杭州國(guó)際博覽中心，這里曾經(jīng)是二十國(guó)集團(tuán)領(lǐng)導(dǎo)人第十一次峰會(huì)的主場(chǎng)館，5 月 26 日 CTA 核心技術(shù)與應(yīng)用峰會(huì)（杭州）同樣在這里正式召開(kāi)！

正如 CSDN 谷磊總編在大會(huì)開(kāi)幕詞中講到的，在過(guò)去 20 年時(shí)間里，CSDN 見(jiàn)證了技術(shù)浪潮從 PC互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能、萬(wàn)物互聯(lián)的發(fā)展階段，也見(jiàn)證了一代又一代開(kāi)發(fā)者從優(yōu)秀到卓越的心路歷程。在 CSDN 社區(qū)，大家開(kāi)放共享的精神，成為后來(lái)者技術(shù)精進(jìn)的階梯。

本次大會(huì)的指導(dǎo)單位工業(yè)和信息化部人才交流中心的黨委副書(shū)記陳新，也在講話中特別提到數(shù)字經(jīng)濟(jì)人才聚集區(qū)的人才建設(shè)問(wèn)題，將聚焦人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、VR/AR等前沿技術(shù)。工信部人才交流中心將通過(guò)整合國(guó)內(nèi)外專業(yè)資源，打造數(shù)字經(jīng)濟(jì)人才學(xué)習(xí)交流、創(chuàng)新創(chuàng)業(yè)、合作共贏的平臺(tái)，為當(dāng)?shù)財(cái)?shù)字經(jīng)濟(jì)產(chǎn)業(yè)的發(fā)展?fàn)I造良好的產(chǎn)業(yè)發(fā)展生態(tài)。

隨后，大會(huì)就進(jìn)入了全天的技術(shù)風(fēng)暴中，來(lái)自阿里巴巴達(dá)摩院、騰訊音視頻實(shí)驗(yàn)室、Hulu 研究院、騰訊優(yōu)圖、滴滴、微博等科技公司的一線技術(shù)專家，帶來(lái)了當(dāng)下最新的技術(shù)成果與解讀，為開(kāi)發(fā)者在機(jī)器學(xué)習(xí)的研究與應(yīng)用之路提供了深度、有價(jià)值的意見(jiàn)。接下來(lái)，就跟著營(yíng)長(zhǎng)一起回顧今天不可錯(cuò)過(guò)的精彩內(nèi)容。

華先勝：AI技術(shù)與應(yīng)用成功的關(guān)鍵因素是創(chuàng)造價(jià)值

阿里達(dá)摩院城市大腦實(shí)驗(yàn)室負(fù)責(zé)人華先勝指出，人工智能技術(shù)發(fā)展“潑了一盆冷水”，然后指出 AI 技術(shù)和應(yīng)用成功的關(guān)鍵因素是創(chuàng)造價(jià)值：錦上添花、雪中送炭、無(wú)中生有，最后是形成商業(yè)價(jià)值。

隨后，基于阿里在大規(guī)模AI應(yīng)用場(chǎng)景的基礎(chǔ)，他從視覺(jué)智能、視覺(jué)智造、視覺(jué)診斷和城市大腦四個(gè)層面具體講述了以機(jī)器視覺(jué)為主的技術(shù)應(yīng)用案例。以視覺(jué)搜索為例，其中的關(guān)鍵技術(shù)是特征學(xué)習(xí)以及索引和搜索系統(tǒng)，從其應(yīng)用中得到啟發(fā)是視覺(jué)搜索應(yīng)該關(guān)注核心需求：技術(shù)至上vs應(yīng)用先行、剛性需求vs錦上添花、用戶先行vs數(shù)據(jù)先行。

而視覺(jué)智造的主要應(yīng)用有視覺(jué)編輯（比如廣告植入）、自動(dòng)平面設(shè)計(jì)等。對(duì)此，他給出了實(shí)踐經(jīng)驗(yàn)：要?jiǎng)?chuàng)造一個(gè)需求（不只是來(lái)自設(shè)計(jì)師），只和行業(yè)頂尖高手合作，另外，要先關(guān)注剛性需求，而不是炫酷的技術(shù)，要用商業(yè)創(chuàng)新反哺技術(shù)創(chuàng)新。

最后，他總結(jié)了對(duì)人工智能技術(shù)實(shí)踐的看法。第一，人工智能發(fā)展勢(shì)不可當(dāng)，進(jìn)展迅猛，局限巨大，無(wú)行業(yè)不 AI；第二，不深入行業(yè)，就沒(méi)有深度的AI，AI+算力+數(shù)據(jù)等于價(jià)值，要首先看到價(jià)值到底是什么；第三，人工智能發(fā)展機(jī)會(huì)非常多，要用AI做人力所不能及的事情，要讓AI服務(wù)于人。

高孟平：音視頻領(lǐng)域應(yīng)用落地廣泛，未來(lái)挑戰(zhàn)同樣艱巨

騰訊音視頻實(shí)驗(yàn)室專家研究員高孟平講述了騰訊音視頻實(shí)驗(yàn)室的多模態(tài)機(jī)器學(xué)習(xí)技術(shù)在人眼視覺(jué)服務(wù)中的落地情況。他表示，在視頻服務(wù)里有幾個(gè)重要的環(huán)節(jié)，如視頻理解、處理、編輯、質(zhì)量評(píng)估。利用深度學(xué)習(xí)等AI技術(shù)、基于人眼視覺(jué)標(biāo)準(zhǔn)的端到端視頻處理平臺(tái)，在視頻理解、視頻處理、質(zhì)量評(píng)估等三個(gè)方向有非常深入的研究。

隨后，高孟平從視頻、音頻、圖像三方面分別講述了智能封面的架構(gòu)。關(guān)于未來(lái)的工作與挑戰(zhàn)，高孟平舉了兩個(gè)例子進(jìn)行說(shuō)明。一是 Semi-Reference Architecture，二是使用圖像美學(xué)（Image Aesthetics）的通用模型，因?yàn)橛行﹥?nèi)容是無(wú)法用精彩視頻描述的，如QQ音樂(lè)、K歌等，沒(méi)有特定的動(dòng)作。如果直接透過(guò)圖像美學(xué)的評(píng)價(jià)，不用精彩視頻，或許也是一個(gè)好的解決辦法。

謝曉輝：推動(dòng) AI 認(rèn)知，解決語(yǔ)義的鴻溝，需要借助知識(shí)圖譜等技術(shù)

Hulu首席研究主管謝曉輝分享了視頻理解在個(gè)性化推薦與內(nèi)容發(fā)現(xiàn)中的應(yīng)用，內(nèi)容涉及視頻理解在內(nèi)容冷啟動(dòng)、視頻精細(xì)化標(biāo)簽和分組、深度推薦模型中的應(yīng)用等。

隨后在 Panel 環(huán)節(jié)中他還提到，所有在 AI 領(lǐng)域深耕的人，包括 Hulu，都會(huì)發(fā)現(xiàn)語(yǔ)義的鴻溝仍然是一個(gè)非常具有挑戰(zhàn)性的問(wèn)題，這最終還需要借助知識(shí)圖譜等技術(shù)，來(lái)幫助整個(gè)AI認(rèn)知取得新進(jìn)展。

彭靖田：TensorFlow 2.0 力圖實(shí)現(xiàn)普惠 AI

谷歌機(jī)器學(xué)習(xí)專家彭靖田以《TensorFlow 2.0實(shí)現(xiàn)AI大眾化》為題進(jìn)行了演講。他為大家分享到：TensorFlow 2.0 力圖打造易于上手、性能強(qiáng)勁和靈活通用的端到端機(jī)器學(xué)習(xí)平臺(tái)。通過(guò) tf.keras 定義的高層次機(jī)器學(xué)習(xí) API，用戶可以快速驗(yàn)證模型效果、一鍵實(shí)現(xiàn)分布式訓(xùn)練、跨平臺(tái)部署模型等。未來(lái)，TensorFlow 社區(qū)將持續(xù)提升用戶體驗(yàn)，真正實(shí)現(xiàn)普惠 AI。

彭湃：讓 AI 更有溫度，“科技向善”也是使命之一

騰訊優(yōu)圖實(shí)驗(yàn)室高級(jí)研究員彭湃為大家講述了內(nèi)容審核工作中 AI CV算法的實(shí)踐與應(yīng)用。AI 出現(xiàn)之前內(nèi)容審核的方式都是人工審核，人工審核一百?gòu)堖`規(guī)照片需要 12 分鐘左右，如果是 AI，只需要 1 秒鐘。而 AI 審核模型是通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，從實(shí)際業(yè)務(wù)場(chǎng)景中探索出雙模型級(jí)聯(lián)合結(jié)構(gòu)——DeepEye。數(shù)據(jù)是核心彈藥，如何構(gòu)建符合實(shí)際需要，性價(jià)比高的數(shù)據(jù)？采用主動(dòng)學(xué)習(xí)機(jī)制進(jìn)行數(shù)據(jù)積累，通過(guò)數(shù)據(jù)引擎挑選出值得標(biāo)注的數(shù)據(jù)。

如何把網(wǎng)絡(luò)模型 ResNet-152 變?yōu)?ResNet-50，效率提升 2 倍，精度損失降低于 1%？在性能優(yōu)化工作中設(shè)計(jì)了 Deepsmart 高效模型，采用知識(shí)蒸餾兼顧大模型效果與小模型的效率，以及有助于提升模型魯棒性的數(shù)據(jù)擴(kuò)增工作。20年后的今天，AI 帶來(lái)這么多的技術(shù)的升級(jí)，“科技向善”也是 AI 的使命之一，我們 AI 從業(yè)者需要有更多的社會(huì)責(zé)任感和擔(dān)當(dāng)，讓AI更有溫度，科技向善，以人為本。

謝迪：動(dòng)態(tài)恒常性是深度學(xué)習(xí)模型優(yōu)化和穩(wěn)定性的核心

?？低?/u>研究院前沿技術(shù)部負(fù)責(zé)人、資深算法專家謝迪講述了團(tuán)隊(duì)在完善機(jī)器學(xué)習(xí)流水線上的實(shí)踐，包括信息生成（Annotation）、模型訓(xùn)練（Train）以及部署（Deployment）。通過(guò)分析信息初始化方法（即靜態(tài)恒常性和動(dòng)態(tài)恒常性）的一些特點(diǎn)和優(yōu)勢(shì)，可以得知：訓(xùn)練一個(gè)真正的深度網(wǎng)絡(luò)，批量標(biāo)準(zhǔn)化是必要條件；二動(dòng)態(tài)恒常性相比靜態(tài)恒常性更為重要；三是相較于單個(gè)方向保持動(dòng)態(tài)恒常性，在訓(xùn)練時(shí)保持兩個(gè)方向同時(shí)保持動(dòng)態(tài)恒常性，才是解決問(wèn)題的關(guān)鍵；四是如果模型非常深，可能還需要顯示對(duì)傳播的信號(hào)進(jìn)行調(diào)控調(diào)試。