吵鬧的AI背後，誰在蹭熱度？誰又真的做了實事？

編輯 | 關賀宇

當潮水退去之後，你才知道誰一直在裸泳。

2016 年，AlphaGo 在人機圍棋大戰中贏了九段高手李世石，吸引了全世界的目光。然後呢？

2017 年，吳恩達通過其初創公司 deeplearning.ai 向大眾提供深度學習方面課程。據說，他想要為人工智慧籌集 1.5 億美元基金。然後呢？

從谷歌2009年啟動無人駕駛項目到現在，十年的時間，從對自動駕駛的狂熱到接二連三事故發生後的清醒。好像發生了什麼，又好像什麼都沒有改變。

有人說，人工智慧喊了這麼多年，其實並沒有帶給我們想像中的那麼智能。也有人說，這是人工智慧最好的時代，也是最壞的時代。

人工智慧到底能給我們帶來什麼？它離真正的「腳踏實地」還有多久？新的人工智慧方面的知識、理論、演算法、技術依然層出不窮，身為技術人，如何才能跟上節奏，免遭淘汰？又如何能看清真相，不盲目跟風？

我們想請一些真的踏實在做人工智慧並有所成就的企業和專家，共同探討哪些是可落地的人工智慧，在實踐過程中遇到哪些困難，又是如何渡過難關？

2019QCon 全球軟體開發大會·北京將於 5 月 6-8 日在北京·國際會議中心盛大開幕，本次設置【限額免費】解決方案專場，特邀一線技術專家，分享在人工智慧實踐、微服務架構與 DevOps 實踐、演算法、雲原生實踐、高效開發、業務架構與安全等方面的經驗，去聽這些專家在工作和項目中遇到的技術難點和「絞盡腦汁」想出的解決方案，用他們的踩坑經歷，給參會者一些全新的思考。

人工智慧實踐技術專場

本專場將帶來人工智慧在垂直領域中的應用與實踐分享，共同探討機器學習如何提高分析效率，物流車貨匹配搜索排序平台的實踐，以及新一代客戶聯絡中心 AI 解決方案的原理和實踐。

議題簡介：位置服務在經濟中起到越來越重要的作用，但是傳統 LBS 服務多數是基於純地理數據支持商業分析，TalkingData 基於人本數據，結合機器學習等手段，整合了數據、演算法，幫助傳統企業更實時、全景地觀察現實世界，提高了分析效率，增強了分析的客觀性。

議題簡介：從產品形態、運營需求及用戶視角切入，介紹互聯網物流車貨匹配業務需求。針對車貨匹配搜索排序平台的工程架構設計，介紹在架構決策中所碰到的問題和解決問題的技術方案。車貨匹配搜索排序平台隨著業務的快速變化，也在不斷演進。從平台穩定性、擴展性，以及平台依賴數據的精準度、可靠性的角度，分享物流車貨匹配搜索排序平台未來的發展方向。

議題簡介：客戶聯絡中心已經成為企業拓展業務、提供客戶服務所不可或缺的關鍵業務系統，智能語音導航、客服機器人、全渠道接入、工單工作流等新應用成為行業關注的重點；另一方面，客戶聯絡中心在建設、運營、人員等方面的成本支出越來越明顯，大型企業的客戶聯絡中心坐席數量有的已經超過了上萬席，每個月的整體運營成本數以億計，企業在提高效率、降低成本方面的需求越來越迫切。本次演講探討了 AI 技術在新一代的客戶聯絡中心的真實實踐，展示了如何通過 AI 技術變革，為大型客戶聯絡中心賦能，讓智能化應用幫助企業節省人工、提高產出。

「5G和AI是真火啊，感覺遍地都是機會呀，可是我為什麼又覺得這些跟我都沒關係呢？」

可以有關係！人工智慧這一場技術乾貨分享，最好別缺席。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！