大數據文摘出品

紐約特約記者：effy

2019年4月15日至4月18日，O’Reilly AI Conference在紐約舉行，整個大會爲期4天，在會上，參會嘉賓討論了人工智能學術現狀、公司在部署AI中遇到的問題，以及在業界的應用情況。

作爲機器學習和數據科學領域最有影響力的全球峯會之一，本次大會據瞭解有超過2000人蔘加。大數據文摘作爲特約合作媒體，也是整場會議唯一的中國媒體受邀參會，在現場度過了收穫滿滿的4天。

除了現場論壇，還從各種細節安排上感受到了O’Reilly這一國際頂級AI行業論壇的誠意，所以今天的稿子與其說是乾貨，不如說是一次現場“遊記”。

那麼，請各位跟着文摘菌一起出發吧！

本次大會主論壇最讓文摘菌印象深刻的演講來自O’Reilly Media的首席數據科學家Ben Lorica，他介紹了現在行業的現狀和發展方向。

Ben Lorica提到，2010年AI學術論文和patent and invention的轉化率由的8：1到2016的3：1，種種數據都表明現在AI已經加速進入了落地實施階段。

在所有的學術論文轉化中，計算機視覺方面的專利申請最多，比2011年增長24%，排在第二位和第三位的分別是自然語言處理以及語音處理。

在自然語言處理方面，湧現出現了很多開源的模型例如 ELMo, BERT, MT-DNN 和GPT-2。另外，根據O’Reilly的問卷調查，Tensorflow 和Pytorch變得十分常見，其他工具例如Nauta，Keras等等也在幫助公司進一步優化資源、流程以及建模自動化方面發揮着越來越重要的作用。

強化學習也得到越來越多的關注。O’Reilly在一項對1300個公司的問卷調查中發現，大約有1/5的公司開始着手準備或已經在使用RL強化學習。原因之一是許多的開源工具及公司開發的專有軟件proprietary tools的湧現還有云服務的發展。

Ben Lorica還表示，不同企業的AI發展有不同的挑戰，對於剛開始採用AI或還在評測考慮的企業，他們最大的瓶頸是：公司文化沒有認識到AI的需求以及難以確定適當的AI業務案例。而對於AI應用和使用方面比較成熟的公司來說，他們認爲缺乏足夠的數據進行分析或者數據質量方面的問題與缺乏合適的人才是當前最大的瓶頸。另外，對大多數公司來說，對數據工程師和計算機基礎架構人才的需求同等重要。

總的來說，公司應該更加關注：公平和公正、安全和可靠、隱私、安全漏洞、模型的可解釋性。如果對他們排序的話，重要程度從高到低分別是：模型的可解釋性以及透明度、公平以及偏見、隱私、安全和可靠性、安全漏洞。

除了主論壇，每天下午都有5個時間段的40分鐘的分論壇，第一個從午飯後開始，每場有9個可以選擇，對你沒有看錯，會議議題就是這麼的豐富！

Intel的AI產品組的副總裁Gadi Singer也在大會發表了演講。他認爲深度學習正在改變着計算，並且改變了計算帶給人們和公司的價值。

越來越多的深度學習和機器學習被運用到企業裏面，當前企業面對的AI應用三個常見的問題分別是：如何應用規模部署、如何推動績效但保持管理成本以及如何應對未來所需的不確定性和變化。另外他還提到，現階段的deep learning和AI應用是可以用CPU實現完成的。

在CPU上實現AI模型，3年時間經歷了3個階段的變化。

接下來Gadi分別聊到intel是如何幫助四家公司在圖像識別、推薦系統、NLP等領域基於CPU應用人工智能和深度學習優化企業解決方案。

Philips在醫療領域的圖像識別應用案例

Taboola在內容推薦系統的應用

科大訊飛的NLP應用

令文摘菌印象比較深刻的還有Netflix機器學習總監Tony Jebara介紹的Netflix如何用推薦系統給用戶提供個性化的服務：除了衆所周知的推薦節目，到標題的展示，到搜索功能等等。

Tony Jebara重點介紹了推薦系統是如何給用戶提供個性化封面圖片。什麼意思呢？比如對於stranger things這部劇，如果用戶對青少年題材感興趣，那麼推薦系統就會使用帶有主角的處境的圖片來推薦。而對恐怖題材感興趣的用戶就會見到留鼻血的這張圖片作爲推薦的圖片。

接下來Tony進一步指出，傳統機器學習batch machine learning和A/B test 的問題，還介紹了Netflix如何應用online learning來實現數據收集和學習相輔相成，並優化推薦系統。

他指出，傳統的監督學習和contextual bandits的不同以及netflix的圖片推薦系統是如何利用online learning在更短時間內找到點擊率最高的圖片。

來自Alibaba硅谷研發中心的人工智能專家陳三鑑博士和常劍博士介紹了時間序列模型的特點以及AI技術在時序預測中產生的巨大效果提升，受到了現場聽衆的熱烈反響。因爲篇幅限制，我們直接與兩位演講人溝通獲取到了完整版ppt，感興趣的同學可以在大數據文摘回覆“紐約”下載哦。

陳三鑑博士在做完演講之後，在現場被提問者團團圍住👇

最近火到爆炸的BERT模型創始人之一Chang-Ming Wei也受邀來到現場介紹BERT模型。👇

Dr. Chang-Ming Wei 先簡單介紹了現階段的幾種比較受歡迎的NLP模型包括Word embeddings, ELMO等，指出現階段模型的不足之處。接着詳細講解了BERT 這種雙向編碼器連接（transformer blocks）是如何打破了前幾個模型的紀錄。並着重介紹pretraining 和 fine-tuning兩個BERT的訓練步驟，他指出這兩者的區別在於pretraining是用大量的沒有標籤的數據（unlabel）完成的，而後者是用少量的針對特定任務的標籤數據(task-specific label data)完成的。如果小夥伴對BERT感興趣可以參見我們前兩天發的另外一篇科普文哦~link is here。

大會從第三天開始，也開啓了現場展位。各個booth前都熱鬧非常，企業和各公司都很想借助這個機會更多瞭解不同的service provider和不同類型的服務，以及如何借力AI使公司進一步發展。

H20.ai的現場展位👇熟悉kaggle競賽的小夥伴應該都知道H2Oai有好幾位grandmaster的加持，並且他們的xx產品是號稱“brings you the intelligence of a Kaggle Grandmaster in a box（擁有xx產品你就擁有了世界頂級的數據科學家）。”

文摘菌在參會過程中也和參會者們聊了聊，基本都是來自業內頂級公司的技術從業者。各大公司當然也不會放棄這麼好的招人機會，現場黑板留言區滿滿的招聘信息👇

大會現場文摘菌還偶遇了不少大咖，包括Deep Learning Cookbook一書的作者Douwe Osinga，並且請他爲大數據文摘的讀者們簽了個名👇

最後，這次峯會的部分精彩演講已經被主辦方放上官網啦，對keynote感興趣的小夥伴可以通過下面的網址註冊會員觀看！

https://learning.oreilly.com/home/

更多會議的乾貨播報我們將通過投票選出，如果你特別想看某場演講的報道，請在下邊的投票選擇吧。

• 主題：Machine learning for personalization

  演講人：Tony Jebra（Columbia Univerisity| netflix）

• 主題：Fast,Flexible and functional: 4 real world AI deployment at enterprise scale

  演講人：Gadi Singer (Intel)

• 主題：Software 2.0 & snorkel

  演講人：Christopher Re（Stanford University | Apple）

  推薦理由：christopher提出訓練數據（training data）是software 2.0的替代品以及通過編程抽象使用各種特徵的訓練數據

• 主題：AI and the robotics revolution

  演講人：Martial Hebert (Carnegie Mellon University)

  推薦理由: AI在機器人領域面臨的當前挑戰，以及對當前研究中出現的發展

• 主題：Automation of AI: Accelerating the AI revolution

  演講人：Ruchir Puri (IBM)

  推薦理由：AI自！動！化！也就是可以自動完成構建、部署、管理AI的AI！

來吧，選出你最想看的視頻☟

另外，O’Reilly AI Conference在今年6月份也要來北京啦，不用飛到紐約就能直接體驗這個超棒的會議，學習先進的行業知識與頂尖的AI科技公司0距離接觸哦~屆時大數據文摘作爲合作媒體會將會爲大家帶來最新的資訊。

AI Conference完整講師名單

明星陣容不容錯過，早鳥票即將結束哦☟