【新闻稿】《基于大数据的人工智能》讲座

2017年2月25日下午，SAP硅谷创新中心数据科学家邬学宁先生受复旦CS创新创业中心、清平道场、MSE Club、金融IT人才标准研究中心的联合邀请，于邯郸校区第三教学楼举办了一场名为“基于大数据的人工智能”讲座。

邬学宁先生从人工智能在日常生活中应用实际出发，介绍全球不同领域内人工智能的成功应用案例，说明人工智能成为未来三十年内对人类影响最大的技术的可能性。他介绍道，以Amazon为代表的人工智能应用，以Linkedin为代表的简历匹配应用，以Facebook为代表的社交系统，影片、饮食、课程推荐等，人工智能在不同领域中均有广泛的应用。尤其在自然语言处理（NLP）中作者风格识别、微软Cortana、亚马逊Alexa、机器翻译、Skype实时翻译、美国中央情报局Palantir，在医疗领域，乳腺癌腺细胞有丝分裂侦测、预测新药物毒性、理解基因突变疾病预防、语音冠心病诊断、脑电扫描侦测自闭症儿童等新兴领域也有重要应用。而机械论主导下的机器人设计，无人机开发，人工智能威胁论（assistant or killer），在诸多行业也造成一定威胁，比如Scott Horsley和Wordsmith撰稿对比，机器撰稿水平已十分接近作者。德勤提出的“机器智能”（machine intelligence）及其算法重新定义了人工智能。目前的人工智能理论分为两派，统计学习（statistics learning）和认知科学量子力学启发下的学习算法。讲座第二阶段逐次详细介绍了人工智能（AI）定义、发展历史、人工智能其交叉学科本质、机器算法简史、算法分类，强调了AI作为一门科学，使机器像人一样思考和像人一样行动（图灵测试），其“理性”为最大化实现预定的目标，仅与决策相关（非思考过程），目标以结构的适用性来表达，理性即为最大化实现既定目标（utility）。人工智能理想构建的系统是通过建模学习不断改善其行为来实现的，归纳为思考（thinking）、感知（perception）、行动（action）三个关键词。

邬学宁先生通过人工智能在日常生活工作中的实际应用引入，帮助学生理解人工智能在基本概念，不同领域的应用情况和相关知识储备，不同学科，包括哲学、数学、统计学、经济学、神经科学、心理学额和语言学对人工智能的给养，使其从图灵计算机启蒙期逐渐发展成神经网络回归（BP），概率图模型（PGM）到神经网路再次回归（deep learning）强化学习中的强人工智能（Artificial general intelligence）成为拐点。尽管人工智能有相当乐观的发展前景，但达到人脑智能能力还有一定距离。比如通过贝叶斯算法和深度学习结合，通过少量数据训练趋近人类一眼辨识的高效性。正如照片的本质表现是像素，人面部特征的五官，深度学习的本质是表达（representation），目的是利用合适表达大幅度提升机器的工作效率。遗传算法在帮助选择参数方面有一定优势，在特定领域中有较大的潜力。深度学习其“深度”主要体现在刻画逐层提取特征的多层次，每一层提取更高层次的特征。

整场讲座在同学们热烈的掌声中结束了，同学们均表示在此次讲座中收获颇丰，受益匪浅，邬学宁先生的精彩演讲赢得了同学们的广泛好评。