5月27日，2017全球机器智能峰会(GMIS 2017)在北京898创新空间开幕。作为全球人工智能产业信息服务平台机器之心举办的首届大会，GMIS 2017邀请了来自美国、欧洲、加拿大及国内的众多优异专家参会演讲，其中包括LSTM的发明者-Dalle Molle 人工智能研究所副主任Jürgen Schmidhuber、Citadel 首席人工智能官邓力、腾讯 AI Lab 副主任俞栋、英特尔 AIPG 数据科学部主任Yinyin Liu等。专家们的权威前沿理论为人工智能从业者、爱好者带来一场思维与智慧的盛宴。

　　中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃为本次大会做了开幕式致辞，他表示：“我认为在未来， 90%的工作是人工智能提供的，就像我们今天的大部分工作是机器提供的一样。我们的工作就是尽快让我们的鞋底也像人一样聪明，而不是鞋底比我们聪明，这就是人工智能给我们提供工作的机会，人工智能会给我们提供一个更美好的未来。”

　　王飞跃

　　Jürgen Schmidhuber首先发表了以《真正的人工智能会改变一切》为主题的开场演讲中对 20 世纪的人工智能进行一次简要的回顾，并对未来做出了展望。

　　1997 年，他和 Sepp Hochreiter 共同撰写了一篇论文，其中提出了一种利用记忆功能来增强人工神经网络(模拟人类大脑的计算机系统)的方法，即根据之前获得的信息，添加解释文字或图像模式的循环。他们称之为「长短期记忆网络」(即 LSTM)。今天，LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。而在 LSTM 的研究之后，Jürgen 的团队继续朝着自己的通用人工智能目标前进。他们在 2015 年研发出了具有好奇心的自我学习人形机器人。这种机器人可以通过自己的机械臂与世界接触感受并学习重力等概念。这距离自我学习人工智能的目标又更近了一步。

　　Jürgen Schmidhuber

　　Jürgen 表示：“我们可以远远超出今天的可能性，通过新的元学习和机器好奇心创造更多可能性，优化程序搜索和大规模强化学习神经网络的效率，带来新的突破，改变一切。我曾在 20 世纪 70 年代说过：‘构建一种人工智能，超越我自己，然后让我退休。’”

　　随后，Citadel 首席人工智能官邓力在《无监督学习的最新进展》的演讲中，探讨分享了无监督学习的优势，并详细介绍了随机原始-对偶梯度方法(SPDG)与其优良的性能。邓力表明，无监督学习比监督学习更有趣，但是也更困难。因此可以使用更多的一些数据来进行学习，比如说像其提到的 SPDG 方法，该方法不需要进行标记，但它可以直接进行学习来听声音的识别或者做一些翻译。业界需要更多的发明来使无监督学习更加地有效。

　　“其实我们人类还是很有希望的，因为在未来有越来越多的技术以后，人类就可以有更多的价值。”邓力认为，认为虽然监督学习很有希望，但未来的趋势还是无监督学习。

　　邓力

　　在前沿技术方面，腾讯 AI Lab 副主任&西雅图人工智能研究室负责人俞栋还带来了语音识别领域的前沿研究。他认为，更有效的序列到序列直接转换的模型将是语音识别当中的第一个前沿研究方向，更有效的序列到序列直接转换的模型目前来讲主要有两个方向：CTC模型与Attention 模型，然而两个模型都存在一些问题，目前非常好的的解决方案就是把 CTC 与 Attention 结合起来，以达到 1+1 大于 2 的结果。此外，俞栋还总结了语音识别的另外三个前沿研究方向：鸡尾酒会问题、持续预测与适应的模型、前后端联合优化。

　　俞栋

　　在27日当天，还有多位专家通过主题演讲、圆桌论坛等互动形式，从科学家、企业家、技术专家的视角，分别解读了人工智能的未来发展。如英特尔 AIPG 数据科学部主任Yinyin Liu探讨分享了如何用同一种模型为不同行业提供解决方案，以及如何让各个行业的专家建议推动整个人工智能生态系统的发展;今日头条副总裁&人工智能实验室负责人马维英则分享了今日头条在人工智能时代，面对着信息流的机遇和挑战，如何利用人工智能促进人类社会的信息交流与写作。

　　27日下午的时间属于三场主题Session。在Session 1 机器学习 (Machine Learning)中，俄亥俄州立大学感知与神经动力学实验室主任&大象声科首席科学家汪徳亮详解了基于深度学习的语音降噪技术;地平线机器人创始人余凯则在以“深度学习引领驾驶革命”为主题的演讲中，分享了如何在自动驾驶中构建深度学习。接下来，清华大学智能技术与系统国家重点实验室朱军探讨分享了贝叶斯深度学习模型的计算平台：珠算;亚马逊 AWS 总监Leo Dirac介绍了MXNet在分布式机器学习训练中的优势。

　　汪徳亮

　　第二场Session 机器学习交叉研究( Interdisciplinary Research with Machine Learning)同样是干货满满。纽约大学心理学教授、 Geometric Intelligence 创始人&畅销书作者Gary Marcus认为，在通往通用人工智能的道路中，人们可以把解决复杂问题的思路用到 AI 领域的前进上，采用跨领域专家合作的形式。北师大认知神经科学与学习国家重点实验室教授、IDG/McGovern 脑科学研究所研究员吴思发表了主题为《视觉信息处理的动态法则》的演讲，他认为，人工智能应该向生物智能学习动态信息的处理，而要处理动态信息，预测是关键。在这一Session中，加拿大麦吉尔大学语言学副教授&科幻电影《降临》科学顾问 Jessica Coon与杉数科技联合创始人、首席科学家&上海财经大学交叉科学研究院院长葛冬冬分别分享了“外星人、田野调查和通用语法”及“在人工智能时代，运筹学能做些什么?”。这一场Session在圆桌论坛中结束。

　　Jessica Coon

　　在随后的Session 3 先锋青年 (Young Pioneers in MI)中，第四范式联合创始人&首席研究科学家陈雨强、NIPS 2016 非常好的论文「VIN」作者之一吴翼、加州大学伯克利分校计算机系在读博士姜碧野等嘉宾先后发表演讲或参与圆桌论坛，充分展示了机器智能时代的青年先锋视野。

　　在当天，与会嘉宾对于峰会设置及主办方机器之心给予了高度认可。从无监督学习到交叉学科，众多全球人工智能领域前沿专家学者在GMIS 2017中发表了干货十足的演讲，分享了他们对于机器学习研究现状以及未来的看法。这些前沿观点，无疑将成为推动人工智能继续发展的的宝贵财富。