8月29日-8月31日，2019第二届世界人工智能大会（WAIC）在上海召开，有幸能够近距离接触此次盛会，众多名家云集，深感看到的学到的东西很多，也深知自己的水平与各位高手望尘莫及，有很多需要努力的地方要紧跟脚步。

现就在WAIC中的见闻与思考做一些总结，以飨读者，也欢迎有不同看法的读者尽情留言讨论。

AI应用落地：热潮将至 机遇众多

关于WAIC三天大会的精彩核心干货，我这里就不班门弄斧了，机器之心给各位都已经整理的非常全了（第一天总结、第二天总结、第三天总结）。这里我就我看到和听到的给出自己的分析与见解。

整体来看，WAIC整个会议的水平比日常各种技术分享活动要高很多，主要原因其实是AI不仅仅是IT工程师们的事业，更多的还有众多学科人才的加入，使得这个曾经是计算机及数学界独享的“高端”领域，逐步变为一处各个学科与各个行业都可以参与、使用与分享知识技术的天地。也由此使得AI领域发展到现在，已然成为了全人类憧憬下一个未来的新技术。

在第二天参加的“TensorFlow：智在，启无限”的宣讲论坛上，TensorFlow邀请了几位使用TensorFlow深度学习框架技术制作出应用的几个开发者同与会者分享（见上图，由上到下依次为安徽中医药大学胡继礼老师的《机器学习在中药饮片识别中的应用》、兰州大学武强老师的《DeepFlying——基于TensorFlow的飞天服饰创新》、Google AI研究员黄成之《通过机器学习让音乐创作简单易上手》）。其个中都有着超出技术本身的AI应用意味。而在WAIC召开期间，互联网上一个名叫“ZAO”的换脸APP也突然火了起来，这个以生成对抗网络等一系列深度学习算法为基础的AI应用出现所带给每个人的影响，不止是一个视频换脸或者隐私争议那么简单。更多的，由点及面的，我们看到的是每个人能够非常容易地开发或生成一个AI应用、每个人能够通过AI应用来获取到更便捷的生活方式和更丰富的文化娱乐情景。

**这不禁令我们想到上一个改变我们生活的技术——互联网，而AI，极有可能是下一个与其有同样影响力的技术栈。**而现在AI应用们的出现仅仅是个雏形，而且仅仅多是在文娱方面，在其他方面的发展仍是一片荒野——虽然仍有零星的绿洲存在。但无论现在是怎样的，未来AI应用走入现实生活的步伐将会越来越快，AI场景需求的多元化也会随着5G的商用推动物联网的发展而更加丰富。而什么是5G+AI+物联网场景下的“王者应用”呢？又有多少独角兽公司能够抓住这个时代的机遇迎风而上呢？我想在当下，每个人心中都有自己的答案。

第三天的开发者日是干货最为丰富的一天，关于NLP创新、AutoML、深度集成学习、Julia语言等内容，通过重磅嘉宾的分享掀起了会场内外的各种讨论。关于技术细节我这里也不班门弄斧了，只想说一个我注意到的细节：**所有新技术的讨论都是在已有的框架基础上的革新，不论是效率上的提升、还是更好的易用性、更强大的功能，均是如此。**我们可以看到近些年科研工作者和开发者们的努力，正让机器学习、神经网络与深度学习的未来应用前景更加明朗。

第三天下午会场中，我无意中逛到了WAIC的闭幕式会场，这个会场在日程表上压根就没有写（是的，你没看错，我至少翻了三遍参会指南都没看到）。而闭幕式上，包括市长应勇在内的市领导悉数到场，可见上海是十分重视AI的发展了。

(相比上海，最先发布各种关于人工智能政策文件的山东，一些东西还仍然在政策文件上，作为家乡人真的很为山东着急啊！)

当然，会上各种发榜与仪式，而关于上海市有关世界人工智能大会上发了哪些政策与名单，感兴趣的可以点击这里查看官方的报道。

深度学习的冬天：是噱头 还是危机信号？

当然，这个节标题的起名跟WAIC本身会场议题没有关系。而是最近看到的CNCC 2019中第四天上午的一个会议议程。

说句实在话，这个议题着实让我对这个演讲和这个演讲者产生了浓厚的兴趣，甚至马上要掏出接近两千块钱来报名CNCC……（然而没钱）

不过仔细思索起来，这个议题也不是什么空穴来风，毕竟说句实在话，现在的深度学习是建立在神经网络的基础上，也就是说，深度网络可以理解为由多层且复杂的神经网络产生的模型，而通过深度网络进行的模型训练学习，即为深度学习。那么回溯技术源头，深度学习其实仅仅是将神经网络复杂化、规模化所创造的一个领域，其从神经网络的衍生完全取决于现代计算机性能与算力的提高。而深度学习本身并无特别多的新技术，只要机器多，深度大，绝大部分神经网络都可以成为深度学习的范畴。

当然上面对深度学习的解释说法仅仅是一种通俗的说法，可能有些方面并不是特别准确。但是关于其依赖技术的无新颖性，我们可以深刻的想一想。深度学习本身贡献给神经网络领域的，也仅仅是其关于神经网络在发展到一定规模后如何高效的工作这些方面的算法，其在基本的算法方面，本身仍沿用“老一套”的算法底子。

这不禁让我们吸一口冷气。

而不仅是深度学习，包括机器学习、神经网络在内的很多人工智能领域基础学科，目前基础理论的研究情况不容乐观。**一个是未见有更有创新性的算法在学科内出现，更多的是优化与改变；另一方面是神经网络对于人类仍然是一种黑盒，不知如何解释其成因是一个非常严肃的问题。**人工智能从上世纪五十年代开始至今已然经历过至少两轮巨大的波折了，那么现在发展到这个程度的机器学习、神经网络、深度学习等人工智能领域，会不会到了现在这个阶段的天花板？AI跌落神坛的历史会不会重演？这一切都取决于这一代人的努力的情况。

不过，对于现阶段AI应用的落地，目前的技术已然足够。对于世界上的绝大部分人来说，现阶段AI的前景，至少还有十年期的发展机遇。然而，警惕仍不能放松，接下来人工智能领域基础学科的发展是什么样的，仍然是关键的风向标。可以说，如若AI应用落地能看到十年发展机遇，那么人工智能领域基础学科的发展，能让我们看到半个世纪后的未来。