6月1日，以“深度视野，对话未来”为主题的首届“中新人工智能高峰论坛”在新加坡·南京生态科技岛召开。
本届高峰论坛由南京市人民政府、新加坡企业发展局、江苏省经信委、江苏省商务厅、江苏省人民政府外事办公室作为指导单位，南京市商务局、南京市建邺区政府、中国人工智能学会主办，新加坡·南京生态科技岛管委会、中新南京生态科技岛开发有限公司承办，以及镁客网参与协办。
AI成熟吗？AI今年在哪个阶段？会不会又有一个冬天的到来，学者是怎么看人工智能？企业在做AI技术落地应用的时候又遇到了什么瓶颈？这次中新AI高峰论坛给出了业内人士对这些问题的思考。
深度学习遇到的现实难题
在中新AI高峰论坛上，南京大学计算机科学与技术系主任、人工智能学院院长、欧洲科学院外籍院士周志华谈了他关于机器学习前沿思考。“机器学习无所不在，很多AI应用背后关键支撑就是机器学习技术。”
周志华院士的第一点思考是技术上的考虑，他说深度神经网络是由多层的、可参数化以及可微分的非线性模块所构建，它需要用BP算法来训练，但是在一些图像、视频处理任务上，深度神经网络并不是最佳的选择。“当我们重新审视神经网络模型的时候，是不是可以基于不可微构件进行深度学习？”
基于对深度学习的反思，周志华院提出了他们自己的“深度森林”模型，“这是第一个‘非神经网络’、不使用BP算法训练的深度学习模型”。目前，该套模型已经应用在蚂蚁金服的反套现检测上，并且被证明是目前性能最好的模型。
其次是机器学习解决的任务，以围棋对弈为例，它其实属于封闭静态环境的任务，而以往的机器学习也非常擅长解决这种封闭静态环境任务，但是我们今天的任务是如何在开放环境下做更好的机器学习，周志华强调最关键的就是鲁棒性：要求人工智能必须很好的应对未知环境，是通往鲁棒人工智能的核心环节。
云知声创始人CEO黄伟则认为，我们的深度学习和过去比只是层次变得更深了。因为依托于互联网的红利，我们有很多数据，同时我们有英伟达GPU的基本单元，使得我们可以使用更加复杂的网络来解析我们在以前不能处理的一些现实问题。
如果深度学习是AI非常关键的技术，那么数据则是深度学习模型的元基础。而AI的竞争其实也是数据知识的竞争。但很多AI落地应用都会遇到数据方面的问题，欧洲科学院院士、德国人工智能研究中心科学董事汉斯·乌思克尔特就提到了内部数据和外部数据结合的难题。
“以智能工厂为例，由于外部的数据来源都是非结构性的数据，比如视频、语言这样的文本信息，但是内部的数据是结构性的，所以结合起来就有难度。”
其实关于非结构性数据的转化问题，在智慧查案系统中，也存在着相同的问题，南洋理工大学计算机科学与工程学院教授、智慧国家研究中心主任林国恩就在会上谈到了纸质文本内容数字化的问题，“因为很多传统数据都是纸质的，所以在数字化的过程有很多人为的错误是难以避免的。”
一方面是非结构性的数据转换问题，另一方面数据的研究存在断层，联想集团副总裁、人工智能实验室负责人徐飞玉提到了“数据和知识方面高校有很好的人才，然而大部分情况下数据是存在企业中，但是企业没有财力投入数据研究，这是一个矛盾。如果大的互联网公司的数据和高校合作，那我们的进步会更大。”
数据之外，现在应用最广泛的AI技术莫过于计算机视觉，但现在做计算机视觉技术的企业那么多，到底要如何辨别优劣呢？
云从科技联合创始人温浩表示，以人脸识别为例，在一些关键性的应用领域，比如公安安防方面，仅仅用一些开源软件的组合是不够的，技术需要全方位的积累。
对AI有敬畏之心，不看热闹看门道
作为国内AI研究第一人，中国工程院院士、欧亚科学院院士、中国人工智能学会理事长李德毅院士探讨了AI是如何成为经济发展新引擎和社会加速器，其中的加速器指的就是AI+。
李院士谈了AI对制造业、教育、医疗以及金融业的冲击，以教育为例，他提出几点问题“今后我们还要不要花那么多时间去学习外语？以后还要高考吗？未来学校是不是会出现很多机器人老师？”
而从AlphaGo到围棋脑，李德毅院士还再三强调了我们要对AI有敬畏之心，“不要说我们做的东西是最智能的，大家不能看热闹，要看门道。做事情要务实。”
而周志华院士在会上提到虽然目前AI的广泛应用代表是互联网行业，但是现在在一些数据量小的领域，AI的应用前景可能更大。
以AI+医疗为例，科大讯飞近些年也做出了不少成绩，科大讯飞轮值总裁陈涛提及了科大讯飞的认知智能案例：AI医生通过了国家执业医师资格考试，在90万考生中排名3700多位，同时，这个AI医生作为辅助诊疗的系统也已经应用在医院。
陈涛举了个AI进行精准治疗的具体例子，去年他们合作的医院接受了一名患者，AI发现这位患者除了再生障碍贫血之外，还有白血病。经过深度检测，AI医生认为病人应该转科室进行治疗，最终经过一周治疗后，病人出院了。
但是AI在医疗的应用中并不是一帆风顺，新加坡科学院院士、新加坡国立大学智能系统中心主任黄铭钧解释了医疗数据系统的运作情况，他指出，医学数据的收集是非常复杂和专业的，以数据清理为例，“我们通过机器实现90%的一个清洁，最后还有10%的工作需要医生和护士来做。”
无独有偶，依图科技人工智能科学家吴双也持相同的观点，他觉得人工智能革命是产业的数据层和决策层的全面升级，但在这中间有很多不是人工智能能做的，特别是在医疗领域，医疗的信息化工程是非常复杂和全面的系统。
对于AI落地的现状，专注于自动驾驶的主线科技创始人张天雷也谈到，“人工智能比较热，真正把人工智能做到落实，我们发现当中还是有很多很多困难，基本上属于摸着石头过河。”
而云知声的黄伟强调人工智能落地是需要深耕去做的，不是大家拿着一个计算机冲进一个行业，“瞬间革命的行业，这是一个不切实际的幻想。”
虽然很多人觉得AI可能还处在早期阶段，离我们真正理解的AI还有点远，但小i机器人创始人朱频频并不这么认为，他认为AI其实已经就在我们身边了，并不是那种完全达到人类智能的才叫人工智能，给AI定义清楚行业就能有序的发展。
更凸显“个人英雄主义”的AI产业，如何进行人才教育？
最近刚成为南京大学人工智能学院院长的周志华院士，一再强调了AI产业发展真正需要的是人才，他指出和传统软件产业不同的是：AI领域内个别人的聪明才智如果能带来算法上的突破，可能就真的带来生产力。所以，他认为“与一般软件产业相比，AI产业更凸显‘个人英雄主义’。”
基于AI行业的这个特点，也更深刻地决定了我们对人工智能的人才培养是至关重要的。
关于如何培养人才，来自新加坡科技设计大学的张道昌校长分享了他们SUTD在创新高等教育上的几个方向： 第一要打破孤岛，要有跨学科的学习；第二是培养技能能力，有超过书本以外的知识；第三提供灵活、有选择的多样化教育，因材施教；第四是教育方式的创新，比如数字化的技艺平台；第五是整合和行业的关系。
加拿大西安大略大学教授、数据挖掘及商业智能实验室主任、加拿大工程院院士凌晓峰则认为我们要能更好的学会应用新的知识，也就是创造力。同时，在孩子教育方面，要训练我们孩子的思维能力和方法。
这也和新加坡理工大学副校长罗汉中的想法不谋而合，他提出在AI浪潮下，每个小学生都需要学编程。
在去年国务院印发的《新一代人工智能发展规划》中也提到，“在中小学阶段设置人工智能相关课程、逐步推广编程教育、建设人工智能学科。”
就像徐飞玉所说，“AI竞争最关键的是人才”，AI人才的培养是目前产业发展的重中之重，这也是一个国家AI制胜的基础战略。
最后，南京的AI在生态科技岛起飞
同时，本届AI高峰论坛还在会场安排了中新双方AI企业产品演示区，包括科大讯飞、小米、中科创达、云知声等在内的多家中方企业展示了在智慧城市、智能语音、智能家居、国产AI芯片等领域的领先技术及产品，新加坡企业则展示了安德医智医疗智慧影像、NDR手术机器人及智慧马拉松系统。
在国家大力助推的政策和产业背景下，本届中新AI高峰论坛对生态科技岛作为国内首个“人工智能岛”发展规划也进行了研讨，智慧碰撞，为生态科技岛发展人工智能产业，同时吸引国内外优秀人工智能企业及科技领军人才落户提供智库支持。
另外，这次论坛上，在众多院士、专家和企业家的见证下，签约多项AI项目包括： 中新人工智能联合研究中心、南洋高科技创新中心等重点项目、AI智慧马拉松项目。
预计今年下半年，由南京市建邺区政府主办的首届AI马拉松赛事也将在生态科技岛举办。
最后，以此次中新人工智能论坛的召开为重要节点，AI从业者一方面看到专家学者是如何解读技术应用趋势、行业发展路径，另一方面通过引入新加坡AI发展的经验和成果，也将助力生态科技岛打造AI名片，当然，更重要的是提升南京在国家AI战略布局中的实际作用和战略意义，助力中国人工智能走向世界巅峰。
