客户提供稳定可靠、安全可信、可持续严禁的云服务,目前合作伙伴已经超过6000家。洪方明先生的演讲题目是华为云+AI行业变革的智能引擎。 

   

  (洪方明 华为云中国区总裁)

  洪方明:尊敬的各位嘉宾,朋友们,大家上午好。我是华为云中国区总裁洪方明,谨代表华为感谢各位一直以来对华为公司的信任关心支持和帮助,我今天的演讲题目就是华为云+AI行业变革的智能引擎。在接下来的时间我想和大家分享在过去的一年多中,华为如何以普惠的方式帮助这个行业加速智能化的进程实践程度。 

  任何技术只有准确的定位才会充分地发挥其价值,给AI这样的技术进行合理的定位,是我们理解和应用人工智能的技术的基础。华为认为AI是技术的结合,是一种新的通用技术,就像19世纪的铁路和电力以及20世纪汽车和电脑、互联网一样,并不是一个简单的产品,并不是一个封闭的系统,AI将成为一种基本的生产力,普遍适用于大部分的经济活动。 

  AI的产业变革已经影响了我们的生产生活的各个方面,过去一年当中我们在人工智能的应用于城市的信号系统,也是大幅度提升了城市的出行效率,在预防性医疗方面,通过人工智能我们是有望实现寿命的延长,真正实现中医说到的治未病的理念,在实时多元的翻译领域,帮助人们跨国旅行,在自动驾驶和电动车方面,很多嘉宾也分享了,也是目前最热的议题。 

   我们预计到2025年全球的AI市场空间将达到3800亿美金,90%将来自于企业市场。未来的市场是云化和智能化的主场,在座的每一位也都是变革的主角。我们以全新的模式重构企业和行业。但是我们在过去一年和很多合作伙伴、客户超过200多个项目的AI项目的实践当中,我们发现有三个因素阻碍了AI在各行各业的应用: 

  第一,慢,开发的效率低,标注、训练、部署整个过程非常耗时。 

   第二,贵,AI技术资源尤其是算力非常稀缺和昂贵,从我们目前接收到的整个算力的资源不仅仅购买的周期长,而且非常有限。 

   第三,缺,AI的人才短缺根据我们高盛的统计,2017年全球人工智能的人才储备,中国只有5%左右,差不多500万人。 

  当前的事实是AI开发需要越来越多的人才更长的时间拥有算力,而AI算力在我们普遍感受到依旧是稀缺,AI五的开发人才也是AI发展的瓶颈。刚刚结束的上海举行的华为的全年阶大会华为给出一个解决方案,华为以普惠的方式让企业用得好用得放心,针对贵和慢的方式,全站是指技术的视角,包括芯片使人训练,全场景是公有云、物联网、边缘计算行业终端,针对AI人才缺乏的难题,华为提供丰富的AI功能和API,相当于我们造一辆车没有必要每一台车去重新造轮子,华为开放了开发的平台。客户和我们的伙伴可以利用这样的边界工具开发自己想要的AI能力。我们还会把总结到的AI实践的经验以及行业集成的方式开放给大家,帮助行业客户快速落地AI的应用。华为云是国内唯一的全平台全节点和全服务通口的安全认证的云服务平台,安全性能是值得大家信任的。 

   刚刚讲了华为云在AI领域的全站全场景的战略,我们提到华为企业智能也称之为EI,主要是面向各个行业提供智能的解决方案,帮助企业提升生产效率和精细化的运营,商业模式的创新让行业变得更智能。我们提到的华为云的智能提供主要是利用公司在研发上面的优势,提供云、边端全战协同服务,充分利用各行业的优势,最后落地到全行业。华为云EI还提供了一站式的协同开发的平台,管理多种华为云的服务,统一开放入口,实现多种服务作业、编排和调试。突破的就是我们统一了开发云,大家知道2017年工信部中国软件与信息服务产业报告的统计,熟悉SK2标准语言的中国软件工程师有数百万,这也意味着AI能力嵌入到广大软件开发者,可以大大降低AI的开发门槛。 

  我以一个简单的例子来看一下:比如说深度学习的服务,基于软硬件结合的方案,对于分布式训练的调度算法,可以提供一千多种GPU节点的训练,GPU的训练加速可以达到0.8,意味着我们在一级一级的图片规模下的模型训练,可以从原来的三四天缩短到只有小时级。这个服务就可以快速地自动训练定制化模型,针对不同水平和需求的客户,华为EI也尝试将服务分层,便于客户真正做到方便应用。 

   接下来一起看一下华为云EI部署一年多来的具体实践成果: 

   首先看到EI在交通场景的进展,交通智能体也是我们华为EI面向交通行业的综合解决方案,今天正好在深圳,我们在深圳、北京的大城市交通管理中都有这样的应用,大家也有体会,深圳在全国的车辆密集度应该是最高的城市,每公里有510辆车,今年六月份以来,深圳的交警就选择华为云的EI在坂田采用了人工智能的技术,根据交通拥堵的状况实时调整交通灯的时间;以前是人看灯或者车看灯,现在要做到交通路口的灯看车或者看人,通过这样的应用,能够让车的平均速度提升17.7%,车的通勤时间也节约超过10分钟。我们在北京交管局的合作中也有类似的结果,我们在北京的海淀区的商街基于交通管理的实时在线的决策,最新的结果报告车流方向平均延误下降25.2%,平均车速提升到15%,支路的平均延误时间降低到10—20%,这样的应对给广大老百姓在生活出行,整个城市的运营效率带来了极大的提升。 

  刚刚是双十一过去,在座肯定也有很多垛手党的朋友在焦急等待快递,华为云EI正在缩短大家的等待时间,我们最近跟德邦联合合作当中,目前的结果,我们可以看到对暴力分拣视频的检测可以达到70%,德邦因此会降低赔偿服务达到30%,他们每年在这一块的损失是以亿计的,给他带来整个的成本降低是非常可观的。在这个地方我们作为垛手党来讲,也可以更安心、快捷地收到购买的物件。还有像医疗行业,我们通过路径的规划也取得了同样明显的结果,下面看一下工业领域的落地实践,大家知道工业领域的空气压缩机是非常耗电,据统计工业界5%—6%的电力都是被这个所消耗的,在这个地方由于电气的老化一系列的问题,会带来电力的大量消耗,我们通过人工智能的应用,我们也极大改善了效率,包括在一些管道内的模型应用,可以给我们带来很大的节省,我们统计这一块给客户带来10%的电力节省。 

  另外一个例子是油气管道的应用,可能搞石油行业的朋友知道,因为它几天的停工可能一年的利润就会被消耗掉,应用我们的模型实现油气故障概率的定位。我在五年前在瑞典的挪威国家石油公司找到我,如何实现这样的需求,当时我们并没有找到很好的方案,但是通过过去一年的尝试,我们现在已经比较好地解决他们的问题。 

   我们还非常熟悉的场景,当前全国各种类型的园区,不管是生活的小区还是机场、校园的场合,我们在全国的数量应该是超过120多万个,几乎所有的园区由于缺乏智能手段,在运营管理面临巨大的挑战,我们也时不时从新闻上看到园区的不安全因素存在,我们通过华为EI在园区的落地,有效应对这样的挑战,为园区的运营者带来了收益,目前华为云的EI园区的解决方案,提供七类的应用场景,常见的三类:一是安防,通过安防的业务减少30%—40%安保人力,让他们服务于其他的园区。二是访客和门禁管理,在这方面可以实现更快速、快捷的通过,从原来的时间可以缩短到原来的五倍。三是我们也通过视频监控和能耗设备的关联,做到无人区的照明,空调的自动关闭,也给园区的能耗可以降低到10%以上的结果。这也是给我们极大效应。 

  由于互联网在4G技术的普及,视频与我们的生活息息相关,但是视频内容的监管是全球性的难题,视频内容是不是合法,是不是健康,是不会引发版权的纠纷,传统的做法是需要大量的时间和人力,我们帮助中华图片库实现数千万网络图片的交叉检查,准确率可以达到99%,这个也在很多的互联网公司有应用。在视频的深度分析领域,EI的精准视频拆节的准确率可以达到98%,使效率提升到10倍以上,我们也在社交当中进行应用,我们也可以看到EI的应帮助用户形成了一个青山绿水的互联网环境。 

  其实人工智能应用我们在与政府的合作当中,包括政府的电子政务场景下有大量的应用,我们相信在未来更多的场景当中,EI的场景改善公共服务,包括体验方面有更多可以覆盖,我就不详细赘述。 

  上面是我们华为云EI落地的场景当中典型的实践成果,我们看到这些成果背后是合作伙伴大力支持和取长补短互相配合的结果;把生态体系作为企业发展的基石,在云的时代我们认为伙伴的生态的重要性会进一步增加,这是我们的基因,华为云做行业智能化升级的黑土地,携手伙伴,共建繁荣生态。在全球分布的云的资源上与全球合作伙伴和客户进行联合创新,孵化出更多的解决方案。 

  我们的目标是携手伙伴提供稳定可靠,安全可行和持续的智能云服务,与大家一起应对未来快速变化,最终取得成功。 

  在华为云合作伙伴的支持下,华为云EI为更多的场景提供服务,前面已经有了比较多的介绍,在接下来的时间我们会跟合作伙伴打造更多的应用场景。华为公司的愿景是把数字世界带给每个人每个组织和每个家庭,构建万物互联的智能世界,EI是华为云在华为愿景的落地手段,华为云有技术有未来,值得信赖这是我们做云的初心,也是华为云的核心竞争力,这是我今天的演讲,非常感谢大家。 

  主持人:感谢洪方明先生,在这个话题方面我们聆听了诸多的行业巨头他们的分享,其中包括微软、亚马逊、华为,可以说他们是各具特色,微软的规模全最大,亚马逊行业最早,华为是最了解中国自己生活的这片土地,相信听过分析之后,大家对于人工智能如何赋能行业未来之路应该有了更加全面的了解,当然我们说人工智能也绝非仅仅是各行业巨头关注的战场,我们非常高兴地看到如今中国在诸多的AI细分领域出现了很多优秀的公司,他们在技术的推进,在商业模式方面都有着非常优秀的实践,我们很高兴今天请到了其中几位佼佼者,来自虹软的邓晖先生就是其中的一位,接下来我还要请出一位;重庆金鑫科技产业发展有限公司董事长杨永东先生;金鑫科技致力于智慧城市的开发计应用,杨永东先生创立的BEONE品牌,已成为中国知名品牌。他今天的演讲题目是万物皆有灵—APOS万物互联智慧操作系统。 

   

  (杨永东 重庆金鑫科技产业发展有限公司董事长)

  杨永东:大家上午好。我们手机有操作系统,电脑有操作系统,但是在万物之间是没有一套操作系统的,金鑫公司经过20多年的努力,在万物之间建了一套操作系统,这套操作系统的名字叫APOS万物互联操作系统。 

  在我们的系统里面,整个世界有很多的亿级的产品要接入进来,这些产品如何进来?又如何进行相互的连接将是我们很大的难题,首先亿级量级的设备接入就是一个天大的问题,如果靠我们的工程安装人员,靠用户自己接怎么接?怎么服务?怎么运算?服务的效率又怎么样?什么时间多久可以实现?安不安全?服务的内容准不准确?是不是我们需要的服务会不会出现各种各样的故障?这些都是我们要面临,人类正在面临的问题,这些问题怎么解决?要实现我们所有的设备进出自由,接入的时候就是一个设备只要通上电就会和周围的一切产生关系,发生无穷无尽的交互关系,这个进出自由怎么实现?在1991年美国思路公司技术中心的首席技术官提出一个构想,普世计算,我认为在适当的时间、适当的地点,适当的信息推送给适当的人和这个人产生适当的交互,这个构想我个人经过八年的时间做到了糊涂了,最终的结果是什么?我来举个例子: 

  这是一个家庭的设备,大约100平方米的房子,用上家里的设备,最后发现一个问题,这个太麻烦了,它的数据量是148的89651178次方,这是我们计算出来的场景模式,就有这么多种,如果这么多种通过超算去算还有可能,但是计算的时间将是小时为单位,找到我们的记录都是小时为单位。但是我们不可能家家户户都随时随地都超算。我们怎么来做到这一点呢?困难面前就是机会,困难都是滋养我们的,我们又花了几年时间发明一种新的东西,飞靶理论,我很想把它说清楚,但是没有一次成功说清楚过,这个飞靶理论用了无穷无尽多张技术的无边无际的技术白纸,送给了无穷多个人用无穷多的笔画了无穷无尽的需求,可以在上面任何自定义,但是不是定义为功能,定义为功能它会糊涂,就形成无穷无尽的规则,针对的是每个人或者每个小的组合形成这么一个,服务无穷的需求,比如说智慧社区、校园、酒店都可以,形成之后效果就变了,我们在这几个领域里面,普适计算,飞靶理论,有了基础之后,对于云端还有IOT以及所有产品的区块链方式,我们在所有的产品在任何一个地方、环节、设备出现故障它都不会出现崩溃做成一套操作系统,会自动地调度,加入所有设备相关的信息,这些信息、资源推送给相应对应的一些人,这些人的反馈又自动进行交互,接下来来看看它有什么使用。 

  (视频播放) 

  这是一个昨天下午录制的真实场景,图片效果不好,但是它能展现出人与所有的设备无穷地交互过程,原来我们总是想理解人,总是猜他怎么想的,总想实现心想事成,我们做了之后才发现,其实要是实现不用心想事有成那该多好,这个系统就可以实现人与自然与设备,设备与设备,设备与环境之间的神经级的交互。 

  有人说人与人心与心的距离是最远,这个不容易感受到,我们感受到摄象头与红绿灯的距离太远,我们APOS做出了整个操作系统,这套操作系统能够让所有的设备接入非常简单,只需要通上电就可以,怎么实现?它在这个系统里面可以孵化出若干个智慧城市的应用模块,这些都是全开放的,权威专家做了鉴定,具有独特性,填补了该领域空白,达到国内外领先水平,我觉得这个不重要,重要是能够支持全产业链的规模化应用,也就是无论加多少设备都能够承载,整个架构是柔性的,任何一个地方的光纤断了都不会出现这样的情况。 

  这个也得到了倪光南院士的认同,倪光南院士对这个系统进行了考察,这个系统自主知识产权理论以及它开放的协议和它的整个操作系统,在这个系统里面最快可以一秒完成一个设备的接入,50毫秒所有的运算就可以完成,它的系统支持百亿级设备的接入,因为它的机制不一样,提供的服务效率非常高,数量非常庞大,在这个体系里面,我们打算通过这样的体系建造成为一个世界物联网生态平台,目前这个工作紧锣密鼓在进行着,将在2019年7月1日面向全球,无论是什么硬件只要有协议,最快需要一秒钟,为什么最快?因为你自己对系统的消化,你自己设备的消化时间不一样,无穷尽级的应用可以通过开发接口形成一个世界物联网生态平台。 

  在这个过程中,整个世界还处在产业初期,我相信我坚信我是一切问题的根源,在任何时候任何情况下,遇到的任何问题,都是我的问题,欢迎大家拨打我的电话,我是一切问题的根源,谢谢。 

  主持人:感谢杨永东先生;下面要请出的演讲嘉宾是深圳进化动力数码科技有限公司CEO高路房先生。进化动力深耕机器视觉前沿应用于算法,是业界领先的计算机视觉技术解决方案商。高路房先生今天将和我们分享人工智能引领新一代家电变革,掌声有请。 

   

  (高路房 深圳进化动力数码科技有限公司CEO)

  高路房:我们是一家在人工智能行业深耕在家电行业的一家技术型公司,简单来说我们为家电行业提供的是什么解决方案?主要是给家电行业提供视觉、语音、帮助家电从目前大家的互通互联智能化到帮大家做决策的智能化过程。 

  家电行业其实在很多投资人也好系在一些市场分析师也好,是一个很不性感的行业,因为它虽然存量市场大,但是行业竞争激烈,毛利比较低,但是我们同时在这个行业做了这么多年下来,也看到了机遇。人工智能就是这么一个机遇。 

  针对智能化这个市场,这是美国一家咨询公司的数据,从2015年到2020年整个智慧家电的市场将会发生50%的年复合增长,家电2015年到2030年的年复合增长比例会达到22%,的确我之后会在后面的解决方案里面上,会介绍整个智慧家电会给大家的生活带来全方位的颠覆。对于我们的客户来说,因为我们是一家服务全球500强以及国内知名家电的解决方案提供商,我们会给我们的客户带来两倍的毛利增长,企业的销售收入也会有3—4倍的增长。 

  这是已经在这个行业里面有大动作的厂商,有世界500强也有国内的新兴公司和国内的头部企业,很多一部分是我们目前正在合作的厂商。我们在供应链上无论是大的OEM还是ODM,还是上下游的半导体也在也一块发力,大家可以看到未来这一块会是万亿级的市场。 

  作为一个立足于中国市场的公司,我们也很快地看到中国市场会有一个很好的机遇,因为目前中国市场消费者对于新兴的智慧型产品的接受度要远高于全球其他国家,中国的消费者对于智慧型产品的消费能力和产品接受度都是相对比较高的。这么庞大的市场以及快速增长的市场,目前市场仍然处于导入期,一定是具有挑战的。 

  目前整个家电厂商行业的痛点: 

  产品差异化小,毛利低。毛利低的原因很大一部分原因因为大家是主营销投入。虽然整个家电行业大家累计了几个数据在那里,但是近亿的用户在那里大家的数据变现能力比较差。 

  目前家电行业在转型变革中,大家碰到的一些挑战是什么?相比于安防行业已经累计了成亿的用户画像数据,家电行业还是属于小市场,目前我们经常碰到厨电行业的数据只有几千个品种,目前这个市场对于数据累计应用还是比较早期的阶段,跟场景的Knowhow还是处于比较早期的,比如说我们跟洗衣机客户接触的过程中,不同的纺织面料混合在一起,也是分析出来怎么调解整个行业还是处于摸索阶段。大家也知道家电行业是一个成本相对敏感的行业,如何提高高性价比的解决方案,来优化每个人的家庭生活也是厂商迫切需要高性价比的方案。本地化的及时处理,因为很多家电是不联网的,如何在本地及时处理这些数据,同时给大家提供方案,保证大家的隐私,也都是我们厂商相对比较关注的重点。 

   我给大家介绍一下这个行业深耕的落地方向: 

  第一,抽油烟机,我们不仅可以实现传统的视觉方案和烟感方案整合的识别技术,同时可以做到,大家知道在厨房是家庭中PM2.5最高的地方,我们通过视觉和多传感器的融合,有效识别烟量,进而保证厨房的噪音控制,根据场景中的煮饭烟的大小来智能化调节进抽油机的档位,保证厨房的污染程度是非常低的状态,保证您家人的健康。 

  第二,烤箱的使用品,很多我们的小白用户不知道烤箱的产品是怎么配对它的生熟度和食物之间的关联,我们为客户提供完整的视觉和多数据的解决方案,使得客户快速地把这个方案植入烤箱之后,可以快速智能化调节程序。 

   第三,冰箱的解决方案,可以智能识别冰箱里面的物品保质期,保证冰箱食物的新鲜程度。 

  第四,空调的解决方案已经落地到市场上,大家可以经常看到的解决方案,通过识别每个人的体温以及距离空调的远近程度调节风量等等。 

  这是我刚刚谈到洗衣机的解决方案,我们可以有效地对场景中间的衣料的混色和洗涤的纺织面料进行识别以后,优化你的洗衣程序,进行省水,对衣物的面料进行保护。 

  我们今天在高交会现场也有一个展位,我们为客户提供什么样的服务?因为我们也知道在家庭生活场景中每天产生的数据是2.5×10的18Z一天,如何通过这些数据提取出有效的人工智能算法和人工智能场景服务大家,这是我们公司的愿景。 

  我们给客户提供的是本地化的嵌入式系统模块,植入之后结合云端可以有效地结合智能家电场景中现场几时的处理,包括烤箱、抽油机,通过我们的模块有效高效实现人工智能化的本地化处理,同时我们给客户提供大数据平台,通过这个大数据平台获取用户的使用习惯,提升他们的数据闭环能力。我们的客户价值在什么地方? 

  我们给家电厂商客户提供产品差异化的特性,同时他们云到端的数据打通,实现产品的快速量产,降低他们的营销成本,进而优化。同时把用户的习惯数据分析出来给客户,优化他们的供应链和产品。 

    我们的合作伙伴有ceva等等,有他们的支持我们才可以快速实现从快速产品化到落地客户的过程,谢谢大家。 

  主持人:感谢高路房先生。如果说杨永东先生的智慧家居帮助我们更好地害怕太太,那么高先生的智能家电帮助我们更好地抛弃太太。在家庭生活当中不仅有太太,还有熊孩子,这就是我们今天上午的压轴演讲嘉宾带给我们的分享话题,下面这位嘉宾是上海掌小门教育科技有限公司联合创知人兼副总裁余腾先生。掌小门是一家线上教育服务提供商,目前在一对一专属在线教育领域,占据中国近70%的市场份额。余腾先生今天的演讲题目是AI引领教育升级,掌声有请。 

   

  (余 腾 上海掌小门教育科技有限公司联合创始人兼副总裁)

  余腾:各位好,我是上海掌小门教育的联合创始人余腾,跟前面嘉宾讲的内容不一样,因为我刚刚听到很多家电传统的工业化跟人工智能的结合,今天主要跟大家分享的是人工智能跟在线教育的结合到底会是一个什么样的场景。今天主要从两个纬度来跟大家做分享: 

   第一,AI+在线教育能够实现教学过程的智能化。第二,师生关系量化平衡。 

  掌门一对一公司是做中小学一对一辅导的公司,我们有全国非常多的学生和老师进行一对一的匹配,通过互联网方式实现课外辅导的情况。其实在这个过程中会发现传统的线下教育方式,有一些传统的弊端,包括到一个学生他可能不同的学生在一个教室里面都需要做同样的十道题目,这样的事情对于一个好的学生来讲可能并不需要做十道题目,可能需要做三道题目就可以解决这样的知识点或者一张试卷对于他来讲可能十道题目都是在浪费他的时间。 

  老师和学生的教学的事情本身具有滞后性,我们必须通过最终的结果,考试的成绩才能够衡量一个老师教学生到底教得好不好,但是我们在结果已经出来以后,已经是一个滞后的反馈,如果说能够在一堂课里面,在一节教学的课里面得到老师到底这节课教得好不好,学生有没有准确地吸收,我们认为这个是更加快速反映教学的过程,所以教学的课堂需要量化。 

  掌门现在已经有一千万的注册学员,包括每天有十万节的课程在运行,我们有很多的课件和题库在使用,我们有三个大的数据库是我们现在所掌握的。 

    一是掌握用户学习画像的大数据,二是掌握了表现化题目的大数据,三是掌握了视频教学课堂的大数据。 

  第一,用户学习画像大数据,AI和在线教育的结合,主要从课前课中课后各个纬度进行数据过程的结合,比如说前面的测评、预习和课中的教学内容,通过人工智能的推荐,可以很好地让学生从之前需要学习十道题目掌握得知识点变成只需要学习三道题目可以解决一个知识点的过程。包括前面在课前的预习测评,课中上课内容以及课后的作业和题库可以实现学生下一节课的内容不是由老师给出的,而是由AI助教给出他说下一节需要学什么内容,因为我们可以直接判断出他之前的知识掌握得怎么样,我们帮助学生找到最短的学习路径,通过AI+在线教育的方式,避免走一些弯路,通过这样的方式实现它的学习效率的最方便。 

  第二,课堂的大数据,我们对于一节课进行了很多的分析,包括对学生情绪的识别,对上课过程当中老师和学生交互次数的判别等等,通过很多的方式去对一节课进行打分和量化,这些课到底老师教得怎么样,学生吸收怎么样,哪个关键的时刻学生走神了,或者学生什么时候听得最专注,我们可以通过很多的数据做识别。这样之后一节课我们能够最终得到一个测评反馈报告,给到老师之后老师可以很清楚知道哪些方面可以优化,包括他做题目的数据。 

   我们对于AI和老师的角色,我们认为AI是老师的助教角色,也就是说AI可以帮助老师做很多的作业批改,做学情的跟踪,通过老师上课的不同情况以及他得到的成绩结果进行跟踪,可以做的很多的课程规划等等,以上这几个点就是人工智能和在线教育很大程度的密切结合。 

  在传统的学习里面,老师和学生的信息交互其实是并不对等的,也就是说大部分情况下,老师是向学生输送知识点,但是在传统的教育,学生向老师输送回来的信息是不通畅,这部分学生是中等生或者差生,他们因为上课的环境也没有办法把他们一些疑惑和困难点反馈回给老师,这是传统的教学模式导致了信息不通畅,所以很多学生考的分数不高或者得到的成绩不好,很大程度上因为他们不懂的地方没有人帮他们解决。 

   在我们基于一对一的教育+AI结合之后,我们其实通过刚刚的几个结合大数据,老师在课堂上面的学生学习情况的表现可以反馈给老师,在这样的情况下老师和学生之间上课这个信息的传输会得到平衡。 

  这就是我们通过人工智能+在线教育做的事情,我们希望老师和学生可以实现零距离沟通的渠道。这是掌门一对一的使命,我们使命是让教育共享智能,让学习高效快乐,不仅仅是让全国各地的学生都能享受到全国最优质老师的教学,同时我们希望每一节学习的过程中,都是高效的,并且是快乐的,高效就是基于我们前面讲的很多AI的部分,能够带给学生在学习路径上更短的体现。以上就是我今天的分享,谢谢大家。 

  主持人:谢谢余腾先生。各位到这里今天论坛的上半场就要告一段落,再次感谢各位嘉宾的分享,下午的13:30还是在这个场地上,我们将会继续进行颠覆性创新科技主题论坛的下半场。 

  (本文为现场速记稿,未经本人审核)