硬纪元AI峰会实录|英伟达何犹卿：AI深度学习正在改变世界

深度学习和大量的计算机资源整合将推进人工智能在各行业的应用。

2017年7月9日，由镁客网、振威集团联合主办的“3E‘硬纪元’AI+产业应用创新峰会”在北京国家会议中心盛大开幕。现场200位来自全球AI行业的顶级专家、知名创投机构、创业公司团队和知名媒体齐聚一堂，共谋AI+行业的创新应用，探讨AI的当下与未来。

来自英伟达的中国销售区总监何犹卿先生，在峰会期间进行了主题为“AI深度学习正在改变世界”的演讲。他表示，善用好深度学习和现有的大量计算机资源，将会很好得助推整个AI产业的发展。

以下为演讲实录（为方便阅读，有所删减）：

感谢主办方，今天安排这个机会让我可以跟大家分享人工智能方面的一些应用。今天的演讲，我选用人工智能里的一个关键环节作为标题，在演讲的过程中，将主要就深度学习技术进行展开，它是实现高级人工智能的核心技术。

前面图森、奇点汽车等公司的代表，已经把人工智能在产业当中的一些应用做了描述，所以我会快速地跟大家分享一下人工智能在很多方面的应用。

直观感受人工智能

其实，从人工智能的具体实现来看，主要就是以下三个方面，第一：机器如何有视觉的能力；第二：机器如何有听觉的能力；第三：机器如何有理解和推理的能力。

在很多的应用场合当中，如语音助手以及根据图片做一些搜索和精确的推荐，都已经采用了人工智能技术。目前来看，人工智能已经进入到我们生活的方方面面。

首先谈谈特别场景的应用，比如说我的英文水平不太好，但我要跟一个外国人对话，这个机器可以帮我来做一个实时的翻译；还有我们针对盲人制作了一款智能眼镜，眼镜上的摄像头可以将拍摄到的场景转为语音来提示这个盲人，以此来帮助他；此外，当我们针对某一位病人做一些监护的时候，机器也能帮我做一些监护，包括部分病理的分析和预测。

另外在生活中，人工智能也为我们带来便利。比如现在我们在很多公共场合的视频监控，它们可以做一些识别和突发事件的分析。还有在很多的场合包括北京的龙泉寺，已经有了的这款机器人，可以帮助我们做一些辅助工作；此外，在农业应用上，加州也有一个公司在利用人工智能来帮助做农活。具体来说，就是在除草的机器上面，它会装摄像头，这个摄像头会告诉这个机器什么是庄稼，什么是杂草，那么然后机器会除去杂草，而不是去除庄稼。

人工智能市场潜力巨大

前面米博士也谈到了，从1995年开始我们进入互联网时代，直到2005年以后移动互联网时代开始，到了2015年，这个时代应该就进入到人工智能和物联网的时代。在人工智能这个领域，不管是全球型的大公司还是一些创业公司，都非常关注人工智能的应用。

确实，这个领域的市场潜力非常巨大，对此，我来给出几组数据。到2020年，在可能跟用户发生交互的工作当中，有85%的设备会嵌入人工智能技术来做一些应用；投入到人工智能技术跟研发方面的一些费用将达到470亿美金；此外，可能会有20%的企业会用神经网络来辅助相关工作。

人工智能的发展

人工智能发展基础|机器学习

人工智能是一个很大的范畴，如上图显示，实际上这已经不是一个很新鲜的概念。过去有很多方式来实现人工智能，比如说通过机器学习，可以帮助我们实现人工智能的一些应用。

机器学习是一个很好的方式，但目前来讲，在准确度方面不是太理想。关于机器学习，最为大家熟悉的一个例子，就是我们在做邮件系统时设置了一个防止垃圾邮件的功能，该功能可以做一些标记等等。但实际应用中，我们也有些不好的体验，比如它有时候把不该拦截的邮件给拦截了。

人工智能发展动力一|神经网络

从2011年开始，包括很多院校和研究机构，他们都在尝试用深度学习，即神经网络训练的这种方式，来从事人工智能方面的研究工作。神经网络的出现为人工智能技术带来很大提升，具体表现在，它能让机器达到一个非常高的准确度，比如说95%以上。

现在，我们在做图片的识别、人脸识别这些方面，精确度已经超过了人眼，能达到99%以上的准确率。

人工智能发展动力二|大数据

还有一个很大的动力就是有一个图片分类的竞赛，我觉得这个事情对整个深度学习起到了很强的推动作用。其中，它利用大量的样本去训练神经网络，来提升人工智能识别的准确度。

迄今为止，从全球的趋势来看，无论是科研机构还是各行各业的公司，越来越多的人都会参与到人工智能这个领域里面来。

人工智能的核心技术|深度学习

深度学习|概念

深度学习是一个全新的计算模式，这点要跟大家稍微阐述一下。过去，我们谈论的计算都是一个非常精确的计算，如我们有一个数学公式，可以描述为1+1=2。

而今，深度学习实际上是计算一些我们无法用公式来描述的应用，譬如说下围棋，事实是没有一个准确公式或者说推理可以描述这件事情，但是我们可以通过样本训练来教会这个机器，让它学会这个技能。因此可以说，深度学习是一个新的业务模式，一个新的计算模式。

深度学习|实现

图中最左边，可以看到，我们有很多科学家、数据学家设定的一些算法，即神经网络。然后我通过大量的样本来教会这个机器，这个过程我们一般称之为训练。

图中最右边，我们看到，训练完这个模型之后，可以把软模型拿出来，拿一个示范到云端，然后在数据中心云端给大家来提供服务。这里一个典型的案例就是现在微信的语音识别，我们说一段话，他能把说的话翻译成文字，类似这样的一个应用的场景。

深度学习|落地案例：DGX1

我可以把训练好的模型，搬到一个嵌入式设备当中，那么这个嵌入式设备可以是个机器人，也可以是汽车，即自动驾驶。

为了做系统的神经网络训练，我们做了一台设备，叫做DGX1。可能大家会问说，做处理器的为什么要做系统？当然我们做这台系统是有我们自己的考量。DGX1的配置很常规，这里边主要是有八个高性能的GPU(图形处理器)，和GPU之间的一个通信链接。

这台服务器，它的计算能力相当于250GHZ甚至更强的服务器，也就是一个中等规模数据中心。此外，我们在整个机器当中部署了非常多的工具，这些工具中也包括了很多开源的神经网络，比如一些深度学习的训练框架等。

深度学习|落地的初衷

我们为什么要做这样一个工作？

我们知道，一旦我们在做机器的视觉识别的时候，就会发现有太多的东西要教会这个机器，就像我们人的眼睛，可以识别边很多东西，如花草、水果、动物等。而目前，我们要针对不同的业务，去训练神经网络，教会机器来做识别。大家要知道这种训练的量非常大，所以说如果能有一台设备非常高效的帮我来实现某一科目的训练、做一个识别，这样对整个人工智能走向应用和生产会有巨大的帮助，这就是我们做这台设备的初衷。

长远来看，就是我们做事有一个宗旨：要降低技术的门槛，快速把这个技术落地，以运用到企业的生产和运营中。大家不用花太多的时间去优化和学习这些神经网络，我们提供很多的工具可以帮助大家来快速进入到实质工作上。

深度学习|影响

刚才我们提到2005年到2015年是移动互联网转向人工智能的过度时期，这期间，移动互联网的发展带给大家非常多的数据，也就是我们现在所说的大数据，因此也产生了数据就是金矿的说法。即用数据来帮助业务决策和做一些分析预测。

过了2015年，人们就开始用人工智能技术来帮助企业做一些工作，到了这个时代，我们可以说是进入到了一个算法的时代。

目前很明显的现象就是形成一种数字经济。

如图，这是美国一家在线零售商，他用了AI技术来实现运营。主要运用在两个方面，一个是机器人客服来回答客户的咨询问题，第二个方面就是根据一个订单准确的一个描述，比如说我买了一个手机，加了一个壳等等，机器来帮助员工在货物的清点跟包装不出现错误。

国内也有我们有一个合作伙伴叫深蓝科技，最近也比较热门，因为他们在做智能无人商店，他们主要利用AI来对商店里边包括语音的问答、分析用户的消费行为做一个分析。它也跟我们有些合作，用视觉分析的办法来确保整个销售的完成。实际上目前在国内，像阿里、娃哈哈、海底捞等，很多公司已经进入到这个领域来，开始来做这个无人值守商店。

人工智能推进过程值得关注的问题

问题一|平台

通常来讲，作为一个机器，像DGX1这样的设备，它提供了非常多的工具，比如采用一个可视化的界面来实现整个神经网络训练的过程。

但除了提供一些工具，也需要提供一些平台，包括用台式机或者用服务器数据中心搭建的训练环境。

如英特尔线上推理计算这一端，我们在云端提供了相关应用的一些平台，包括嵌入式机器人、自动驾驶等方面。

所以说，平台的提供是很重要的一点。

问题二|人才

对此，我们有一个深度学习学院。具体就是面向公众包括一些特定的企业，开设一些深度学习技术方面的课程培训。在官网上有专门的这样一个网址，大家可以去看。

总结

想象一下，如果我们要开展深度学习相关项目工作，非常容易就找到工具、平台和人才资源，这将会非常利于工作的高效展开。

人工智能的现状、影响和展望

整个AI行业处于一个初始的阶段，也处在一个高度进化的过程。现在，在互联网领域有非常多的关于人工智能方面的应用，甚至在很多云端服务中，AI技术也被应用，为大家提供服务。但同时，AI也在改变很多行业的业务规则。

以刚才讲到的汽车行业为例。相信现在，传统的汽车行业已经有很强烈的压迫感，因为有很多的初创公司包括技术公司、高科技公司进入到这个领域，这显然会改变我们未来汽车的消费模式。

可以预测，以后我们在谈论代步工具，那一定是共享工具，私家车的消费也会演变为消费个性化的一些车，因此对整个产业都会发生一些转变。

结论

总的来说，可以从三个方面来认识人工智能。

一：人工智能已经渗透到了各个行业；

二：深度学习是帮助我们实现人工智能最有效的技术手段；

三：在开发人工智能应用方面，大家可以提供尽可能多的计算资源，工具SDK等等，以推进整个AI产业的发展。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！