5月26日，2019全球人工智能技術大會--深度學習最佳實踐論壇在南京紫金山舉行，本論壇由中國人工智能學會主辦，Linux Foundation Deep Learning、南京航空航天大學承辦。

在深度學習最佳實踐論壇上，Linux基金會戰略計劃副總裁Ibrahim Hadded、中國聯通智能城市研究院院長朱常波、百度深度學習技術平臺部總監馬艷軍、中興通訊股份有限公司標準戰略部部長張博山、騰訊技術工程事業群資深技術專家王才華、北京國雙科技有限公司CTO劉激揚、品友互動CTO歐陽辰、英飛凌科技有限公司技術經理游勝凱、南京大學教授吳建鑫、南京信息工程大學教授劉青山相繼發表了主題演講。中興通訊股份有限公司標準戰略部部長張博山、南京航空航天大學教授、IAPR Fellow陳松燦共同擔任本論壇主席。

Linux基金會戰略計劃副總裁Ibrahim Hadded在《開源：加速人工智能市場的創新》的演講中談到了構建開源平臺的原因：“首先，構建一個AI憑條的造價是非常昂貴的。同時它也需要非常專業的支持，并不是每一個公司都能有這樣專業的支持。除此之外，AI平臺并不僅僅是一個平臺，還要有訓練的數據、模式和應用，這就是為什么我們會選擇做開源AI平臺。”

5G+AI運營商，開啟萬物互聯新時代

“現在5G基本成熟，面向5G的應用也在飛速地發展，然而5G與4G最大的區別就是將人與人的連接拓展到了物與物的連接，為我們開啟了萬物互聯的新時代。”朱常波在“5G深度學習在電信運營商的研究與實踐”的主題演講中指出。

目前，全球移動通信正在經歷4G向5G的迭代。相比4G及以前的系統，5G業務正擴展至三大場景，業務需求發生重大變化。同時，更快的傳輸速度，更低的延時及海量數據連接不僅對個人生活產生深遠影響，同時給社會發展帶來變革，驅動新的應用場景及新的業務形態。

在談及5G與AI的關系時，朱常波認為，5G和深度學習的關系是相輔相成的。一方面5G為深度學習提供豐富的應用場景，其大帶寬、廣連接、低時延的特性為深度學習提供了海量的數據，同時5G在網絡邊緣提供強大的計算能力。另一方面深度學習的算法模型也有助于5G網絡實現智能化。

在美國與韓國實現5G商用落地以后，國內的三大運營商動作頻頻。其中，中國聯通在5G商用推進中也不斷利用AI賦能5G網絡。在網絡側，聯通基于深度學習的網元設備進行角色識別及安全隱患查驗；在業務側，智能安防領域采用5G MEC邊緣云、食品分析重建安防監控系統，在智能駕駛領域基于5G MEC、圖像識別等構建人、車、路協同式智能駕駛生態系統。

朱常波透露： “中國聯通是北京2022年冬奧會唯一的官方通信伙伴，我們正在準備打造一屆智慧、精彩、平安的5G冬奧會，在冬奧會有兩款有趣的產品，一個是借助于MEC加上語音翻譯技術，實現了無障礙多語種的撥打項目，另外一個是方便殘奧運動員出行的智能頭盔。”

產生原子裂變，未來5G與AI將深度融合

中興通訊張博山在“AI與5G邁入智能通信新時代”的主題演講中講到5G與AI的關系。他指出，第一個是5G+AI，這是物理支撐AI的發展。第二階段是AI嵌入5G，它們已經產生了化學反應。最終體現在網絡的智能運維方面，未來AI與5G一定進行深度的融合，最終產生原子裂變。

眾所周知，5G網絡可以為AI提供物理支撐，進而催生行業的多樣性。例如，5G可以為大視頻業務提供大帶寬，并且為視頻AI分析提供邊緣計算能力；5G車聯網通信技術為車載智能體與道路智能體檢的信息交互提供了低時延、高帶寬和高可靠的連接。AI能夠應用在巡檢設備、智能電報的各個流程，而5GmMTC和5G網絡切片可以為實現智能電能調度，提供網絡保障。

目前，5G網絡的基站數量激增、網絡解耦、業務多樣化、多制式并存的現狀需要引入AI以實現自動化、智能化運營。張博山講到：“賦能5G網絡已經成為企業、政府、開源基金會等進行技術研究和探究的重要領域。”

未來，AI和5G會有更為深刻的融合，最終會讓我們邁向B5G、6G時代，未來的6G將會在應用層、網絡層、物理層一些不可能使用AI技術的層面做到開花結果的。

中興通訊基于對5G與AI的清晰認知，在實踐中不斷促進二者融合。張博山說道：“中興通訊自主研發的自主進化網絡，主要實現三個方面的技術，分別是網源的智能化、網管的智能化和業務的智能化。我們期望幫助運營商提升10%以上的網絡效用，降低75%的運維成本，縮短新的部署發放時間。”

5G時代即將來臨，大家都在勾勒萬物互聯的場景。但人工智能作為一項通用技術，如何與5G相結合為未來的工業、生活帶來更大的價值，值得我們去認真思考。

26日下午，深度學習最佳實踐論壇活動繼續，北京國雙科技有限公司CTO劉激揚、品友互動CTO、英飛凌科技有限公司技術經理游勝凱、南京大學教授吳建鑫、南京信息工程大學教授、江蘇省大數據分析技術重點實驗室主任劉青山相繼發表了主題演講演講。南京航空航天大學教授陳松燦擔任本場論壇的主持人。

深度學習在產業中應用

如何利用知識去增強我們深度學習在產業領域，在現實世界里面解決真正有價值的業務問題？劉激揚在演講中表示這是他們公司一直在探索的方向。

比如，油氣領域，解決油氣勘探、開采的問題，這時候取樣需要深到地下幾十公里去采集數據，這樣采集數據的成本是非常高。就面臨著信息多元、多樣化、樣本非常少的問題，這時候該如何利用深度學習？

而且這些要解決的這些問題，是沒有標準答案的。

劉激揚提出的解決方案就是，第一步分解這個問題，看看這個問題應該有些什么樣的環節。第二步，把問題分解好了以后，在各個環節搭建方案，有的地方需要用知識，有的地方需要用深度學習，有的地方需要把這兩個資源甚至其他的資源組合起來，形成初步的解決方案。第三步，有了模型解決方案以后，再投入到生產當中去，去嘗試、預測、驗證，然后得到新的數據，這些數據又會反饋回到這個系統當中，既豐富了知識，又提升了解決問題的準確度。在這個閉環里面，把知識和深度學習，以及其他的解決問題的資源充分融合在一起，形成最佳的解決方案。

在商業智能決策平臺里，融合了多方數據，包括客戶的數據，他自己內部的業務數據等等，還有媒體的數據、展現的數據，甚至包括第三方數據。通過數據管理平臺可以做很多決策，包括你怎么去投廣告、投給哪些人、投在哪里、用什么創意素材，最終可以提高效率，提升廣告的投入產出比。

“我們還做了政策落地相關的推薦引擎，政府有很多好的政策，但并不是每個企業都知道，特別是小企業，政府怎么把政策推薦到各個企業，讓企業知道哪些是有益的政策，就是我們解決的問題。”歐陽辰還分享了深度學習如何幫助政策落地。

人工智能相關硬件、算法進展

人工智能在影像領域快速發展，也推動了相關硬件的需求。比如，傳感器部分。

英飛凌游勝凱在演講中提到，手勢識別領域，機器要先知道你的手從哪個方向來，要有角度的信息。而這個捕捉的過程就需要用到傳感器。在不同的場景中需要有不同的傳感器。

在這個領域，英飛凌研發了非常多高速率的器件，比如跟通訊相關的器件就是收發器，比如很高功率的電源管理ICS，還有很多不同的傳感器。因為你要搜集的不管是什么樣的信息，都需要把它轉成速率的東西，才能去做后面的大數據和深度學習。

而想要把接受到的信息進行加工處理，就需要用到高效的算法。南京大學教授吳建鑫在演講中就提出了如何去處理噪聲有標簽的問題。

“原來的網絡是這么一塊，再加上若干層，把這個網絡擴充了一下，就變成了稍微大一點的網絡，還是整體的神經網絡，訓練完了之后就具有噪聲處理的功能。”

而南京信息工程大學教授劉青山分享了深度學習算法在遙感領域的探索。因為衛星拍下來的數據，有些目標有的大、有的小，尺度變化非常大。解決思路就是基于多尺度深度特征的遙感圖像分類，用深度學習學習不同尺度的特征，然后進行了融合，最終取得了明顯效果。

用教授劉青山的話來說，人工智能是一個美好的時代，但也是一個極具挑戰的時代。