记录(一)-2019年12月6号上海临港AI开发者大会_2019年上海人工智能开发者大会

2019年12月6号去上海临港参加了AI开发者大会，谈谈感受和一些小收获吧！

 

首先谈谈临港这个地方，emm确实蛮偏的，从上海市区到那边快两个小时了，但是现在的临港号称是“90年代的上海浦东”，哈哈哈。有志向的小伙伴，可以去“淘金”哈

好了，现在来谈谈听了一天报告下来的小收获吧

1、商汤科技，创始人-徐立谈“人工智能的颠覆式创新”和 依图科技创始人-林晨曦谈“无与伦比的AI时代”

    这两位老师除了介绍自己公司目前已经取得的一些成就（先进的算法和AI芯片的推出等），对于我来说比较惊叹的是徐立老师所讲的商汤科技目前在做的，能将AI技术很好的用到具体的业务中。发现AI确实是有用武之地的，能够很好的提高效率（或增加客户的利润），解决一些现实的业务问题（AI+迪士尼乐园等）

2、南京大学教授 俞扬 谈“让机器学会决策，用决策改变世界”

俞扬老师主要讲的强化学习的一些内容。与监督学习相比，强化学习更难落地，因为强化学习需要不断的试错，而对于现实世界的任何一个平台来说，这个不断试错的成本太大了，因此落地很困难，但是监督学习也是有缺点的，就是预测的数据和训练的数据在数据分布上需要是一致的，这个缺点其实也有点限制了监督学习的进一步发展。

下面就以淘宝推荐系统来举个例子：

    若以监督学习来建模，那么就会出现一直给用户推荐用户之前买过的产品，这种“可扩展性”或者说“智能性”无法体现出来

    若以强化学习来建模，对于淘宝系统来说这个试错成本太高了，因为强化学习需要在不断的试错中得到进一步的学习，用户会以为这个系统“傻了”，推荐了一些丝毫没有关系的产品，这样会导致一些用户的丢失。

为了解决这个问题，俞扬老师的团队提出“构建虚拟环境”的想法，因为在真实世界中试错成本太高，但是我们可以根据已有的数据构建一个虚拟环境，然后在虚拟环境中不断的试错即“优化”,最终部署在真实世界的系统中

 

他们团队目前也开源了一个虚拟淘宝训练器：https://github.com/eyounx/VirtualTaobao

感兴趣的小伙伴可以关注一下

 

3、北京大学 李戈-AI自动代码补全aiXcoder项目负责人

 

感兴趣的朋友可以关注一下他们的公众号，支持多种语言，对程序员来说可以说是一项福利

4、Kaggle Competitions Grandmaster-沈涛-全球排名第八

腾讯的算法工程师，报告中主要讲解他在Kaggle的RSNA Intracranial Hemorrhage Detection 比赛中获得第一名的解决方法

Github链接：https://github.com/SeuTao/RSNA2019_1st_place_solution

Kaggle链接：https://www.kaggle.com/shentao

感兴趣的小伙伴可以关注一下

 

5、百度AI谢永康

主要讲解百度在AI方向的一些工作和开放平台：

飞浆框架+百度大脑+EasyDL定制化模型训练与服务平台(ai.baidu.com/easydl)+EasyEdge端计算平台

 

 

小小的总结：

1. 上海临港现在有很多优化的政策，想去“淘金”的朋友们可以多去了解奥，哈哈哈
2. AI的研究和开发更多的和具体的业务相结合是一件蛮有意思的事情
3. 感觉强化学习方向是一个很有价值的研究方向，整个学习的思路和人的学习很像，应该是一个很有价值的研究方向

更多内容欢迎关注公众号

微信公众号“AI算法与数学之美”