10月13日，2018 CAAI智能傳媒學術峰會順利開幕！本文獻上北京印刷學院教授、CAAI智能傳媒專委會主任曹鵬教授，中國傳媒大學腦科學與智能媒體研究院院長曹立宏教授，新智元創始人兼CEO楊靜女士，首都師范大學教授、CAAI教育工作委員會主任王萬森教授等在人工智能與傳媒領域中，學術、產業界優秀領跑者的精彩演講，共同探討“媒生萬物到萬物皆媒”的未來。

在人工智能快速崛起的現代，許多傳統行業正或多或少的被AI所影響著。同時，由于AI的賦能，使得這些行業或領域正以前所未見的速度快速發展。正如新智元創始人兼CEO楊靜女士在大會中所述，“未來的發展將是遵循AI摩爾定律”。傳統企業的轉型、超級AI生態的構建，將是未來發展的必然趨勢。

2018 CAAI智能傳媒學術峰會是由中國人工智能學會和北京市大興區人民政府聯合主辦，由北京印刷學院和中國傳媒大學聯合承辦的“人工智能賦能傳媒行業”的高端學術峰會。

上午場參會嘉賓與領導

本次峰會以啟幕“媒生萬物”到“萬物皆媒”為主題，旨在研討并推動智能傳媒領域科技創新與發展，促進智能傳媒技術落地應用。通過學術報告和面對面研討，致力于打造智能傳媒領域學術盛會。

智能傳媒愿景：打造一流專家團隊、傳媒行業高端智庫

人工智能的崛起沖擊著許多傳統行業，但同時也賦予了這些行業新的能量、機遇與挑戰。

北京印刷學院教授、CAAI智能傳媒專委會主任曹鵬教授

北京印刷學院教授、CAAI智能傳媒專委會主任曹鵬教授基于CAAI發展對人工智能時代下AI賦能傳媒以及智能傳媒專委會建設與發展愿景，做了題為《智能傳媒及發展愿景》的報告。

中國人工智能學會（CAAI）的發展

中國人工智能學會（CAAI）成立于1981年，是經國家民政部正式注冊的我國智能科學技術領域唯一的國家級學會。

學會現有44個分支機構，包括37個專業委員會和7個工作委員會。

智能傳媒專委會作為其中唯一的面向傳媒行業的分支機構，其前身是由北京郵電大學楊先先教授創辦的“智能數字內容安全專委會”。

本專委會2014年7月由學會批準正式更名為智能傳媒專委會。智能傳媒專委會現有委員90余名，會員600多人。

涂序彥教授（左）、楊義先教授（右）

曹鵬教授著重介紹了兩位對中國人工智能學會智能傳媒專委會建設具有重要意義的人物——涂序彥教授和楊義先教授。

涂序彥教授：中國人工智能學科的主要奠基人、中國人工智能學會的主要創始人之一，中國科技大學特聘教授、博士生導師。吳文俊人工智能科學技術成就最高獎等獎項。

楊義先教授：首屆長江學者特聘教授、國家杰出青年基金獲得者、“有可能影響中國21世紀的IT青年人物”稱號、國家級教學名師等多項國家級、省部級獎勵。

智能傳媒：AI賦能傳媒，開啟傳媒行業新篇章

曹鵬教授說：“很明顯，智能傳媒就是AI和傳媒的結合。近幾年，由于互聯網、人工智能等前沿技術的發展，加速促進傳統媒體轉型與融合發展。2014年傳統媒體人呼吁跨界發展、到今天智能傳媒已經初步成為行業內外的普遍共識。

AI賦能傳統媒體行業的大幕已經拉起。

曹鵬教授同時還表示，智能傳媒是傳媒科技王國金字塔尖頂的皇冠，正在加速激發傳統傳媒業轉型發展，并不斷開辟新的傳媒領地，構建著新的傳媒業態和生態。人工智能賦能傳媒行業，已經開啟了傳媒業的新生態，拉開了“萬物皆媒”的大幕。

智能傳媒專委會建設與發展愿景

對于智能傳媒專委會建設與發展愿景，曹鵬教授提出了四大維度：

打造一流專家團隊：包括人工智能領域頂尖專家隊伍和傳媒行業頂尖專家隊伍。

創建品牌科技活動：包括高端學術會議、創新競賽以及科普活動與服務社會。

提高服務會員水平：構建高端學術交流平臺、共享前沿學術資源、及時掌握準確的前沿發展趨勢與動態。

打造傳媒行業高端智庫：做好政府和企業發展決策的好參謀、服務智能傳媒人才培養和科學研究。

人工智能面臨挑戰的原因：理解是關鍵！

人工智能隨著AlphaGo與李世石的一場對弈變得舉世矚目，而類腦計算也逐漸變得家喻戶曉。

中國傳媒大學教授、腦科學與智能媒體研究院院長曹立宏教授

中國傳媒大學教授、腦科學與智能媒體研究院院長曹立宏教授在本次會議中從人工智能的一些成功案例與存在問題、面臨挑戰的原因分析、類腦智能與計算以及相應的一些展望四個方面，做了題為《人工智能與類腦計算的融合發展》的精彩報告。

人工智能的成功案例與存在的問題

曹立宏教授說，人工智能在國內突然受到很大的重視，想必應該是人腦與機器的決戰，即AlphaGo。

近些年，人工智能取得的成功案例也很多，例如在圖像識別中可以把小貓、小狗給識別出來，再接下來也可以做到多目標檢測與追蹤。也能將2維甚至3維的人體骨架給勾勒出來。

另外一方面，AI對醫學帶來了巨大的推動。例如我們做了一次胃炎、腫瘤的人機大戰，當然，機器取得了勝利。

就在前幾天，Nature雜志上刊登了利用AI來做息肉檢測，也是達到了非常精準的狀態。

這一切都是在深度學習技術的基礎上進行的。那么深度學習的實現=算法+大數據+高性能計算。

AI面臨挑戰的原因分析

曹立宏教授表示，AI面臨挑戰的原因主要包括三點：動態學習（自適應學習）、魯棒性和可泛化。

無論是Catastrophic Forgetting 、Domain Change 還是自然語言處理等，總結一句話來說——理解，是挑戰。

類腦智能與計算

曹立宏教授首先對CNN的成功與存在問題的原因做了分析：

神經元及網絡模型非常簡單，操作十分便捷。BP算法 – 全局學習– 具有Overfit的能力。

CNN其實是類腦的，是Brain Inspired AI(BI-AI)。

沒有訓練的CNN：例如，采用ImageNet20類的數據集，每類一共有100張圖像，其中隨機取80張作為訓練集，剩余20張作為測試集 ;不同數量的卷積層 (分別為1、5和13)對網絡識別性能的影響，所有卷積層均隨機初始化并不參與訓練 。只要在softmax分類器之前加入一層卷積層正確率就可以從22%左右提高到30%。多加的卷積層(即使僅是隨機初始化)均會使得網絡的識別性能比只有一層卷積層的網絡有所提高。但并非越多越好。

一些圖像表面是高維的，內在卻是低維的。CNN可能本身就是一個自然的方法，并用這個自然的方法來解決這些自然的問題。其它的證據：⑴稀疏編碼：在大腦中是稀疏的，能耗很低。⑵tSNE方法的有效性。⑶壓縮感知：如果信號是稀疏的，采樣率可以很低。⑷隨機投影：高維的稀疏信號可以從較少的、隨機的低維角度觀察獲得。

Brain-Score結果：⑴這些ANN中尚未有接近類腦的ANN（和理論值相差較遠）；⑵ImageNet上表現最好的那些BrainScore更低；⑶BrainScore高的在ImageNet上表現良但不是優。⑷規模小但帶RNN的Cornet_S獲得較高的BrainScore。

隨后對RNN的成功與存在問題的原因做了分析：

簡單的RNN也會變成較長的DNN，還是離不開BP算法/大數據/高算力。

太短的記憶不夠用，所以需要LSTM。但是還有許多不同的地方，例如神經模型、學習規則、學習機理等。此處要注意的是，神經信號的Spike特征是STDP時序性的必要條件。

曹教授對AI與類腦科學的一些展望

AI面臨的問題與挑戰之我見

有限封閉場景中的應用：可以在工程上優化，不必類腦；優化方法不必限于深度神經網絡。

開放多變環境中的應用；類腦的方法將是有效可行的途徑；可以有不同程度的類腦，有效性由實踐驗證。

AI本質上的問題是科學+工程問題；腦科學將繼續為AI帶來啟示，并相互發展；技術的快速發展將帶來AI和腦科學的快速融合發展。

“這是最好的時代,也是最壞的時代”——狄更斯

我們處于最好的時代 ：腦科學快速發展；高性能、量子計算機；大數據；各級政府、企業的高度重視。

我們處于最壞的時代：倫理、法律問題；不小心就會被AI干掉！

這是智慧的時代！

這是愚蠢的時代！

人工智能本科教育：以AI為核心的專業體系建設

人工智能要想穩健的發展，正確的人才培養是十分重要的。

首都師范大學教授、CAAI教育工作委員會主任王萬森教授

首都師范大學教授，CAAI教育工作委員會主任王萬森教授基于我國人工智能教育現狀，對以人工智能為核心的專業體系建設及人工智能人才的培養模式做了深入的分析——《人工智能本科人才培養及專業知識結構探討》。

我國人工智能本科教育的基本狀況

人工智能本科教育的起源及發展 ：我國人工智能本科教育起源于2004年，智能科學與技術專業就是我國的人工智能專業，二者沒有本質區別，名字不同，可差異化發展。后面統稱人工智能專業 。

截止2016年，全國經教育部正式批準設立的本科專業共29個。 2016年前步履艱難。2017年新增7個，2018年新增19個。目前為止一共55個。

而按建院時間排名，在前10名的院校當中，僅有2所具有本科教育。王萬森教授對此現象表示懷疑，“這只是跟風，而不是真正的教育”。

人工智能本科教育熱潮興起 ：⑴多專業并行快速發展；⑵AI學院紛紛建立。

人工智能本科教育熱潮溯源 ：⑴科技進步與企業推動：算力、數據、算法；⑵政府引導與需求牽引。

而后王萬森教授對人工智能教育熱潮進行了冷思考 ，提出三點基本估計和兩條質量準則：

三點基本估計：第一，能主動適應經濟社會發展需求，具有較強的發展原動力；第二，是一種形勢紅利驅動下的轟轟烈烈，其內涵發展的深層次問題需要認真考慮；第三，教育的本質是樹人，質量和前瞻性是其首要屬性。

兩條質量準則：一是學科準則；二是需求準則。

以人工智能為核心的專業體系建設

新一代人工智能的基本結構

王萬森教授提出新一代人工智能的基本結構：

1、基礎理論：

⑴重大基礎理論：大數據智能理論、跨媒體感知計算理論、混合增強智能理論、群體智能理論、自主無人系統的智能技術。

⑵前沿性關鍵共性技術：高級機器學習、類腦智能、量子智能計算。

2、關鍵共性技術：

⑴知識計算引擎與知識服務技術、跨媒體分析推理技術、群體智能關鍵技術、混合增強智能新架構和新技術、自主無人系統的智能技術。

⑵虛擬現實智能建模技術、智能計算芯片與系統、自然語言處理技術。

王萬森教授表示，人工智能正在形成一個新的專業類：⑴人工智能不是任何一個現有專業的子集；⑵人工智能應該是一個新的專業類 。

同時王教授還提出了以人工智能為核心的專業體系：

1. 內核：人工智能類專業的核心專業，起著“機器大腦”的作用；衍生層：直接由人工智能專業衍生出來。

2. 內核+衍生層+復合層 ：按國務院通知中“加快推進產業智能化升級”；“推動人工智能與各行業融合創新，在制造、農業、物流、金融、商務、家居等重點行業和領域，推動人工智能規模化應用” 。

3. 內核+衍生層+復合層+交叉層：按國務院通知中“重視人工智能與數學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合?！?/p>

不同類型人工智能人才的培養模式

國務院通知對高校人工智能教育的要求包含四層含義：⑴設立人工智能專業 ；⑵拓寬人工智能專業教育內容；⑶形成“人工智能+X”復合專業；⑷人工智能與現有專業的交叉融合。

專業、復合、交叉型人工智能人才的培養：

人工智能本科專業知識結構探討

王萬森教授談到人工智能及其基本結構，他表示，人們在認識客觀世界中，由思維過程和腦力活動所表現出的綜合能力。

用人工的方法在機器上實現的智能。它研究如何構造智能機器或智能系統，以模擬、延伸和擴展人類智能。

對于人工智能專業的知識結構及課程體系，王教授認為：

以此為基礎，王萬森教授以卡內基.梅隆人工智能專業課程結構為例，并表示應“從核心課程開始就給予選修條件”：

卡內基.梅隆人工智能專業課程結構

王萬森教授對人工智能本科教育的幾點思考

高等教育的本質是要“樹人”，質量和前瞻性是其首要屬性，高校人工智能教育更是如此。

主動服務社會需求是高等教育不可懈怠的使命，增設智能專業、發展人工智能教育，是當前和今后一個較長時期的主流 。

人工智能教育是一個系統工程，相關專業應該在新一代人工智能這個大框架下協同發展。

高校人工智能教育包括了專業型、復合型、交叉型人才的培養，以及學生人工智能素養的提升。

AI摩爾定律早就偉大公司，全球巨頭布局AI生態系統

新智元創始人兼CEO楊靜女士

新智元創始人兼CEO楊靜女士在2018 CAAI上，從AI摩爾定律與摩爾定律、中國人工智能產業生態、崛起中的超級AI系統和全球巨頭的生態布局等方面做了題為《AI摩爾定律與超級云計算》的精彩演講。

AI摩爾定律與摩爾定律

楊靜女士開場提及前不久在上海舉辦的華為HC大會，表示華為在大會中宣布將由傳統手機制造企業轉型為AI企業，正是符合AI摩爾定律。

AI摩爾定律是OpenAI做了很深度的研究與分析得出的結論：AI訓練任務所運用的算力每3.43個月就會翻倍，這一數字大大超越了芯片產業長期存在的摩爾定律（每18-24個月芯片的性能會翻一倍）。自2012年以來，AI算力增長了超過 300,000 倍（而如果是以摩爾定律的速度，只應有12倍的增長）。例如，英偉達公司，其快速的發展，且目前在人均產能上超過英特爾，就恰好體現了AI摩爾定律的魔力。

而“摩爾定律”50年來，按照計算能力來算，芯片每兩年成本下降一半，到今天已經成為50年前價格的(1/2)^25，也就是說是當時價格的近3500萬分之一。目前1.5納米芯片制程已確認，可延續到2030年 。

楊靜女士同時提到，實現量子霸權、量子計算十年內將成主流。

全球大型、巨頭企業都在量子計算上投入大量的精力。谷歌：公布72位量子比特處理器；IBM：展示50個量子比特原型機；阿里：81比特量子電路模擬器“太章”。所以量子計算又將為AI摩爾定律拓寬發展的道路。

所以AI摩爾定律較于摩爾定律：以1敵40，資本看中的是增速 。

中國人工智能產業生態

楊靜女士講到中國人工智能產業生態，首先對中國新一代人工智能規劃進行了解讀：社會交流平臺、開放知識平臺、開源硬件工廠、開源軟件平臺、群智眾創空間。如圖所示：

而后提到中國人工智能發展三段論，即第一階段“天網”、第二階段“天算”、第三階段“天智”。

“天網”是把物聯網和互聯網連接在一起，使世界的一切都變得更加數字化和全球化；“天算”是運用高級的運算能力處理海量數據；“天智”是利用海量數據，數據處理之后，實現預示預測。

崛起中的超級AI系統，全球巨頭的生態布局

楊靜女士認為，在AI生態構建中，云的能力很重要，全球排名前5的科技公司，如亞馬遜、谷歌、微軟等，都要轉型成AI云公司。

谷歌云：39億美元巨額投資AI，建立龐大AI生態圈。

軟硬件+開源框架定制體系→聚攬天下英才→塑造龐大的開發者社區生態圈。

亞馬遜云（AWS）：構建AI云生態閉環。

亞馬遜云（AWS），全球公共云市場的領導者，憑借其可擴展性和全面的平臺服務，AWS是開發和部署云和AI應用最領先的云環境之一。采取開發者&企業客戶兩者并重的策略，目前占據市場第一份額。

微軟AI云：主打企業客戶市場，多種AI服務組合。

微軟在商業環境中擁有大量客戶，也有豐富的云+AI服務組合，讓微軟成為AI云市場的佼佼者。尤其是在企業客戶市場，微軟堅持使用Windows，Office 365或Dynamics365等產品扎根全球生態市場。

具備大量數據，這些數據流可以用于訓練機器學習算法和構建神經網絡。

對中國企業而言，由于底層的軟件開發框架和計算芯片領域都沒有出現世界級產品，中國科技這個大樹是沒有“根”的，這是劣勢但同時也是機遇。