2018 CAAI智能传媒学术峰会顺利开幕！

10月13日，2018 CAAI智能传媒学术峰会顺利开幕！本文献上北京印刷学院教授、CAAI智能传媒专委会主任曹鹏教授，中国传媒大学脑科学与智能媒体研究院院长曹立宏教授，新智元创始人兼CEO杨静女士，首都师范大学教授、CAAI教育工作委员会主任王万森教授等在人工智能与传媒领域中，学术、产业界优秀领跑者的精彩演讲，共同探讨“媒生万物到万物皆媒”的未来。

在人工智能快速崛起的现代，许多传统行业正或多或少的被AI所影响着。同时，由于AI的赋能，使得这些行业或领域正以前所未见的速度快速发展。正如新智元创始人兼CEO杨静女士在大会中所述，“未来的发展将是遵循AI摩尔定律”。传统企业的转型、超级AI生态的构建，将是未来发展的必然趋势。

2018 CAAI智能传媒学术峰会是由中国人工智能学会和北京市大兴区人民政府联合主办，由北京印刷学院和中国传媒大学联合承办的“人工智能赋能传媒行业”的高端学术峰会。

上午场参会嘉宾与领导

本次峰会以启幕“媒生万物”到“万物皆媒”为主题，旨在研讨并推动智能传媒领域科技创新与发展，促进智能传媒技术落地应用。通过学术报告和面对面研讨，致力于打造智能传媒领域学术盛会。

智能传媒愿景：打造一流专家团队、传媒行业高端智库

人工智能的崛起冲击着许多传统行业，但同时也赋予了这些行业新的能量、机遇与挑战。

北京印刷学院教授、CAAI智能传媒专委会主任曹鹏教授

北京印刷学院教授、CAAI智能传媒专委会主任曹鹏教授基于CAAI发展对人工智能时代下AI赋能传媒以及智能传媒专委会建设与发展愿景，做了题为《智能传媒及发展愿景》的报告。

中国人工智能学会（CAAI）的发展

中国人工智能学会（CAAI）成立于1981年，是经国家民政部正式注册的我国智能科学技术领域唯一的国家级学会。

学会现有44个分支机构，包括37个专业委员会和7个工作委员会。

智能传媒专委会作为其中唯一的面向传媒行业的分支机构，其前身是由北京邮电大学杨先先教授创办的“智能数字内容安全专委会”。

本专委会2014年7月由学会批准正式更名为智能传媒专委会。智能传媒专委会现有委员90余名，会员600多人。

涂序彦教授（左）、杨义先教授（右）

曹鹏教授着重介绍了两位对中国人工智能学会智能传媒专委会建设具有重要意义的人物——涂序彦教授和杨义先教授。

涂序彦教授：中国人工智能学科的主要奠基人、中国人工智能学会的主要创始人之一，中国科技大学特聘教授、博士生导师。吴文俊人工智能科学技术成就最高奖等奖项。

杨义先教授：首届长江学者特聘教授、国家杰出青年基金获得者、“有可能影响中国21世纪的IT青年人物”称号、国家级教学名师等多项国家级、省部级奖励。

智能传媒：AI赋能传媒，开启传媒行业新篇章

曹鹏教授说：“很明显，智能传媒就是AI和传媒的结合。近几年，由于互联网、人工智能等前沿技术的发展，加速促进传统媒体转型与融合发展。2014年传统媒体人呼吁跨界发展、到今天智能传媒已经初步成为行业内外的普遍共识。

AI赋能传统媒体行业的大幕已经拉起。

曹鹏教授同时还表示，智能传媒是传媒科技王国金字塔尖顶的皇冠，正在加速激发传统传媒业转型发展，并不断开辟新的传媒领地，构建着新的传媒业态和生态。人工智能赋能传媒行业，已经开启了传媒业的新生态，拉开了“万物皆媒”的大幕。

智能传媒专委会建设与发展愿景

对于智能传媒专委会建设与发展愿景，曹鹏教授提出了四大维度：

打造一流专家团队：包括人工智能领域顶尖专家队伍和传媒行业顶尖专家队伍。

创建品牌科技活动：包括高端学术会议、创新竞赛以及科普活动与服务社会。

提高服务会员水平：构建高端学术交流平台、共享前沿学术资源、及时掌握准确的前沿发展趋势与动态。

打造传媒行业高端智库：做好政府和企业发展决策的好参谋、服务智能传媒人才培养和科学研究。

人工智能面临挑战的原因：理解是关键！

人工智能随着AlphaGo与李世石的一场对弈变得举世瞩目，而类脑计算也逐渐变得家喻户晓。

中国传媒大学教授、脑科学与智能媒体研究院院长曹立宏教授

中国传媒大学教授、脑科学与智能媒体研究院院长曹立宏教授在本次会议中从人工智能的一些成功案例与存在问题、面临挑战的原因分析、类脑智能与计算以及相应的一些展望四个方面，做了题为《人工智能与类脑计算的融合发展》的精彩报告。

人工智能的成功案例与存在的问题

曹立宏教授说，人工智能在国内突然受到很大的重视，想必应该是人脑与机器的决战，即AlphaGo。

近些年，人工智能取得的成功案例也很多，例如在图像识别中可以把小猫、小狗给识别出来，再接下来也可以做到多目标检测与追踪。也能将2维甚至3维的人体骨架给勾勒出来。

另外一方面，AI对医学带来了巨大的推动。例如我们做了一次胃炎、肿瘤的人机大战，当然，机器取得了胜利。

就在前几天，Nature杂志上刊登了利用AI来做息肉检测，也是达到了非常精准的状态。

这一切都是在深度学习技术的基础上进行的。那么深度学习的实现=算法+大数据+高性能计算。

AI面临挑战的原因分析

曹立宏教授表示，AI面临挑战的原因主要包括三点：动态学习（自适应学习）、鲁棒性和可泛化。

无论是Catastrophic Forgetting 、Domain Change 还是自然语言处理等，总结一句话来说——理解，是挑战。

类脑智能与计算 

曹立宏教授首先对CNN的成功与存在问题的原因做了分析：

神经元及网络模型非常简单，操作十分便捷。BP算法 – 全局学习– 具有Overfit的能力。

CNN其实是类脑的，是Brain Inspired AI(BI-AI)。

没有训练的CNN：例如，采用ImageNet20类的数据集，每类一共有100张图像，其中随机取80张作为训练集，剩余20张作为测试集 ;不同数量的卷积层 (分别为1、5和13)对网络识别性能的影响，所有卷积层均随机初始化并不参与训练 。只要在softmax分类器之前加入一层卷积层正确率就可以从22%左右提高到30%。多加的卷积层(即使仅是随机初始化)均会使得网络的识别性能比只有一层卷积层的网络有所提高。但并非越多越好。 

一些图像表面是高维的，内在却是低维的。CNN可能本身就是一个自然的方法，并用这个自然的方法来解决这些自然的问题。其它的证据：⑴稀疏编码：在大脑中是稀疏的，能耗很低。⑵tSNE方法的有效性。⑶压缩感知：如果信号是稀疏的，采样率可以很低。⑷随机投影：高维的稀疏信号可以从较少的、随机的低维角度观察获得。 

Brain-Score结果：⑴这些ANN中尚未有接近类脑的ANN（和理论值相差较远）；⑵ImageNet上表现最好的那些BrainScore更低；⑶BrainScore高的在ImageNet上表现良但不是优。⑷规模小但带RNN的Cornet_S获得较高的BrainScore。

随后对RNN的成功与存在问题的原因做了分析：

简单的RNN也会变成较长的DNN，还是离不开BP算法/大数据/高算力。

太短的记忆不够用，所以需要LSTM。但是还有许多不同的地方，例如神经模型、学习规则、学习机理等。此处要注意的是，神经信号的Spike特征是STDP时序性的必要条件。

曹教授对AI与类脑科学的一些展望 

AI面临的问题与挑战之我见

有限封闭场景中的应用：可以在工程上优化，不必类脑；优化方法不必限于深度神经网络。

开放多变环境中的应用；类脑的方法将是有效可行的途径；可以有不同程度的类脑，有效性由实践验证。

AI本质上的问题是科学+工程问题；脑科学将继续为AI带来启示，并相互发展；技术的快速发展将带来AI和脑科学的快速融合发展。

“这是最好的时代,也是最坏的时代”——狄更斯 

我们处于最好的时代 ：脑科学快速发展；高性能、量子计算机；大数据；各级政府、企业的高度重视。

我们处于最坏的时代：伦理、法律问题；不小心就会被AI干掉！

这是智慧的时代！

这是愚蠢的时代！

人工智能本科教育：以AI为核心的专业体系建设

人工智能要想稳健的发展，正确的人才培养是十分重要的。

首都师范大学教授、CAAI教育工作委员会主任王万森教授

首都师范大学教授，CAAI教育工作委员会主任王万森教授基于我国人工智能教育现状，对以人工智能为核心的专业体系建设及人工智能人才的培养模式做了深入的分析——《人工智能本科人才培养及专业知识结构探讨》。

我国人工智能本科教育的基本状况

人工智能本科教育的起源及发展 ：我国人工智能本科教育起源于2004年，智能科学与技术专业就是我国的人工智能专业，二者没有本质区别，名字不同，可差异化发展。后面统称人工智能专业 。

截止2016年，全国经教育部正式批准设立的本科专业共29个。 2016年前步履艰难。2017年新增7个，2018年新增19个。目前为止一共55个。

而按建院时间排名，在前10名的院校当中，仅有2所具有本科教育。王万森教授对此现象表示怀疑，“这只是跟风，而不是真正的教育”。

人工智能本科教育热潮兴起 ：⑴多专业并行快速发展；⑵AI学院纷纷建立。

人工智能本科教育热潮溯源 ：⑴科技进步与企业推动：算力、数据、算法；⑵政府引导与需求牵引。

而后王万森教授对人工智能教育热潮进行了冷思考 ，提出三点基本估计和两条质量准则：

三点基本估计：第一，能主动适应经济社会发展需求，具有较强的发展原动力；第二，是一种形势红利驱动下的轰轰烈烈，其内涵发展的深层次问题需要认真考虑；第三，教育的本质是树人，质量和前瞻性是其首要属性。

两条质量准则：一是学科准则；二是需求准则。

以人工智能为核心的专业体系建设

新一代人工智能的基本结构

王万森教授提出新一代人工智能的基本结构 ：

1、基础理论：

⑴重大基础理论：大数据智能理论、跨媒体感知计算理论、混合增强智能理论、群体智能理论、自主无人系统的智能技术。

⑵前沿性关键共性技术：高级机器学习、类脑智能、量子智能计算。

2、关键共性技术：

⑴知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构和新技术、自主无人系统的智能技术。

⑵虚拟现实智能建模技术、智能计算芯片与系统、自然语言处理技术。

王万森教授表示，人工智能正在形成一个新的专业类：⑴人工智能不是任何一个现有专业的子集；⑵人工智能应该是一个新的专业类 。

同时王教授还提出了以人工智能为核心的专业体系：

1. 内核：人工智能类专业的核心专业，起着“机器大脑”的作用；衍生层：直接由人工智能专业衍生出来。

2. 内核+衍生层+复合层 ：按国务院通知中“加快推进产业智能化升级”；“推动人工智能与各行业融合创新，在制造、农业、物流、金融、商务、家居等重点行业和领域，推动人工智能规模化应用” 。

3. 内核+衍生层+复合层+交叉层：按国务院通知中“重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。” 

不同类型人工智能人才的培养模式

国务院通知对高校人工智能教育的要求包含四层含义：⑴设立人工智能专业 ；⑵拓宽人工智能专业教育内容；⑶形成“人工智能+X”复合专业；⑷人工智能与现有专业的交叉融合。

专业、复合、交叉型人工智能人才的培养：

人工智能本科专业知识结构探讨

王万森教授谈到人工智能及其基本结构，他表示，人们在认识客观世界中，由思维过程和脑力活动所表现出的综合能力。

用人工的方法在机器上实现的智能。它研究如何构造智能机器或智能系统，以模拟、延伸和扩展人类智能。

对于人工智能专业的知识结构及课程体系，王教授认为：

以此为基础，王万森教授以卡内基.梅隆人工智能专业课程结构为例，并表示应“从核心课程开始就给予选修条件”：

卡内基.梅隆人工智能专业课程结构

王万森教授对人工智能本科教育的几点思考

高等教育的本质是要“树人”，质量和前瞻性是其首要属性，高校人工智能教育更是如此。

主动服务社会需求是高等教育不可懈怠的使命，增设智能专业、发展人工智能教育，是当前和今后一个较长时期的主流 。

人工智能教育是一个系统工程，相关专业应该在新一代人工智能这个大框架下协同发展。

高校人工智能教育包括了专业型、复合型、交叉型人才的培养，以及学生人工智能素养的提升。

AI摩尔定律早就伟大公司，全球巨头布局AI生态系统

新智元创始人兼CEO杨静女士

新智元创始人兼CEO杨静女士在2018 CAAI上，从AI摩尔定律与摩尔定律、中国人工智能产业生态、崛起中的超级AI系统和全球巨头的生态布局等方面做了题为《AI摩尔定律与超级云计算》的精彩演讲。

AI摩尔定律与摩尔定律

杨静女士开场提及前不久在上海举办的华为HC大会，表示华为在大会中宣布将由传统手机制造企业转型为AI企业，正是符合AI摩尔定律。

AI摩尔定律是OpenAI做了很深度的研究与分析得出的结论：AI训练任务所运用的算力每3.43个月就会翻倍，这一数字大大超越了芯片产业长期存在的摩尔定律（每18-24个月芯片的性能会翻一倍）。自2012年以来，AI算力增长了超过 300,000 倍（而如果是以摩尔定律的速度，只应有12倍的增长）。例如，英伟达公司，其快速的发展，且目前在人均产能上超过英特尔，就恰好体现了AI摩尔定律的魔力。

而“摩尔定律”50年来，按照计算能力来算，芯片每两年成本下降一半，到今天已经成为50年前价格的(1/2)^25，也就是说是当时价格的近3500万分之一。目前1.5纳米芯片制程已确认，可延续到2030年 。

杨静女士同时提到，实现量子霸权、量子计算十年内将成主流。

全球大型、巨头企业都在量子计算上投入大量的精力。谷歌：公布72位量子比特处理器；IBM：展示50个量子比特原型机；阿里：81比特量子电路模拟器“太章”。所以量子计算又将为AI摩尔定律拓宽发展的道路。

所以AI摩尔定律较于摩尔定律：以1敌40，资本看中的是增速 。

中国人工智能产业生态

杨静女士讲到中国人工智能产业生态，首先对中国新一代人工智能规划进行了解读：社会交流平台、开放知识平台、开源硬件工厂、开源软件平台、群智众创空间。如图所示：

而后提到中国人工智能发展三段论，即第一阶段“天网”、第二阶段“天算”、第三阶段“天智”。

“天网”是把物联网和互联网连接在一起，使世界的一切都变得更加数字化和全球化；“天算”是运用高级的运算能力处理海量数据；“天智”是利用海量数据，数据处理之后，实现预示预测。

崛起中的超级AI系统，全球巨头的生态布局

杨静女士认为，在AI生态构建中，云的能力很重要，全球排名前5的科技公司，如亚马逊、谷歌、微软等，都要转型成AI云公司。

谷歌云：39亿美元巨额投资AI，建立庞大AI生态圈。

软硬件+开源框架定制体系→聚揽天下英才→塑造庞大的开发者社区生态圈。

亚马逊云（AWS）：构建AI云生态闭环。

亚马逊云（AWS），全球公共云市场的领导者，凭借其可扩展性和全面的平台服务，AWS是开发和部署云和AI应用最领先的云环境之一。采取开发者&企业客户两者并重的策略，目前占据市场第一份额。

微软AI云：主打企业客户市场，多种AI服务组合。

微软在商业环境中拥有大量客户，也有丰富的云+AI服务组合，让微软成为AI云市场的佼佼者。尤其是在企业客户市场，微软坚持使用Windows，Office 365或Dynamics365等产品扎根全球生态市场。

具备大量数据，这些数据流可以用于训练机器学习算法和构建神经网络。

对中国企业而言，由于底层的软件开发框架和计算芯片领域都没有出现世界级产品，中国科技这个大树是没有“根”的，这是劣势但同时也是机遇。