2021北京智源大会 200+讲者核心观点.pptxVIP

2021北京智源大会主要观点 2021北京智源大会主要观点 十、可解释、自监督成为机器学习领域研究热点，推动开放环境下深度学习模型的研究及优化 可解释性对数据科学和机器学习相关的建模优化至关重要，已逐渐成为近年来的研究热点； 开放环境下传统深度学习模型的研究方式遇到挑战，需结合概率统计等数学知识进行可行性研究； 自监督学习打破了对标注数据的依赖，是人工智能技术的未来发展方向。 十一、决策智能将推动工业界变革，目前我国在模拟仿真方面存在明显短板 决策智能与博弈论、多智能系统相互影响，将推动工业界变革； 强化学习仍在起步阶段，在解决实际问题方面仍有很长的路要走； 模拟仿真环境是实现决策智能的重要条件，我国在模拟仿真方面存在明显短板。 十二、群体智能发展迅速、形态多样，可提高决策的智能化，联邦学习是打破数据孤岛的关键技术 群体智能包含多种形态，时空数据研究成为近年来的热点领域； 群体智能可应用在共享出行、物流领域，使决策更智能； 联邦学习技术是打破数据孤岛，拓展数据疆界的关键技术。 十三、加快高层次的国际学术交流与合作，推动全球人工智能前沿研究发展 “知识无国界”，智源研究院与多家国际知名人工智能研究机构达成合作共识，营造多元开放的学术生态； 智源研究院推出《AI Open》期刊，推动学术成果的开放和共享。 十四、智源研究院发布支持AI创业的“源创计划”，助力人工智能创业项目加速 智源发布“源创计划”，推动实现从AI源头创新到源头创业的跨越； AI投资更加关注底层技术和原始创新，引导资本投向硬科技与前沿领域。 十五、国际顶级专家指出人工智能需秉持以人为本的发展原则，关注社会、环境等可持续发展目标 人工智能发展应秉持以人为本的发展原则，避免技术过快发展造成难以挽回的后果； 人工智能对人类社会和环境的长期影响仍不明确，需要专门设立研究团队持续跟踪； 人工智能在可持续发展研究中取得重要进展，有助于解决困扰人类的环境问题。 十六、多模态技术是自然语言处理的重要发展方向，深度学习框架为大规模预训练模型提供关键支撑 多模态技术成为自然语言处理重要方向，将助力机器翻译和对话系统应用落地； 构建多语言、多任务的基准测评标准，将进一步推动国际中文自然语言处理技术的发展； AI模型创新依赖于机器学习系统的快速迭代，自动优化成为AI系统发展新趋势； 深度学习框架是大规模预训练模型运行的关键支撑，分布式成为新一代框架发展的重要特点。 十七、AI技术深度赋能生命健康、交通、工业等领域，推动传统行业智能化升级 人工智能有切入制药领域的天然逻辑，但并非“无所不能”； 人工智能与生命科学需要“破壁”，智能科学计算将在生物学世界“遍地开花”； 促进车路数据的互联互通，是推动交通系统智能化、发展中国自动驾驶的重要基础； 工业智能可按照不同技术层次逐步实现，最终完成价值落地的业务闭环。 十八、人工智能对经济社会发展产生深刻影响，AI数据与安全治理迫在眉睫 人工智能对经济、就业等社会经济多方面会产生深刻的影响； 数据安全对人工智能至关重要，推动制定完善的数据安全治理体系有利于AI行业健康发展； 基准测试平台可全面衡量AI模型安全性，提供公开、公正、全面的评价标准。 一、超大规模智能模型是实现真正人工智能的可行路径，我国在大模型的研发和应用上已取得重要突破。 超大规模智能模型是下一代AI的基础平台，是实现真正人工智能的可行路径，距离实现目标较远但已往前推进； 超大规模智能模型成为人工智能前沿技术突破的重要领域，产出多项国际引领成果； 高质量的大规模预训练模型应具有通用能力、可解释性、可落地等特征； 大模型已在搜索、推荐、对话、营销等领域实现应用落地，具有广阔的发展前景。 二、人工智能国际前沿基础理论持续发展，学科交叉融合趋势凸显。 现阶段深度学习模型不能很好的应对“数据分布外”问题，可借鉴人类的认知模式和决策方法，提升模型的鲁棒性； 利用人工智能技术全面提升基础科学科研能力，加快进入“智能化科研”时代； 数据资产化推动智能时代发展进程，建立数据资产化的全球治理体系成为迫切需求。 三、应对当前深度学习发展存在的挑战，探索在小领域建立以数学与统计理论为第一原理的新一代人工智能方法论。 深度学习的可计算性、可解释性、泛化性等问题存在重大理论挑战； 人工智能有望在小领域诞生大统一理论。 四、应对超大规模智能模型发展浪潮及应用场景碎片化现状，降低功耗及构建开源生态成为智能芯片领域发展的趋势。 类脑计算是后摩尔时代最为重要的发展方向之一，仿生神经形态计算有可能成为未来智能计算的突破口； 在超大规模智能模型发展浪潮的冲击下，人工智能算力系统面临更大挑战； 人工智能芯片可围绕算法优化、减少数据流动、采用新器件等方式，尽可能降低功耗； 针对人工智能场景碎片化问题，从芯片研发及生态建设方面予以