2017 年 5 月 27 日上午，機器之心主辦的第一屆全球人工智慧峰會（GMIS 2017）在北京 898 創新空間順利開幕，中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任王飛躍致開幕辭，他說道：「我認為，再過幾年，我們 90% 的工作都會是人工智慧提供的，就像我們今天大部分工作是機器提供的一樣。人工智慧會給我們提供一個更美好的未來。」在這篇文章中，機器之心對 GMIS 2017 兩天的主要內容進行了梳理介紹，更詳細的報導可以查看機器之心官網 GMIS 專題：http://jiqizhixin.com/special/detail/id/7。
大會第一天
GMIS 2017 大會第一天安排了兩場主題演講，一是「LSTM 之父」& Dalle Molle 人工智慧研究所副主任 Jürgen Schmidhuber 所帶來的腦洞大開、未來感十足的《True Artificial Intelligence Will Change Everything》，二是 Citadel 首席人工智慧官鄧力乾貨十足的演講《無監督學習的最新進展》。
在 Schmidhuber 的演講中，我們了解了深度神經網絡、LSTM 的發展以及延伸到人類未來的技術發展史。Jürgen Schmidhuber 是瑞士人工智慧實驗室 IDSIA 的科學事務主管，同時任教於盧加諾大學和瑞士南部應用科學與藝術學院。他於 1987 年和 1991 年在慕尼黑工業大學先後獲得計算機科學的學士和博士學位。從 1991 年開始，他成為深度學習神經網絡領域的開拓者。隨後，他在 IDSIA 和慕尼黑工業大學的研究團隊開發了一種循環神經網絡，並率先在正式的國際性比賽中獲勝。他獲得的其它獎項還包括 2013 年國際神經網絡協會的亥姆霍茲獎以及 2016 年電氣與電子工程師協會的神經網絡先鋒獎。
「我最大的偶像是阿爾伯特·愛因斯坦。我在某個時候意識到，如果我打造出了比我自己乃至比愛因斯坦更聰明的東西，我會擁有更大的影響力。」Jürgen Schmidhuber 說道，「從 1987 年將這個問題作為學位論文選題以來，我一直在研究這個包羅萬象的內容，但是現在我能看到這個主題正開始變成一個可能實現的現實。」Jürgen Schmidhuber 開發了 LSTM 等著名深度學習方法。1997 年，他和 Sepp Hochreiter 共同撰寫了一篇論文，其中提出了一種利用記憶功能來增強人工神經網絡（模擬人類大腦的計算機系統）的方法，即根據之前獲得的信息，添加解釋文字或圖像模式的循環。他們稱之為「長短期記憶網絡（LSTM）」。
「長短時記憶是跟人的大腦相關的。」Jürgen 說道，「在我們的大腦皮層中有 100 多億的神經元。它們就像小的處理器，有的是處理輸入的，有的是用於圖像捕捉的，你還有疼痛神經來捕捉疼痛，還有一些肌肉的神經來控制你的肌肉。另外還有一些用於思考的神經元，它們之間會有彼此的交流。在執行任務時，神經元會影響其他與之相連的神經元，這些連接的強度會隨著人們的學習而改變，我們稱之為持續連接，這也是長短期記憶網絡獲得啟發的地方。」
在 LSTM 的研究之後，Jürgen 的團隊繼續朝著自己的通用人工智慧目標前進。他預測，在未來幾年人類將創造出具有靈長類動物智能的人工智慧系統。人工智慧僅僅經歷了 70 餘年的發展，這個速度相比數億年的生物進化有了很多倍的提高。他甚至發現了一個技術的指數加速發展模式：宇宙歷史中重大事件之間的間隔時間似乎正在以指數級的速度縮短——每個大事件到來的時間是前一個大事件的四分之一。如果仔細研究這個模式，看起來下一個事件將要出現於 2030 年。
在這之後會發生什麼？我們無從得知，Jürgen 認為，人工智慧將代替人類，展開殖民宇宙的旅途。或許這個預測距離我們還有很遠，但由人工智慧引發的技術爆炸必然將會逐漸改變人們的生活方式。
前微軟人工智慧首席科學家 & 現任對衝基金巨頭 Citadel 首席人工智慧官鄧力則解讀了《無監督學習的最新進展》。在這個主題演講中，他分享了無監督學習的優勢，並詳細介紹了隨機原始-對偶梯度方法（SPDG）與其優良的性能。
鄧力說：「其實我們人類還是很有希望的，因為在未來有越來越多的技術以後，人類就可以有更多的價值。」他認為雖然監督學習很有希望，但未來的趨勢還是無監督學習。
上午主題演講之後，許多業界領先公司技術負責人分享了人工智慧的發展和對我們未來生活的影響。
騰訊 AI Lab 西雅圖研究室負責人俞棟分享了主題為《語音識別領域的前沿研究（Frontier Research of Speech Recognition）》的演講，在回溯了語音識別十幾年發展變化之後，他提出了語音識別領域的 4 個前沿問題————更有效的序列到序列直接轉換的模型、雞尾酒會問題、持續預測與適應的模型、前後端聯合優化，同時詳細闡述了這些問題的解決方法。
英特爾 AIPG 數據科學部主任 Yinyin Liu 則講解了如何用同一種模型為不同行業提供解決方案，以及如何讓各個行業的專家建議推動整個人工智慧生態系統的發展。她提到，深度學習推動著人工智慧領域的進展，模型是我們的起點，然後我們收集不同的需求、解決這些問題、再將相關經驗反饋到模型中。在不斷重複這個循環的過程中，我們就可以設計更好的模型，並更加高效地提供解決方案。「我們希望，人工智慧最終能為整個社會做出貢獻。」
接下來，今日頭條副總裁、人工智慧實驗室負責人馬維英解讀了今日頭條在人工智慧時代的機遇和挑戰，並詳細講解了今日頭條如何利用人工智慧促進人類社會信息交流與寫作。他談到「其實今天人工智慧的本質是一個軟體產業的革命。軟體產業正在吞噬全世界，然而軟體產業本身在被顛覆。」如今，在今日頭條可以看到運用人工智慧連接人與信息的新機會。在過去的人類歷史洪流中，從結繩記事傳遞人與自然的關係，一直到公元前 2000 年紙的發明，1000 年左右活字印刷術的發明，其實紙張和書成為一個人與信息連接的主要媒介，但是經過很長很長的一段時間，幾乎是到了過去三四十年才走到了一個新的時期。網際網路時代網站讓紙張開始消逝，而在移動網際網路時代，紙張的消逝更明顯，因為它讓人可以無所不在，可以用智慧型手機接觸他所需要的信息。而在人工智慧的時代，「我們認為我們可以利用這樣一個新的技術，來讓每一個人都能夠有一個無所不在的機器智能，幫助他們能夠來發現、使用、交流跟創作信息。」
第四範式創始人兼 CEO 戴文淵則分享了如何使機器學習的過程變得更簡單，如何使企業在降低成本的同時擁有人工智慧的能力。他認為如今業務專家在設計營銷、金融、風控、醫療各個領域的業務規律。但在各行各業，機器都有可能超越人。他說：「機器比人有更強的精力，能寫出更細的規則，因而它能做得更好更精細。如果你能用機器基於數據寫出超過一千萬條規則，VC 維超過一千萬，人基本上沒有辦法跟機器抗衡了。這就是機器能在各個領域打敗人的原因。」但機器要超越人類，有一定的前提條件，戴文淵將其總結為五個元素：大數據、外部的反饋、算法的能力、計算的能力、商業需求的帶動。
之後，通用電氣交通數字解決方案 CTO Wesly Mukai 在大會上對該公司的 Digital Twins 技術進行了介紹。他談到機器學習目前已經應用在鐵路運輸這種非常實際的領域中，為提高效率做出貢獻了。「Digital Twin 將火車隊伍看作是動態的，」Wesly 說道，「通過機器學習的分析，整個系統的運行可以得到優化。我們為每一輛火車建立模型，並不斷地更新這個模型。我們的系統可以記錄它的動力、它的車輪年限等等。」Digital Twin 可以幫助鐵路系統每年節省 10% 燃油，減少 10%-25% 故障，並提升列車的可用率。
大會上午場的最後，NVIDIA AI Cities CTO Milind Naphade 分享了英偉達和合作夥伴如何助力交通系統中的智能革命。為此，英偉達推出了 Drive PX。預計到 2020 年，智能城市將會有 10 億個攝像頭運行，為視頻物聯網設備提供深度學習會形成一個龐大的市場。Metropolis 是一個交通中的人工智慧都需要邊緣到雲的端到端平臺，這個平臺可以對智能城市應用生成的視頻流進行分析，用深度學習技術進分析，幫助城市監控視頻。人工智慧可以變革的交通領域還有預測性維護和檢查等，比如，利用深度學習技術對道路或鐵路視頻數據進行分析，進行道路檢測並採取相應維護。這也是人工智慧能夠在基礎設施方面發揮最重要的作用的地方。
下午，機器之心 GMIS 2017 設置了三場 Session，分別圍繞「機器學習」、「機器學習交叉研究」和「先鋒青年」三大主題共呈現 10 個演講和 2 場圓桌論壇。在這些 Session 中，即有深度學習應用的未來願景和技術乾貨，也有對當前深度學習熱潮的質疑，更有心理學、語言學、運籌學、神經科學等交叉領域的思考。
Session 1：機器學習
第一位演講嘉賓俄亥俄州立大學終身教授汪德亮（DeLiang Wang）介紹了基於深度學習的語音降噪技術。作為全球第一個將深度學習應用於語音增強的科學家，他探討分享了雞尾酒會問題研究的當前進展、解決方案及其泛化等相關問題。什麼才是雞尾酒會問題的解決方案呢？汪教授之前給出的一個答案是一個語音分離系統，它可以幫助聽力受損者在所有的噪音環境之中獲得與聽力正常者一樣的語音清晰度。因為 DNN 大規模訓練是一個有希望的方向，可實現多種條件下的語音分離，所以汪教授總結：雞尾酒會問題並非不可解決。
第二位演講嘉賓是地平線機器人的創始人兼 CEO 餘凱，他的演講主題為《深度學習引領駕駛革命》。他說：「深度學習會引起下一個革命，並且對人類生活影響最深遠的是什麼？我個人的答案是自動駕駛。」構建深度學習系統，是系統性的工程，涉及到軟體算法、系統軟體、計算架構、處理器、雲端大數據的訓練、仿真系統。最後，他總結道：一、未來的自動駕駛一定會像其他產業，構建一輛自主學習的汽車，而不是被人工標註數據訓練的汽車。二、我們需要努力設計神經網絡的結構，使它透明、可理解、可以被控制。三、軟體重要，硬體同樣重要，我們要聯合軟體和硬體，最大化整個計算的效率、安全性和系統的可靠性。
接下來，清華大學副教授朱軍解讀了其實驗室的新研究成果珠算。珠算是一個貝葉斯深度學習的 GPU 庫，該平臺可以支持深度學習，也可以做貝葉斯推斷，當然還可以對兩者進行有機融合。珠算區別於其他平臺的一個很大特點是，其利用了深度學習進行貝葉斯推斷，因此也可以很有效地支持前面所說的深度生成模型。（更多內容可參閱機器之心的文章《資源 | 清華大學發布珠算：一個用於生成模型的 Python 庫》。）
之後，亞馬遜人工智慧首席工程師 Leo Dirac 致力於 Apache MXNet 機器學習框架的開發工作，在大會現場通過《MXNet 在工業級的深度學習應用》的演講介紹了機器學習與亞馬遜雲。正如上午通用電氣 Wesly Mukai 的演講中提到的一樣，在亞馬遜，機器學習技術也已經深入到公司各個業務，並產生了巨大價值。亞馬遜對於工業級機器學習運用和傳統公司有所不同，Leo Dirac 表示：「亞馬遜定義的工業級的深度學習，不是關於礦廠或者是火車、鐵路，我們的工業級 AI 是基於數以百萬級用戶上的人工智慧應用，包括大規模場景識別，或是亞馬遜的商店。」
Session 2：機器學習交叉研究
這場 Session 圍繞機器學習與其它領域的交叉學科展開，其中我們也能聽到一些很有價值的批評與思考。
首先，著名的機器學習「叛逆」、紐約大學心理學教授 Gary Marcus 為我們解讀了如何邁向通用智能之路。事實上，Marcus 在發表的作品、評論或是公開的演講中，都以一個嚴厲的深度學習批評者身份亮相。他相信，要想實現真正的人工智慧，光有深度學習是遠遠不夠的，還需要更多方向，應該更加認真地對待認知科學，尤其是發展心理學和發展認知科學。Marcus 表示，感知（Perception）只是實現通用人工智慧的一小部分，雖然它很重要，但是人類智能裡面還有更多的元素，比如常識、推理、分析等。
接下來，北師大認知神經科學與學習國家重點實驗室教授吳思將我們帶進了神經科學的領域。他認為，人工智慧應該向生物智能學習動態信息的處理，而要處理動態信息，預測是關鍵。他通過三個生物系統為我們剖析了生物智能與目前的人工智慧的區別。他認為智能的感知需要同時結合信號傳遞速度的快慢——傳遞得慢，可以幫我們整合多模態的信息；而如果物體高速運動，它又有補償信息，會補償這個時間延遲。吳思說：「我們是生物進化的結果，我們的大腦進化成如今的樣子是為了更好地適應環境。假設機器人在日常環境中跟我們交流，一方面它需要慢，另一方面如果快速處理的話，又需要快。因此這兩樣要共同發展。個人認為，未來的機器人也會面臨這樣的問題。」
如果這還不夠腦洞大開，接下來麥吉爾大學語言系副教授、電影《降臨》科學顧問 Jessica Coon 更是將我們帶入了外星人、實地考察和普遍文法的語言學領域。她認為，我們語言的獨立性要去包含語言學的一些知識，我們也要理解類型方面很類似的語言內在規律，比如像英語和中文，它們有相對固定的詞序以及擴展方法。最後，她還談到了薩丕爾-沃爾夫假說。她說，語言學研究發現英語、喬爾語和俄語對以下三個顏色的區分是不同的，在喬爾語中，一個單詞概括了這三個顏色，但是俄語中有三個單詞對應相應的顏色。這是不是意味著語言對世界觀差異的影響？
杉數科技聯合創始人、首席科學家，上海財經大學交叉科學研究院院長葛冬冬則試圖在運籌學領域給我們帶來新的啟迪。他談到，對於很多現實的東西，一個人要做決定，做決定的時候，發現這個規律可能是很複雜的，最後建立了一個非常複雜的系統，這個系統怎麼根據複雜的規律之間錯綜複雜的關係，把最優化的決策找出來，這就是運籌學的任務了。而在最近兩年，葛冬冬明顯感覺到運籌學在如今社會的機遇和挑戰，這個機遇主要體現在兩個方面：算法和社會環境發生的變化。最後，葛冬冬談到：「運籌學，要順應這個改變，它能做的事情是很多的。為機器學習提供模型的思考，算法的保障，同時也是數據到決策全面調整最核心、最後的一環，非常關鍵。再者，通過優化和建模的方法，對實際問題能夠起到很多的指導作用。」
接下來，俞棟、鄧力、吳思和 Bay Labs 科學和技術負責人 Johan Mathe、麥克馬斯特大學工程實踐與技術學院助理教授高振一起在舞臺上進行了主題為「機器學習的前沿與交叉研究」。他們結合自己的研究背景對機器學習前沿以及與神經科學、心理學等多領域的跨學科研究和思想進行了探討。
Session 3：先鋒青年
在這一輪 Session 環節，第四範式聯合創始人兼首席研究科學家陳雨強與 NIPS 2016 最佳論文「VIN」作者之一吳翼都各自帶來了非常乾貨十足的分享。
作為明星人工智慧創業公司第四範式的聯合創始人和首席研究科學家，陳雨強所帶來的主題為「No Free Lunch：機器學習模型『寬與深的大戰』」的演講非常全面地探討了學界中的深度模型和工業界中的寬度模型，同時還分析了這兩種模型的各自特點。他介紹說：寬與深的模型並沒有誰比誰好，這就是免費午餐定理：不同業務使用不同的模型，不同的模型有不同的特點。他對這些特點進行了說明：寬度模型有比較準確的記憶能力，深度模型有比較強的推理能力；寬度模型可以說出你的歷史，在什麼情況下點過什麼廣告，深度模型會推理出下次你可能喜歡哪一類東西。寬度模型是依靠層次化特徵進行泛化的，有很強的解釋性，雖說特徵很多，但是每一個預估、為什麼有這樣的預估、原因是什麼，可以非常好的解釋出來；深度模型是非常難以解釋的，你很難知道為什麼給出這樣的預估。寬度模型對平臺、對工程要求非常高，需要訓練數據非常多、特徵非常多；深度模型對訓練數據、對整個模型要求相對較低一點，但現在也是越來越高的。
接下來上臺分享的是加州大學伯克利分校的在讀博士吳翼，他的導師是著名的人工智慧領域「標準教科書」《人工智慧：一種現代方法》的作者之一 Stuart Russell（他將在明天分享主題為《人工智慧的過去、現在與未來》的演講）。在今天的分享中，吳翼講解了他所參與的一項曾獲 NIPS 最佳論文獎的研究——價值迭代網絡（VIN）。吳翼提到，他們成功地將一個經典的規划算法和經典的卷積神經網絡建立了聯繫。從而將一個規划算法，在神經網絡中表達成了卷積神經網絡的形式。「現在我們可以將規划算法 value iteration 作為一個模塊嵌入到之前我們提及的網絡結構中。我們稱之為 value iteration network，簡稱 VIN。」而由於有個 value iteration 模塊，整個網絡也就有了學習規劃和進行長期規劃的能力。
大會第一天最後環節是以《機器智能時代的青年先鋒視野》為主題的圓桌討論，作為人工智慧領域的青年代表，Zachary Lipton（卡內基梅隆助理教授）、張先軼（澎峰科技創始人）、吳翼分享了各自在學習、就業及創業方面的經驗。
大會第二天
大會第二天，人工智慧領域「標準教科書」《人工智慧：一種現代方法》作者之一 Stuart Russell、第四範式首席科學家 & 香港科技大學計算機科學與工程系主任楊強、上海交大教授 & 思必馳聯合創始人兼首席科學家俞凱、阿爾伯塔大學教授 & 計算機圍棋頂級專家 Martin Müller 等學界大牛繼續分享了機器學習領域的前沿研究和探索。而除了技術分享之外，大會第二天還安排了更多有關人工智慧產品、應用與投資的內容；科大訊飛執行總裁兼消費者事業群總裁胡鬱、螞蟻金服 VP 兼首席數據科學家&普渡大學終身教授漆遠、搜狗 CEO 王小川、Element AI 聯合創始人 & 投資委員會顧問 Jean-Sebastien Cournoyer、百度 VP 兼百度風投 CEO 劉維、聯想之星 Comet Labs 管理合伙人 Saman Farid 等業界和投資者優秀代表分享了對人工智慧應用、商業化與社會影響的思考。
和昨天一樣，今天同樣首先安排了兩場主題演講——Stuart Russell 的《人工智慧的過去、現在與未來》和楊強的《遷移學習研究與應用》。
在《人工智慧的過去、現在與未來》中，Stuart Russell 首先對人工智慧的發展歷史進行了梳理，Russell 說，人工智慧是一個內涵豐富的學科，其內容涉及哲學、數學、神經科學等學科與領域。同時，人工智慧也不是一個新學科，其經歷過兩次人工智慧寒冬。現在，人們開始認真地看待人工智慧，迎來了人工智慧爆炸的奇蹟。那麼，為什麼深度學習能取得成功呢？Russell 舉了 AlphaGo 戰勝李世石的例子。「AlphaGo 包含了很多技術，一種就是深度學習，也用到了蒙特卡羅樹搜索，可以得到非常高效的結果，它可以追溯到 1950 年代的一些複雜但是經典的搜索方法。另一方面，人工智慧很多領域的發展也促成了 AlphaGo 的成功，比如支持深度學習的硬體發展。」剛剛輸給 AlphaGo 的柯潔也曾說，去年跟 AlphaGo 下棋的時候好像還是在跟人下棋，而今年他覺得好像是跟上帝下棋一樣。
考慮到已有人工智慧寒冬在前，雖然現在所有的發展都非常讓人欣慰，但還是有可能是一種噱頭。人們需要審慎考慮，不要因為過度的期待而覺得失望。Russell 說：「我們上一次 AI 寒冬是因為這個技術的前景和一些承諾。很多人可能都不太記得當時的內容。20 世紀 80 年代的一些技術，在真實的世界當中時並不是非常奏效。那時深度學習也不太受歡迎。但是如今我們可以更新現代的技術，可能未來對訓練、數據的要求也不用再那麼高。」
對於人工智慧的現在、未來以及眼下仍無法實現的問題，Russell 也給出了自己的觀點。
「雖然我們缺失的東西很多，但是我們已經能夠預見到，不遠的將來，AI 系統能夠具備像人一樣的能力了。」Russell 說道。因此，我們也需要警惕人工智慧被濫用。儘管人工智慧可以讓人類做更多的事情，把人類文明推向更積極的方向，但是也有出現殺人機器的可能性，演變為一種新的大規模殺傷性武器，引起人們的種種擔憂。
對於這個問題，Russell 認為人工智慧系統要被證明可以給人類帶來益處，有三個簡單的方法：「第一，機器人的目標是最大化實現人類的意願，即機器應該使得人類的意願得到滿意，而不是讓機器讓人類感覺不舒適。第二，機器人不知道什麼是價值，所以不要給機器一個固定的價值系統。第三，人類的行為應給機器提供參考。」
未來人工智慧到底會走向何處？Russell 給出了自己的答案：「AI 需要對人類有貢獻，這是一個技術性問題，但我相信未來能夠解決它。」
接下來，第四範式首席科學家、香港科技大學計算機科學與工程系主任楊強教授帶來了主題為《遷移學習最新進展》的演講。演講一開始，楊強教授就談到了霸佔新聞頭條好幾天的 AlphaGo。他說：「AlphaGo 看上去像神一樣的存在，好像是無懈可擊。」而我們如果從機器學習的角度來看，其有一個很嚴重的弱點，即 AlphaGo 沒有遷移學習的能力。
遷移學習是指把已訓練好的模型參數遷移到新的模型上來幫助新模型訓練數據集。楊強表示，遷移學習有三大好處：小數據學習、實現舉一反三和融會貫通、實現個性化。
然後，他盤點了遷移學習最近的六大進展：一是我們可以通過把問題的結構和內容分離開來而發現不同問題之間的共性；二是層次化的系統可以更容易幫助我們構建機器學習的遷移；三是分段遷移和分段學習；四是讓模型學會遷移的方法，即「學習如何遷移」；五是把遷移學習本身作為一個元學習（Meta Learning），然後再賦予到不同的學習方式上；最後一個進展是數據生成式的遷移學習，即生成對抗網絡（GAN）。
最後楊強教授總結說，儘管現在深度學習已經有了很大的突破，但機器學習的未來在小數據、個性化、可靠性上面，這就是遷移學習的發展方向。
前面兩位教授的精彩分享之後，科大訊飛執行總裁兼消費者事業群總裁胡鬱通過主題為《人工智慧+共創新世界》的演講為我們解讀了人工智慧的社會影響。他說過去三年中，人工智慧應用在改變我們的生活上有最讓人印象深刻的兩點：一、人工智慧可以改變我們和機器交互的方式，從而改變消費者領域產品的形態；二、人工智慧可以向專家學習專業知識。對於人工智慧的社會影響，胡鬱總結說：人工智慧不會替代人類的職業，但它可以代替人類職業的某些技能，改變人類的職業，對人類社會和整個職業的發展產生非常重大的影響，不過這個影響需要時間。但最重要的是，它能幫人類節省時間，提升時間利用效率。
接下來，螞蟻金服 VP、首席數據科學家、普渡大學終身教授漆遠為我們解讀了如何通過人工智慧提供更好的個性化金融和智慧生活服務。他說：「我們希望通過大數據、AI 使系統更智能，服務長尾的機構和個人。我們認為人工智慧技術能夠驅動我們的業務發展，重塑金融業務。」在演講中，他還談到了自己的兩個經歷。一是 DeepMind CEO Hassabis 告訴他希望在 AlphaGo 之後將人工智慧技術應用到醫療、金融等領域，從而改變世界；另一個是最近加入螞蟻金服擔任科學智囊團主席的 Michael I.Jordan 告訴他目前談奇點還為時尚早，「對於人工智慧的未來，他說我們還沒有摸到強人工智慧的門。我非常贊成他的觀點。」
上海交大教授、思必馳聯合創始人兼首席科學家，也是 GMIS 2017 上午大會的主持人俞凱介紹了如何邁向智能認知型對話交互。他談到全世界物聯網設備的數量正在快速增長，並且在 2017 年的時候已經首次超過了人類的數量。這些設備很多都是小屏甚至無屏的，要實現與這些設備的交互，語音就變得非常重要了。基於此，俞凱具體講述目前對話交互領域已經解決的問題、尚未解決的難點和背後的理論。而在整個系統的架構裡邊，要解決的無非就是兩大類問題，一是感知，二是認知。感知是以識別為代表的，認知則是以決策（包括知識處理）為代表的。俞凱整個演講提出這樣一個觀點：「智能的感知+認知的進化」是未來人機口語對話系統發展的重要方向。
下午，GMIS 2017 大會現場進行了一場人機大戰。自人工智慧誕生以來，「人機大戰」就一直是人類最熱衷的的話題之一；就在昨天，目前排名世界第一的職業圍棋手柯潔和 AlphaGo 的人機大戰剛剛落下帷幕，也差不多將圍棋領域的人機大戰載入了歷史。在 GMIS 2017，搜狗汪仔和我們大會現場的人類速記員進行了比拼。最後，搜狗以 4:1 的成績贏得了這場比賽。
人機大戰之後，機器代表汪仔的開發者搜狗公司的 CEO 王小川走上了舞臺，分享了他對人工智慧技術的思考。他說，在談及深度學習突破時，專業人士喜歡談感知、認知方面的突破，但是搜狗更願意使用識別、決策、生成這樣的表達。在決策方面，人工智慧可以幫助提高決策效率，提升商業效率。在感知和生成領域，人工智慧進展會影響人機互動。另外搜狗還關注圖像、語言、文本之間的互相轉化。王小川表示搜索的未來是問答——一種很深度的問答，即以自然語言方式的問句來提問，而不是關鍵詞，這是未來的搜索要做的事情。
接下來，阿爾伯塔大學教授、計算機圍棋頂級專家 Martin Müller 帶來了 GMIS 2017 上的最後一次技術分享，他在演講中探討了深度學習時代的啟發式搜索。Müller 是設計研發 AlphaGo 的 David Silver 和黃士傑（Aja Huang）（也是 DeepMind AlphaGo 發表在 Nature 上的論文的兩位並列第一作者）的導師，曾在「柯潔 vs. AlphaGo」的比賽期間和機器之心一起觀看比賽直播並分享了他自己的觀點，可參閱機器之心的多篇報導文章。他在演講中談到「啟發式搜索不是搜尋引擎式的搜索；在真實情況下，由於可能性過多，很多時候你是不能搜索全部信息的。在圍棋中，這種情況尤為突出。」
之後，Müller 還解讀了 AlphaGo 的學習方式以及阿爾伯塔大學在計算機德州撲克等方面的研究。當然，雖然啟發式方法已經在多種應用中獲得成功，但仍然面臨一些挑戰。「在自動駕駛、醫療等應用領域上，人類不允許深度學習和啟發式搜索存在小概率偏差。這意味著我們還有很長一段路要走。我們目前還面臨著兩個挑戰，如何把啟發式搜索和精準的結果聯結在一起；以及當不知道全局規則的時候，如何讓機器解決問題。」
接下來，兩場主題分別為「人工智慧的產品與應用」與「人工智慧全球化」的 Session 介紹了人工智慧的社會影響以及這一波智能浪潮中所蘊藏的機會。
Session 1：人工智慧的產品與應用
在這一場 Session 中，多家創業公司的創始人分享了他們的人工智慧產品和應用。
首先，竹間智能科技創始人兼 CEO 簡仁賢的演講《機器人會改變我們連接世界的方式嗎？》探討了人工智慧理解語言的實質。他認為人工智慧對語言的理解可分成三個層次：關鍵詞理解和匹配、理解語境、能夠理解對話的言外之意。簡仁賢最後認為，語音是感知、感官，而不是交互；語言才是交互。
iPIN 創始人兼 CEO 楊洋發表了主題為《認知分析-透過機器重新審視商業本質》的演講，探討分享了如何通過機器認知分析人和企業，從而使得商業決策更加智能，實現商業利潤回報最大化。
圖靈機器人 CEO 俞志晨發表了主題為《定義機器人》的演講，從產品角度審視了機器人及人工智慧行業；他認為，過去網際網路產業中，早期是技術在推動發展，但是越往後產品以及對用戶的理解在發揮著越來越大的作用。
最後，拍醫拍聯合創始人兼首席科學家楊瓊探討分享了人工智慧如何推動醫療領域的進步，以及目前存在的困境是什麼。
在本場 Session 最後的圓桌論壇上，因果樹創始合伙人滕放、圖普科技 CEO 李明強、璇璣 CEO 鄭毓棟、杉數科技聯合創始人兼 CTO 王子卓、Abundy 創始人兼 CEO 鄒昊坐在一起結合自己的經驗探討了人工智慧的應用場景和商業化。
Session 2：人工智慧全球化
第二場 Session 的主角是全球著名的人工智慧領域的投資者，他們分享解讀了人工智慧領域的市場機會、全球化影響以及創業者所面臨的機遇和挑戰。
首先，Element AI 聯合創始人 & 投資委員會顧問 Jean-Sebastien Cournoyer 向聽眾解釋了加拿大在人工智慧發展上的重要作用。他談到在深度學習爆發性增長的過程中，蒙特婁和多倫多成為了人工智慧研究的中心。這兩座城市湧現了像 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 這樣影響巨大的人工智慧先驅者。作為一個資深投資經理，Cournoyer 自然也分享了很多關於人工智慧投資和創業的經驗，他將應用人工智慧的公司分成了三種形式：Applied AI（目前大多數科技公司）、AI First（比如 Ross Intelligence）、The Machine（許多科技巨頭）。目前，加拿大已經湧現出了 160 家人工智慧創業公司，在去年，大約有 10 億美元的風投資金進入了這些公司。
接下來，百度 VP 兼百度風投 CEO 劉維進行了主題為《跨越國界：智能機器時代的全球化》的演講，談到了在 30 年、50 年的長遠未來範圍內，人工智慧將會給我們的社會帶來什麼。他說：「從一個更加仰望星空的立場來看，我想人工智慧給我們帶來的長遠未來實際上是把人跟人之間的差異逐漸消除，讓我們能跨越國界，去重塑一個真正全球化的格局。」
聯想之星 Comet Labs 管理合伙人 Saman Farid 分享解讀了人工智慧時代創業者面臨的挑戰和機會。Farid 非常肯定人工智慧的潛力，並且相信人工智慧能夠帶來新一代的應用變革，當然，人工智慧也有自己的問題，比如數據問題、環境因素不可控以及特殊案例。基於人工智慧的優勢和劣勢，Farid 就人工智慧的應用給創業者提供了三點建議：一、選擇可控度與不可控度適中的環境，需要找到合適的平衡。二、不要為了研究而研究，要著眼商業價值。三、去解決那些人不願意去做的工作，比如垃圾分類。那麼創業者應該如何把握合適的機會呢？Farid 從投資人的角度為創業公司給出了另外三點建議：一、解決好實踐問題，二、選擇一些可能被解決得很好的問題，三、做那些大公司做不了的事情。
這場 Session 以主題為《機器智能時代的全球化進程》的圓桌論壇而完結。在這個論壇中，MIT Technology Review 資深編輯 Will Knight、GE 交通數字解決方案 CTO Wesley Mukai、Element AI 聯合創始人 & 投資委員會顧問 Jean-Sebastien Cournoyer、聯想之星 Comet Labs 投資合伙人 Adam Kell、Fusion Fund（A.K.A NewGen Capital）創始合伙人張璐和 Sujitech 創始人兼 CEO Suji Yan 在全球化的視角上對人工智慧的全球化影響和商業機會進行了分享和討論。
這場 Session 之後，作為本次大會的神秘嘉賓，谷歌雲業務機器學習/人工智慧研發負責人李佳博士為我們帶來主題為《企業如何運用人工智慧》的演講。李佳談到，為了讓人工智慧更加普惠，給更多開發者和使用者帶來益處，谷歌做出了不少努力。總結而言，谷歌雲的工作主要圍繞人工智慧四大支柱：數據、計算能力、算法和人才。最後，李佳也談到了李飛飛也一直在強調的「AI 民主化」。她說，人工智慧會惠及每個人，這就是為什麼採取人工智慧民主化的第一步。
至此，GMIS 2017 大會兩天的演講和論壇內容就宣告結束了。最後，機器之心在會場舉辦了機器之心「AI00」頒獎晚宴，共 20 多家人工智慧技術研發公司在舞臺上接受了機器之心創始人兼 CEO 趙雲峰的頒獎，其中包括英特爾、微軟、IBM、騰訊、亞馬遜和英偉達等大公司代表以及深鑑科技、第四範式和 Clarifai 等創業公司代表。除此之外，還有數家已被選入機器之心「AI00」榜單的海外公司也發來了祝賀視頻，對「AI00」項目表示了肯定，並對 GMIS 大會的成功舉辦表示了祝賀。
全球機器智能峰會（GMIS 2017）是全球人工智慧產業信息服務平臺機器之心成功舉辦的首屆大會，邀請了來自美國、歐洲、加拿大及國內的眾多頂級專家參會演講。本次大會共計包含了 47 位嘉賓、5 個 Session、32 場演講、4 場圓桌論壇、1 場人機大戰，兼顧了學界與產業、科技巨頭與創業公司，以專業化、全球化的視角為人工智慧從業者和愛好者奉上了一場機器智能盛宴。