GMIS 2017 YinyinLiu：演變的AI與模型俱進

全球機器智能峰會（ GMIS 2017 ），是全球人工智慧產業信息服務平台機器之心舉辦的首屆大會，邀請來自美國、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 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一場機器智能盛宴。

5 月 27 日，機器之心主辦的為期兩天的全球機器智能峰會（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為本次大會做了開幕式致辭，他表示：「我個人的看法是再過幾年，我們90%的工作是人工智慧提供的，就像我們今天大部分工作是機器提供的一樣。我們的工作就是儘快讓我們的鞋底也像人一樣聰明，而不是鞋底比我們聰明，這就是人工智慧給我們提供工作的機會。我們知道人工智慧會給我們提供一個更美好的未來。」大會第一天重要嘉賓「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智慧官鄧力、騰訊 AI Lab 副主任俞棟、英特爾 AIPG 數據科學部主任 Yinyin Liu、GE Transportation Digital Solutions CTO Wesly Mukai 等知名人工智慧專家參與峰會，並在主題演講、圓桌論壇等互動形式下，從科學家、企業家、技術專家的視角，解讀人工智慧的未來發展。

上午，英特爾人工智慧產品事業部數據科學主任 Yinyin Liu 發表了主題為《演變中的人工智慧：與模型俱進》的演講，她探討分享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。以下是該演講的主要內容：

人工智慧領域中的解決方案包括模型設計、數據收集、AI 框架搭建等不同組成部分。除了這些部分，各行業從業者的思考，譬如哪些問題是可以解決的、什麼樣的解決方案是有效的，也對整個生態系統的發展有至關重要的作用。

用於圖像的模型是最常見的一種深度學習模型，然而一種模型可以投入到不同的領域中給出多樣的解決方案。例如，圖像識別可以用於農業，進行作物疾病的識別。即使缺少針對這一個細分領域的數據集，我們也可以通過在 ImageNet 數據集上訓練好的通用圖像分類器上添加層數和微調，以遷移學習的方法搭建針對特定領域的高效圖像識別模型。而圖像分割則可以用於作物產量的預測。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！