AI技术诞生不到一百年。逐渐占领金融、信息、医疗、自动驾驶等领域。在这个人工智能技术全面发展和落地的黄金时代，我们应该如何看待人工智能的下一个十年？未来AI领域会有哪些创新？AI举办的“AISummit全球人工智能技术大会”将为您揭晓答案。8月6日，“AISummit全球人工智能技术大会”以线上直播的形式如期开幕。上午在主会场，中国人民大学高瓴人工智能学院副院长兼主编崔康、副院长窦志成、Meta/Facebook人工智能研究院高级经理田元东、潘科大讯飞研究院副院长庆华、谷歌高级工程师兼高级经理周宗伟、火山引擎机器学习系统负责人项亮、微软必应广告文本生成算法负责人刘毅等七位资深专家业界，从企业技术领袖的角度，为数万名与会者解读了人工智能技术的现状与趋势，从业者需要关注的最新研究成果，以及前沿技术对行业的影响行业。在主会场的开幕致辞中，副会长兼总编辑崔康先生表达了对人工智能技术本质的理解以及对大会的期待。他认为，人工智能发展至今，不再是IT领域的细分技术，更像是一种通用技术。在人工智能飞速发展的背景下，我们应该正视技术、产业和开发者之间的矛盾，为他们寻找新的解决方案和案例线索。同时，崔康先生表示，人工智能技术和人工智能开发者正在让世界变得更美好。希望本次“AISummit全球人工智能技术大会”能够弥合技术、产业和开发者之间的矛盾和鸿沟，寻求技术在行业的落地，为行业寻求技术突破，为开发者谋求职业提升。人工智能信息的自由流动促进了技术、产业和开发者的融合发展。下一代智能搜索技术展望搜索引擎从诞生到现在已经20多年了，其形式和结构都没有太大的变化。随着互联网的发展和智能设备的普及，人们对信息尤其是复杂信息的需求与日俱增。传统的搜索方式已经逐渐难以满足人们日益增长的信息需求。中国人工智能高瓴人工智能研究院副院长窦志成在《下一代智能搜索技术展望》的主题演讲中表示，搜索引擎广泛使用的关键词和文档列表已经不适合当前的信息获取需求。未来的搜索将具有会话式、个性化、多模态、知识丰富、去索引化五个特征，能够处理多模态信息，能够处理和返回知识。在架构层面，未来肯定会突破现有模式，逐步过渡到以模式为中心的新模式。现实场景中决策的机遇与挑战近年来，深度学习在处理自然数据输入方面取得了显著成果。然而，如何利用深度神经网络处理结构化数据，寻找一种神经网络解决方案来替代人类对离散优化问题的启发式策略，仍然是业界尚未解决的核心问题。在《现实世界场景决策的机遇与挑战》的主题分享中，Meta/Facebook人工智能研究员兼高级经理田远东通过Meta/Facebook人工智能团队的实际工作案例，详细介绍了如何使用强化学习和神经网络的搜索方法来寻找复杂优化问题的解决方案启发式算法的实践经验。人工智能技术发展趋势探讨了AI核心技术的不断进步，多模态融合感知和软硬件融合的发展。人工智能技术的广泛应用，为各行各业提供了更好的解决方案。那么现阶段，人工智能技术的发展还存在哪些挑战呢？在《人工智能技术发展趋势探讨》的主题演讲中，科大讯飞研究院副院长潘清华介绍了AI技术在教育、医疗、交通等领域的感知智能和认知智能的发展，落地场景和存在的挑战，提出了认知智能2.0的新概念和未来5到10年人工智能发展的5大趋势。“人工智能赋能行业，需要构建人机协同、不断进化的复杂系统，深刻改变生产方式。未来，人工智能技术在各行业的运用，必将通过构建不同的复合体来实现。”各个行业的智能系统。”潘庆华说。影响谷歌人工智能芯片设计的十大洞见随着过去几年计算机处理器摩尔定律的失效，机器学习和人工智能的应用越来越广泛，带动了对算力需求的爆发式增长。在这种趋势下，谷歌率先发现并提出了基于领域专用处理器的解决方案。谷歌高级工程师、高级经理周宗伟在主题演讲《影响谷歌人工智能芯片设计的十点认识》中，解读了谷歌过去十年在人工智能芯片设计和人工智能应用部署方面的十点理解，包括：DNN在谷歌多年的应用，以及谷歌对硬件和计算机架构行业趋势的总结。周宗伟认为，芯片开发商和用户应该关注芯片在长期使用过程中消耗的资源总量，而不是简单地设计芯片的成本和价格。“人工智能芯片的制造并不难，真正的难点在于神经网络应用编译器的软硬件长期协同进化时间太长。”周宗伟说道。大规模机器学习算力的技术演进自2014年深度学习普及以来，GPU的算力增长了数十倍。算力的提升对业务带来了巨大的影响，无论是对推荐广告、CV、NLP等都有巨大的性能提升，也为大模型的落地铺平了道路。在《大规模机器学习算力的技术演进》主题演讲中，火山引擎机器学习系统负责人项亮介绍了近十年来AI算力及算力相关模型的发展，以及火山引擎在AI领域的探索计算能力。向亮认为，随着AI算力的不断提升，未来芯片制造过程中的物理瓶颈会越来越明显，模型的增多也会让其在实际业务中落地的难度加大。为了实现大算力的落地，需要在算力供给方面寻求一些新的策略。接下来的时间里，项亮以VolcanoEngine机器学习平台为例，介绍了其团队在调度层、训练网络和存储方面的最新研究成果。在生成多样化的搜索广告文本和在线实时匹配广告文本的过程中，系统需要有离线和在线系统，生成模型需要有预训练、引导文本生成、文本质量等细分生成模型评估和强化学习。同时保证在线文本可以实时匹配。在主会场最后的演讲《多样化搜索广告文本生成及在线实时匹配》中，微软Bing广告文字生成算法负责人刘毅为与会者详细讲解了微软DeepGen中的文字生成技术，包括使用的基本模型、多样化生成等。刘毅表示，DeepGen的目标是为整个搜索广告和文本生成提供全面的支持。在具体做法上，微软利用IY和CTR的提升来提升RPM，并在此前提下，尽量保证QBR的稳定性。演讲最后，刘毅提到：“目前，DeepGen为Bing的广告系统带来了很大的提升，未来我们会继续朝这个方向努力。”总结的结束也是一个新的起点，“AISummit全球人工智能”智能技术大会的成功举办，对现阶段人工智能技术的研究成果进行了全面的总结，同时也为业界探索人工智能技术的未来演进和场景落地提出了更多新的可能，希望此次人工智能领域的技术盛会能够成为推动全球人工智能技术发展的新里程碑。AISummit大会副会长兼主编兼总策划崔康先生表示，对于人工智能技术，我们希望AI是一种技术向善的手段。在未来设定新的目标，告诉大家与会者表示，人工智能技术和人工智能开发者正在让世界变得更美好！观看视频回放，请到关AISummit官方网站：aisummit.51cto.com关注【技术栈】公众号，回复【AI大会】获取大会PPT
