为汇聚全球智慧，将上海打造为世界顶尖的人工智能合作交流平台。8月29日-31日，在为期三天的2019世界人工智能大会上，超过60多个国家、8万多名专业人士参加了交流汇报、24万人次参加了参观展示，500余位国内外顶尖高校、行业领军企业、国际组织的重要嘉宾，全球AI知名企业领袖云集于此。其中，机器学习教父Tom M. Mitchell、神经网络之父Jürgen Schmidhuber、Landing AI创始人吴恩达、神经网络先驱Terrence J. Sejnowski的到来，更是燃爆整个大会。
机器学习教父Tom M. Mitchell
Tom M. Mitchell是现任美国卡内基梅隆大学的计算机学院院长，美国国家工程院、美国艺术与科学学院的成员，人工智能促进协会(AAAI)的研究员和前任主席。同时，他还身兼美国《Machine Leaming》杂志和国际机器学习大会(ICML)的创始人，他出版的机器学习领域第一本教科书——《机器学习》，不仅成为机器学习领域的奠基之作，也成为很多国际知名大学选用的教材和人工智能学习者入门的首选书目。
在主论坛(科学前沿)上，Tom M. Mitchell表示，我们处在这样一个新时代，计算机不仅已经达到甚至还会超过人的感知程度。
“十年前，计算机几乎是又聋又瞎，现在，它们大致在人类技能的层面上能看到和听到我们的声音，在某些情况下，能做到更好。”Tom M. Mitchell认为，AI正在进一步加速世界的发展，其中一个领域就是感知领域。“比如在医疗领域里，计算机可以观察皮肤上的一个症状，可以确定它是否为皮肤癌，甚至比皮肤科的专家还要厉害。”
除此之外，Tom M. Mitchell认为，我们正在进入AI对我们如何教育孩子产生重大影响的十年。因为AI的进步，研究人员和公司正在开发新一代非常详细的知识图表，从幼儿园到十二年级，都将产生十分重要的影响，目前在教育行业已经积累了庞大的训练数据。
递归神经网络之父 Jürgen Schmidhuber
Jürgen Schmidhuber是一个“高产”的学者，发明了长短时记忆网络(LSTM)，创作了350多篇高水平的论文，是众多奖项的获得者。除此之外，他同时也是NNAISENSE 联合创始人兼首席科学家、瑞士人工智能实验室IDSIA 科研主任，瑞士卢加诺大学和瑞士南方应用技术大学人工智能教授，被称为“递归神经网络之父”。
Jürgen Schmidhuber认为，LSTM不仅会模仿人类的做法，未来还会成为具有好奇心的人工智能体。这些人工智能体会给自己设立目标，不需要人类介入就可以不断创造实验，然后成为更好的学习型AI。“像教小孩子一样教机器人，比如怎么做衣服装配手机这些任务，都将会完完全全转变我们的产业。”
Jürgen Schmidhuber指出，未来的人工智能的成本也会降下来，就算发展中国家也可以看到很多的人工智能，人工智能让他们的人生变得更好更加的舒适。“AI是超越人类的，它不仅是一种新的工业革命，它几乎可以是和35亿年前人类生命出现，从化学革命带来了生物革命一样重大的事情。”
Landing AI创始人、著名科学家吴恩达
吴恩达是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任，Landing AI创始人及首席执行官，曾获得斯隆奖和"计算机和思想奖"。
吴恩达早期的工作包括斯坦福自动控制直升机项目，他带领的团队开发了世界上最先进的自动控制直升机之一。同时他在计算机视觉的一些工作被一系列的出版物和评论文章所重点引用，是机器学习、机器人技术和相关领域的100多篇论文的作者或合作者2013年，吴恩达入选《时代》杂志年度全球最有影响力100人，成为16位科技界代表之一。
在世界人工智能大会·全球工业智能峰会上，吴恩达提出关于AI发展的几大趋势：AI的学科过渡、从大数据向小数据的过渡、AI在模糊标签方面也可以发挥作用、未来人机交互。
如何让AI在工业得到更好的执行和实施?他认为，与其说做一个完美的模拟器，不如做成千上百个模拟器，每一个都去学习，都去加强自己的学习成果，每一个模拟器都有不同的模拟参数。
公司应该怎样找到正确的用户案例? “首先不要贪大，从小处着手;要把人工智能和主题的专业知识相结合。这样在互联网和在工业方面能够让AI有更大的用处和用武之地。”
神经网络先驱Terrence J. Sejnowski
Terrence J. Sejnowski是美国索尔克生物研究所计算神经生物学实验室主任，克里克-雅各布理论和计算生物学中心主任。同时也是世界十大AI科学家之一，全球AI专业会议NIPS基金会主席，美国国家科学院、美国国家工程院院士，美国物理学会会士、国际电气与电子工程师协会会士。
作为神经网络的先驱，早在1986年，Terrence J. Sejnowski就与Geoffrey Hinton共同发明了玻尔兹曼机，把神经网络带入演讲与应用的热潮，将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术，实现了人工智能井喷式的发展。
Terrence在类脑智能论坛上的演讲中表示，人工智能的研究发展在传统上忽略了大脑，但近年来在深度学习方面的进步，使得解决视觉、语言和自然语言方面的难题成为可能。
深度学习是基于上世纪80年代发现的多层神经网络的神经计算和学习算法的一般原理，但直到最近，才有足够的计算机能力来训练具有与大脑皮层结构类似的深层次结构的网络。“最近人工智能和神经科学的融合，开始对我们的日常生活产生重大影响。”Terrence提到，“AlphaGo的玩法与人类非常接近。AlphaGo每次比赛，它都变得越来越好。虽然AlphaGo自己玩了一亿次，但在这之前没有人知道它有多好。AlphaGo创造出了人类从未发现的更高级的动作，这是创造性的。”
对于目前类脑智能的发展，Terrence表示，“目前我们大脑中取得进展的两个部分是皮层和基底神经节。大脑还有上百个其他部分，我们离大脑的效率还有五六个数量级的距离。但是现在有一种全新的神经形态芯片正在上线，它们像神经元一样不断地产生尖峰。”
这几位行业重磅级人物的到来为大会增添了一抹亮丽的色彩，站在人工智能第一战线的他们与参会者们分享了自己研究领域里的最新发现，其干货满满的演讲激发了人们对AI未来发展的思考，在多方观点的碰撞下擦出新的火花，或将推动产业加速落地应用。
（转载）
