7月3日，2020 年 AI开发者万人大会（AI ProCon 2020）隆重举行，作为策划并主办的系列技术「开发者大会」之一，本次大会通过线上直播的方式，吸引到了10000+开发者/学习者、100+一线大厂AI技术领袖及核心业务线负责人参与，共话AI技术风云。
为了让开发者一站式学习和了解当下AI的前沿技术、AI在产业中的发展、AI技术成长之路，以及企业技术实践经验，本次大会设置了6大主题论坛，20大精彩主题，AI技术、生态、行业、应用、职业规划、投融资等话题全覆盖。
同时，还开展了AI系列大师课、百万人学AI评选、云展厅、开发者与AI大调查、创业者训练营等一系列线上活动。
大会首日，主会场和7个分会场同时进行，包括：AI学习与进阶实践、AI创业与投资、计算机视觉技术与实践、语音语义技术实践与应用、大数据+AI中台、智慧教育、AI行业新趋势。来自中国科学院、阿里巴巴、华为、腾讯、清华大学、小米、TensorFlow、滴滴、微软等一线大厂的技术专家，带来了多场精彩分享。
下面我们就来一起回顾下大会首日，技术大咖们都带来了哪些精彩干货吧！
主会场：人工智能过去与未来
中国科学院院士 张钹：《人工智能的发展现状与人才培养》
作为主会的第一位演讲嘉宾，中国科学院院士张钹发表了主题为《人工智能的发展现状与人才培养》的演讲。演讲中，他对人工智能经历的两种发展范式，即符号主义和连接主义，以及将知识、数据、算法、算力相结合的「第三代人工智能」，进行了全面的探讨。
他认为，以符号主义为代表的「第一代人工智能」，是基于知识与经验的符号推理模型，它适用于强调推理、决策、规划等场景，例如下棋等。它的优势在于可以较好地模仿人类的理性智能，且具备可解释性，以及与人类一致的显式推理；它克服了基于数据驱动机器学方法的缺陷，如需要大量数据等。但局限性也十分明显，总结起来就是：不能「随机应变」。只能解决完全信息和结构化环境下的确定性问题等。
第二代人工智能，是以深度学习为代表的，它极大地推动了AI的应用落地。并且通过将数据、算力与算法相结合，使AI技术能够解决一些实际的问题。但它的局限性也十分明显，即不能「举一反三」。推测数据一旦超出了训练数据的范围，就无法正确判断。此外，虽然深度学习推进了一些行业应用场景的落地，如交通、医疗、安保、智慧城市、金融等，但由于技术本身的局限性，仍然离大规模应用有一定的距离。
因此，张钹院士提出了「第三代人工智能」的构想，在前两代知识/数据+算法+算力的基础上，将知识驱动和数据驱动相结合，旨在构建安全、可信、可靠和可扩展的人工智能技术，并推动人工智能的创新应用落地。
最后，谈及未来人工智能行业对人才的需求，张钹院士认为人才培养应重视以下4个方向：
- 敢于闯无人区；
- 具备提出（发现）问题与解决问题的能力；
- 理论与实际，技术与创业结合；
- 资本、市场与技术的结合。
阿里巴巴副总裁、达摩院语言实验室首席科学家、ACM杰出科学家 司罗：《为商业搭建语言桥梁》
自然语言处理是人工智能从计算智能到感知智能、认知智能、创造智能演进的必要技术。它是将语言学、心理学、计算机科学、数学、统计学融于一体的学科。作为自然语言处理方面的技术专家，司罗首先谈到了自然语言处理的发展趋势，他认为未来自然语言处理会向着以下三个方向发展：
1. 深度语言模型突破式发展，引领重要自然语言技术取得进展；
2. 公有云NLP技术服务从通用功能走向定制化；
3. 自然语言技术逐步与行业/场景相结合，产生出更大的价值。
阿里巴巴在自然语言处理方面有很多探索，从数据到基础算法，到细分技术均有涉及，其自然语言技术平台架构，如下所示：
司罗以文本抽取功能为例，介绍了NLP自学习平台在实际场景中的应用。通过文本抽取，合同、简历中的重要信息可以被快速抽取出来，节省审核人员的时间。同时文本分类还可对文本信息中涉黄、暴力、敏感、辱骂等言辞进行区分。
此外，在电商翻译业务场景中，通过阿里翻译技术平台，可以实现跨境电商平台从页面到引流到检索，直至交易完成全过程的翻译。甚至当用户用俄文检索商品名称时，对应以英文标注的商品也会被检索到。
通过这些应用，自然语言处理可以打通场景——数据/知识——NLP应用技术——更丰富的场景全闭环。
清华大学计算机系教授 唐杰：《人工智能的下一个十年》
唐杰教授同样先回顾了AI的发展历程，并认为我们正处在从感知到认知的过程中。要实现张钹院士提出的「第三代人工智能」，算法是核心，计算和数据是基础。
在算法方面，我们目前主要是通过算法实现人工智能，而未来工程学方法和模拟法，可以提升算法的性能。主要原理包括模仿人类或其他生物所用的方法，例如遗传算法或神经网络。
在计算能力方面，我们目前主要是通过GPU来并行计算神经网络，而未来随着量子计算和速度更快的芯片的诞生，计算能力将指数倍提升。
在知识方面，现在的知识数据来自于互联网，往往较为碎片化，而未来则可以实现全世界常识的知识图谱。
在人工智能的长远发展方面，唐杰教授认为未来十年的目标是实现认知与推理，这一步需要基于海量数据、知识库来实现；而未来30年，则有望看到计算机具有自我意识，基于认知推和记忆，让机器与人更为接近。
华为云EI创新孵化Lab主任 涂丹丹：《华为云EI智能化升级新引擎》
本分享中，涂丹丹首先对AI作为一种新的通用技术，对各个行业的改变给予了肯定。无论是公共、教育、健康、媒体，还是制药、物流、金融、保险都在AI技术的影响范围内。如果将通用目的技术（GPT）的发展划分为4个阶段：技术与应用局部探索、技术发展与社会环境互相碰撞、技术发展与社会环境互相促进、稳定发展，那么我们正处于第二阶段。在这一阶段中，兴奋、冲动、焦虑、困惑并行，如何抓住这波浪潮，成为了企业决胜的关键。
为了助力企业AI技术落地，华为云EI融合行业智慧打造行业智能化升级引擎。从基础平台服务（ModelArts、MindSpore、Ascend、Kunpeng），到通用API（语音识别、语音合成、图像识别、自然语言处理等）、高级API（任务型对话机器人、图像搜索、视频内容审核等）、预集成解决方案全覆盖。
以ModelArts为例，作为一站式的AI开发平台，ModelArts为应用开发者、数据科学家、AI开发者提供数据处理、模型训练、模型管理、部署、AI市场全服务，即使没有开发基础也能够快速上手。例如在模型训练中，用户只要上传并标注数据，系统即可自动完成模型训练。用户还可以在AI市场上对模型进行交易，实现知识变现。
此外，Modelarts平台还推出弹性训练特性，典型网络训练时间从2小时缩短到10分钟，训练速度大幅提升。同时，AI开发者实战营活动，可以帮助更多的开发者快速掌握AI开发技能。
在行业应用方面，涂丹丹提到AI助力行业升级的三种场景包括：
- 效率提升（海量重复场景）；
- 专业传承（专家经验场景）；
- 突破极限（多域协同场景）。
围绕这三种场景，华为EI也有很多实际的探索，包括EIHealth医疗行业企业级AI研发平台、智能工业、智慧园区等。
TensorFlow中国研发负责人 李双峰：《TensorFlow的最新进展》
TensorFlow是AI开发中常用的框架之一，本演讲中李双峰向我们介绍了TensorFlow的一些最新进展，以及TensorFlow 2的一些新亮点。目前，TensorFlow的下载量已经超过100,000,000，提交次数89,000+，代码改动请求14,600+，贡献者2600+。TensorFlow的生态发展也是沿着研究—生产力—全场景部署的路线推进。
TensorFlow 2的目标是「让机器学习更简单」，在易用性上做了很多的尝试，它的架构如下所示：
TensorFlow 2的架构分为「训练」和「部署」两个部分，训练部分包括了数据设计、模型设计、训练及分析等功能；部署则主要涵盖服务器、移动操作系统、云端等主要部署平台。
为了提升易用性，TensorFlow 2采用了tf.keras高阶API，只需要十行代码就可以构建一个CNN网络。此外TensorFlow 2还支持多平台部署，包括服务器、移动和嵌入式设备、浏览器及Node.js。
大咖来了：《开源重新定义AI应用开发者新时代！》
本次大会还将由重磅打造的高端对话栏目「大咖来了」搬上了直播「舞台」， 创始人&董事长、极客帮创投创始合伙人蒋涛；小米集团副总裁、集团技术委员会主席崔宝秋；地平线创始人& CEO余凯；百度深度学习技术平台部高级总监马艳军，共同探讨开源技术如何赋能百万AI应用开发者以及未来AI应用落地方向与趋势。
蒋涛分享的《中国AI应用开发者报告》显示，在 3100万的注册开发者中，689万开发者有阅读、撰写与研究AI技术的行为。其中，精准聚焦AI学习及应用的开发者人数达到了182万，AI发展进入高热期。
此外，崔宝秋分享了深度学习平台小米 Cloud-ML，和移动端深度学习框架MACE、移动端神经网络框架基准测试项目Mobile AI Bench等AI开源优秀案例。余凯分享了地平线最新“天工开物”AI开发者平台，利用地平线新一代AI开发板可完成有趣的AI 可编程智能小车、AI 体感游戏机等开发应用案例。马艳军分享开源的百度深度学习框架飞桨PaddlePaddle，含开源146个算法和全流程开发套件等内容。
除主会之外，今天的议程中7大分论坛也同步举行，下面我们就来一起看一下分论坛上，各位专家的精彩分享吧~
AI学习与实践进阶
华为云ModelArts开发总监 周明耀：
各种角色如何转型搞AI：
中国电信股份有限公司北京研究院资深产品专家 高飞：
1.无行业，不智能；
2.行业价值是AI实现的本质意义；
3.只有不停的思考算法与业务的关系，才能真正明白算法的意义。
微软亚洲研究院高级研究开发工程师 宋驰：
使用AutoML不仅能找到好模型，还能帮助初学者快速积累AI经验。同时，AutoML也能用于经典的系统调优等问题。
滴滴出行专家工程师 赵永科：
调参工作就是这么朴实无华且枯燥。
AI创业与投资
南京清湛人工智能研究院创投基金创始合伙人 柯罗马：
随着算力的强化，算法的进化，并与大数据的融合，弱AI进入到了场景应用爆发的后时代。在这个智能感知的后AI时代，制造业、医疗和自动驾驶等场景的AI应用是非常值得期待的投资机会。
德风科技董事长兼CEO 王清杰：
让设备更智能，数据更可靠，让数据赋能企业。
计算机视觉技术与实践
便利蜂副总裁，人工智能研究院院长兼首席科学家 华刚：
计算机视觉是物理世界信息数字化的关键技术，能够完美地驱动实体经济的数字化决策，并最终提高其运营效率。
云从科技资深算法专家 刘玉明：
实验室的新算法成果提供了一些解决问题的新思路，但要想在实际业务中发挥作用，还需要结合技术的适用条件、业务需要的准确率指标、对效率的要求等做出相应的取舍或适配。所以工程师们不仅需要广泛涉猎算法技术，还需要具备在业务中落地的能力。
华为海思技术专家 杜鹏：
当今深度神经网络正在飞速发展，对芯片算力的需求也与日俱增，华为昇腾系列AI处理器芯片可以对整型数或浮点数提供强大高效的乘加计算力。昇腾AI处理器芯片大致可以划分为主控处理器、AI计算引擎、多层级片上缓存、视频图像处理模块等。由于昇腾AI处理器对深度神经网络进行了特殊优化，使之能以极高的效率完成目前主流深度神经网络计算。
思谋科技联合创始人、技术负责人 刘枢：
新一代AI技术，正引领智能制造由数字化、网络化向智能化发展。标准高、要求严的工业场景纷繁复杂，面对这些“无人区”和“深水区”，我们技术人员既需要“低头走路”，让前沿的创新技术实现落地；也需要“抬头看天”，把别人眼中的不可能变为可能。
旷视美业云算法研究负责人 孙宇超：
作为一家领先的人工智能产品和解决方案公司，旷视把AI的技术优势通过FaceStyle提供给追求高质量营销转化的美业公司和美妆品牌。用更真实的试妆体验，帮助用户更好地进行购买决策，用AI发现自己的美。
语音语义技术实践与应用
VIPKID AI平台部NLP算法专家 李理：
BERT等预训练模型不停刷新许多NLP任务的排行榜，最近的GPT3更是用1750亿参数刷新了我们的世界观。这些模型可以帮助我们更好的解决实际问题，但是这种暴力美学的方式能真正实现人类一样的语言理解能力吗？或许我们可以从孩子的语言学习过程中获得一点启发。
腾讯云高级工程师 纪友升：
AI很火，在大家讨论各种深度学习算法的同时，我们也希望将腾讯多年积累的AI能力通过腾讯云开放给广大开发者与企业客户，助力行业智能化升级，让AI真正落地应用在日常生活中！
京东智联云自然语言处理架构师 陈蒙：
传统客服向智能客服升级转型是大势所趋，“新基建”是最佳契机智能客服的下一个大市场：智能营销最高效的产品形态是人机融合，而不是完全取代具备复杂对话能力的语音外呼机器人大有可为。
滴滴AI Labs研究员 韩堃：
在滴滴，NLP和语音技术有重要的应用：通过智能客服系统来辅助人工客服，通过语音识别和自然语言理解技术来研发驾驶员语音助手，让日本、澳洲等地的滴滴司机通过语音“免接触”接单。
字节跳动火山引擎语音合成技术负责人 殷翔：
让AI表达类似真人的情感，是所有从事人工智能行业研究的同学的梦想。而音乐是寄予人类情感最为丰富的载体之一，希望有一天AI虚拟歌手能够让用户感动、融入和疯狂。
大数据+AI中台
360金融首席科学家 张家兴：
数据产生AI，AI帮助数据创造价值，把数据和AI融合在一起的中台才是有价值的中台。数据AI融合中台，以平台为基础，打通各业务数据，协调各种团队提供AI能力，赋能业务。平台、数据、团队这是中台的特征，缺一不可。
易观CTO 郭炜：
AI分析时最费力的不是算法调整，而是数据探索和数据准备，以及从海量数据当中不通过ETL批量作业而是实时完成数据探索，让算法人员也由过去“天天跑脚本”做数据探索，变成自建内部数据中台，建立实时自定义查询引擎，按照自己业务口径查询自己所要的分析数据。
ThoughtWorks数据智能总经理 史凯：
2025年以后，企业数智化转型将从持续交付业务流程到持续交付智能场景，企业将进入持续智能时代。
深度赋智创始人、CEO 吴承霖：
云计算将让算力无处不在，自监督将让标注减少百倍。在此之上，全自动机器学习结合AI中台，将让AI大规模普及。
Qunar数据中心数据架构团队负责人 张杰：
实时数仓模型如何设计？我们结合了离线数仓的建模经验，首先按业务进行纵向划分主题域，然后进行横向划分数据层做统一的ETL，这样设计的模型，计算逻辑可复用且便于维护。
智慧教育
网易有道技术总监、词典及智能硬件业务线负责人 林会杰：
在教育领域，教与学是核心环节，老师和学生是关键角色。“AI+教育”并不是用AI来取代老师，而是用技术手段和工具辅助老师和学生提高教与学的效率。
好未来AI解决方案负责人 刘子韬：
多模态机器学习在教育中的4大挑战：小数据、异构多模态、数据噪音、评价标准不统一。
腾讯云与智慧产业事业群高级研究员 刘萌：
基于课程知识图谱，建立学生和班级用户画像，根据知识点掌握情况推荐个性化学习内容，践行“因材施教”，有效提高学习效率。
科大讯飞研究院研究主管 李鑫：
智慧教育的三大核心场景：精准教学、个性学习、智慧教考。
AI行业新趋势
来也科技CTO 胡一川：
RPA实现流程自动化，AI实现认知自动化，RPA+AI才是智能软件机器人的终极解决方案。
浪潮边缘计算服务器高级产品经理 张磊：
拥抱5G，就必须走出传统的数据中心，大跨步迈向边缘计算。边缘计算很可能会是中国服务器行业，乃至整个IT产业下一个在5G时代的机会和风口。
《人工智能为金融投资带来了什么》作者 袁峻峰：
数字化时代市场需要算法，多智能体强化学习与博弈论 、帕累托最优结合是可行的研究方向之一；但如果市场中的新座次取决于谁拥有最强的机器、最多的数据、最厉害的算法，那亦是违背市场机制了。
明天，大咖云集、干货满满的万人AI大会还有呢！13大论坛、60个烧脑议题等来战！
想不想听大咖与你畅聊AI行业趋势？想不想和顶尖专家一起探讨AI技术热点？
现在加入群聊还来得及，赶紧扫码入群，锁定直播和大会PPT吧！
点击【阅读原文】，查看大会官网。
