新京报讯(记者 范娜娜)7 月 19日上午,“市北·GMIS 2019 全球数据智能峰会”在上海市开幕。


为期两天的市北·GMIS峰会以“拥抱数智经济,赋能产业生态”为主题,由上海市经济和信息化委员会、上海市静安区人民政府指导,上海市市北高新技术服务业园区管委会、上海市北高新(集团)有限公司、机器之心联合主办。

 


峰会活动首日,中科院院士、中国科学院上海分院院长王建宇,欧洲科学院院士、人工智能研究中心(DFKI)科学董事Hans Uszkoreit,今日头条 AI Lab 主任李航,香港中文大学终身教授、腾讯优图实验室杰出科学家、IEEEFellow贾佳亚嘉宾针对空间信息技术、智慧企业的人工智能应用、自然语言学习等话题,为参会者呈现了一场又一场观点独到的思想盛宴。


AI 开启智能企业时代


欧洲科学院院士、德国人工智能研究中心(DFKI)科学董事 Hans Uszkoreit 在大会上分享了人工智能技术在未来智能企业中的展望。


“看看今天的机器学习,它既可以学习知识,也可以学习行为。但最成功的学习方法,包括深度学习,是只学习行为,却不学习显性的知识的” Hans Uszkoreit 表示。同样的还有现在的自动驾驶系统,它们并不是理解了交通法规——自动驾驶汽车遵守交通法规,是因为他们学习的是行为,而非知识。


“想要实现超越人类的 AI 能力,我们要在基于知识、基于规则和机器学习系统中找到交叉的部分,真正的超级 AI 是超越人类的,但仍然不是人类形式的智能——它不会是伊隆·马斯克所说的超级智能。”Hans Uszkoreit 说道。



欧洲科学院院士、人工智能研究中心(DFKI)科学董事Hans Uszkoreit


目前欧洲学界普遍认为,AI 研究会存在四个阶段:第一个阶段是启发式的搜索,随后是基于知识的系统,目前的第三阶段中,我们开发了学习系统,其中包括深度学习,神经网络等等,并有了大规模的应用。我们现在的挑战就是把这些技术整合起来建立认知系统,其中需要包括大量的知识。


对于企业智能化,Hans Uszkoreit 认为在发展的道路上会有两波浪潮:第一波是数字化,把模拟内容转化为数字内容。在第二波浪潮中,人工智能开始扮演重要作用。其中包括机器人的大规模应用、智能物联网、IT 基础设施的部署、工业 4.0 和商业智能的推进,技术的铺开也意味着智能企业数量的增加。


未来的智能化企业就像人类的大脑,从不同感官收集情报,通过算法帮助人类进行决策,但人类还是必不可少的。“商业决策需要思考大量不同来源的内容。世界是动态变化的,我们不能简单地使用过去知识训练过的算法来对现在的问题进行决策,总会有意外发生,所以这里需要人类把关。”Hans Uszkoreit 介绍道。


另一方面,机器学习算法可以处理大量数据——人类显然无法观察并处理所有数据。今天,知识图谱已经可以在很多领域中帮助我们进行分析和决策了。


通过大数据、人工智能和物联网的进步。智能企业可以实现更好的供应链管理、市场开发、质量控制,所有这些过程都会有 AI 的参与。“我们希望把这些工作结合到一起。连接不同的供应商,将不同的数据以多种形式提供给公司。我们需要处理非结构化的数据,变革公司内部的结构,结合公司内外部生产的不同数据,这样才能实现更为广泛的机器学习。”Hans Uszkoreit 表示。


把当今的企业整合在统一的数据战略下,更好的运用数据,这样才可以让 AI 对我们有更多帮助。不仅仅是百度、谷歌这样的科技公司,所有传统企业都应该有这样的知识流程。我们需要结合最先进的知识学习。包括强化的学习和主动学习,将显性知识与深度学习算法连接在一起。

 

数据智能融合,企业上新技术要加强经济性衡量

 

在圆桌论坛上,就《实体经济与数据智能融合的挑战和机遇》,金棕榈企业机构董事长&CEO潘皓波、小i机器人高级副总裁&战略业务发展中心总经理杜玉清、华润微电子控股有限公司应用技术研究院工艺集成首席专家李铁生博士、中译语通科技股份有限公司副总裁、首席技术官,技术创始人程国艮基于自己行业的经验,给各行各业的群体实现智能制造,智能改造,数据智能融合发展提一些建议。

 


潘皓波表示:“人类社会进步不是靠某个个人,也不是靠某一些算法,更主要靠的科技的创新,而创新是最最重要的,尤其是科技的运用。”

 

杜玉清则对传统制造企业提出了自己的建议,如果基础设施或者企业的一些管理层面还存在诸多的问题,他建议企业要去衡量好投入的经济性,而不是贸然的去上新技术,上一个系统,上云,开发APP,在经济性上可能要做一个很好的衡量。

   

“对于政府方面来讲,我们可以看到现在有很多的新兴技术应用落地,这些实践已经领先于我们的法律和政策,比如我们看到的AI医疗,辅助诊断,包括AI的教育等等,这样需要我们政府在整个产业智能化升级过程当中做一些法律和政策的规范和一些理论的引导,做好这样的预案。”杜玉清表示。

 

程国艮认为大数据时代的滞后性,阻碍了大数据和人工智能技术在某些方面的发展速度。做大数据最难的是没有数据。单一的企业生活的数据是有限的,且一些诸如医疗的类数据,会遇到一些隐私的问题,这是企业面临的一大困境。

 

因此,他建议以社会上的数据能够建立多方的合作模式,可以用一些方法去建立一些标准,更多的去思考,如何把行业性的数据变成社会的公共资源。


校对:李立军

 联系我们:futurecity@xjbsmartcity.com