2020年10月22日下午，2020中国计算机大会（CNCC2020）的第1天，由中国计算机学会（CCF）主办，沈阳经济技术开发区管理委员会、沈阳市产业转型升级促进中心、沈阳华睿博信息技术有限公司承办的“人工智能前沿论坛--“人工智能名家讲堂”启动会”技术论坛在沈阳建国璞隐饭店紫兰厅成功举办。

论坛执行主席由CCF人工智能与模式识别专业委员会秘书长沈阳高阳教授（南京大学）和邵华博士（沈阳华睿博信息技术有限公司总经理）担任。会议邀请了七位讲者，包括中科院计算所林惠民院士、AI专委会张长水教授(清华大学)、北京大学系副主任王立威教授、中国AI学会机器学习专委会陈松灿教授(南京航天航空大学大学)、华为云人工智能工业解决方案李城梁首位科学家、京东智联云解决方案中心胡桂兵总监、腾讯大数据专家肖品工程师，为业内人士带来了一场顶尖的学术盛宴。

CNCC2020 人工智能前沿技术论坛开场仪式

CCF沈阳分部、CCF YOCSEF沈阳以及来自全国各地的CCF会员、知名企业技术骨干、政府代表等四百余人在现场参加论坛。同时，部分注册会议的人员通过爱奇艺和B站观看了论坛直播并参与了互动。

首先，林惠民院士带来了题目为《计算与智能》的报告。首先，他向我们介绍了计算机诞生的意义以及计算机行业从事者的作用：“计算机的诞生，改变了人们的生活方式，作为计算机行业的从事者，我们的工作让世界更加美好，早出更快地算法。计算机是人特有的智能，计算机是人类文明进步的强大动力。人类社会发展的过程就是制造出更好的计算工具。”接下来，他向我们介绍了计算的含义及发展历程。重点剖析了三种计算方法。深入讨论了计算的机械性方面，他指出“所有计算都是机械的。”最后，林院士指出了我国人工智能行业目前面临的困境：“人工智能方面国内与国外还存在一定差距，以及告诉广大科研学者没有捷径，要踏实”。

接下来，进入互动环节。李成梁老师提出第一个问题：“在知识和人工智能结合的问题上，如何更好地操作？”林惠民院士指出：“知识和智能两件事是离不开的，可以做成知识图谱、百科全书。知识和智能之间的关系目前没有链接比较好。”邵华博士提出第二个问题：“中国现阶段人工智能研究‘弯道超车’，是否能够实现？”林惠民院士指出：“总体上不提倡弯道超车。人工智能研究应多做实事，不能总是想着走捷径。”

 林慧民老师带来了题目为“计算与智能”的报告

接下来张长水教授带来题目为《小样本学习：两个例子》的报告，他通过文字识别、交通标识识别等案例向大家介绍了深度学习的样本数据问题，重点剖析了图像非监督匹配、零样本手写汉字识别等方法。阐述了当前样本数据采集的困难与挑战：生僻字无手写样本、汉字会不断改变、数据收集样本高等问题。张长水教授指出：“深度学习过程中，应深度研究数据集内部的结构，数据结构对深度学习的帮助是很大的。”

 张长水老师带来了题目为“小样本学习：两个例子”的报告

接下来王立威教授带来了题目为《Deep Neural Network》的报告。首先，他指出了目前深度学习存在的问题“缺乏理论”。接下来，向我们介绍了深度神经网络在表示上的优越性，指出了深度神经网络的特点：“深度神经网络是一个过参数化的模型，参数的数量远远超过数据的数量。”介绍了经典的函数逼近定理：“可以用很浅层的网络逼近任何一个函数。”同时指出了函数逼近定理的弊端：“对于具有一定宽度，层次较深的网络在表示上具有一定的局限性。”提出了证明结论：“对于宽度受限的网络，只要神经网络的宽度与数据的维数严格的大，当网络深度加深，就可以逼近任何一个函数。”最后，重点剖析了深度学习的优化问题。指出了深度神经网络在优化方面的特点“高度非凸优化问题”。提出了证明结论：“只要深度学习网络满足网络充分过参数化、网络学习的时候要有初始化两个条件，从初始点出发，用一阶优化算法，就一定可以找到全局最优解。”并展示了一阶优化算法与二阶优化算法的优化结果进行对比，得出结论：“使用二阶优化算法可以更好的对深度学习进行优化。”

 王力威老师带来了题目为“Deep Neural Network”的报告

接下来，陈松灿教授带来了题目为《自监督学习有效性初探及展望》的报告。首先，他介绍了机器学习、机器学习范式，并展示了学习方法关系图。接下来，他介绍了表示学习的重要性，列举了实现体系的例子。最后，重点剖析了自监督学习。他指出“自监督学习为走向人工智能的重要途径之一。”并提出了有效的迁移思想。

 陈松灿老师带来了题目为“自监督学习有效性初探及展望”的报告

接下来，李城梁博士带来了题目为《人工智能加速工业制造转型升级》的报告。首先，他介绍了华为人工智能技术客户的需求当前的面临问题。他表示：“当前人工智能正处于碰撞期，行业的技术模型、经验、知识图谱要结合起来才能更好的解决行业问题。”接下来，他介绍了华为AI的发展战略，展示了当前华为为客户提供的全栈全场景工具链：ocr识别、人脸识别、内容审核服务。最后，对比了传统工业与智能工业的区别：“传统工业数据‘孤岛化’现象严重，智能工业可将各行各业的数据打通，形成工业‘数据湖’，促进数据传承。”指出了AI行业面临的挑战：“第一，在传统工业有很多重样的技术模型，但是语言种类繁杂，很难相结合。第二，行业数据中需要多模态的开发工具链，将结构化数据、图像数据等结合起来，不同的任务需要不同的部署方式。”

 李城梁老师带来了题目为“自监督学习有效性初探及展望”的报告

接下来，胡桂兵总监带来了题目为《人工智能在供应链的实践与落地》的报告。首先，他介绍了供应链的重要性，列举了无接触机器人案例，通过无接触机器人进行物资配送，有效解决了今年年初武汉疫情控制供应链中断的问题。他指出：“供应链是新基建的轴承，可以将新基建的各种能力传送到各行各业中。”接下来，向我们介绍了京东产业的定位“以供应链为基础的技术服务企业，改造零售、物流、健康、工业品行业”。最后，分别从生产、流通、消费三个方面全面介绍了京东产业的供应链，介绍了人工智能技术在供应链的各个环节的使用案例：在生产环节，通过人工智能技术对产品销售额进行预测，大大减少了产品供不应求、库存积压等方面带来的损失。在流通环节，通过人工智能技术进行成本分析、库存预测、智能定价。减少了人工分析预测的成本。在消费环节，使用自然语言处理技术，减少了客服人数，提高了客户的满意度。

 胡桂兵老师带来了题目为“人工智能在供应链的实践与落地”的报告

接下来，肖品工程师带来了题目为《腾讯Angel机器学习平台实践》的报告。首先，介绍了Angel系统架构及参数服务器各个组件的功能及作用。接下来，介绍了Angel与Spark、PyTorch的融合，将高性能参数服务器与传统的大数据平台、深度学习生态系统融合在一起，为用户提高性能、高质量、高效率的服务。接下来，介绍了Angel平台的特点、部署方式、可视化建模、算法库。最后，通过展示支付网络挖掘、全民K歌多路召回、联邦广告等应用案例向大家诠释了Angel平台的“安全性高、性能高、易用性高、效果好”等特点。

肖品老师带来了题目为“腾讯Angel机器学习平台实践”的报告

接下来，论坛进行了半个小时的思辨环节，主持人分别抛出四个问题。

针对第一个问题“目前东北人工智能产业发展有何建议？”， 胡桂兵总监表示：“应对中小企业进行扶持。肖品工程师表示可以借鉴贵州的数据中心。”

针对第二个问题“在现有国际背景下，是机遇是挑战还是困境”，李成梁老师表示：“是机遇，目前中国产业界走的很快，存在挑战：将来再出重大突破能否会在中国产生？希望在中国产生。”张教授表示：“是机遇大于挑战，在当前形势，我国凭借之前的积累将会发展更换。”肖品工程师表示如果是挑战的话，目前基础软件、硬件薄弱，生态，如操作系统，需要全社会配合。如果是机遇，逼着我们改变。陈松灿表示：“是挑战，没有政策支持。”

针对第三个问题“针对刚入门的学者有什么建议”，张长冰老师表示：“学好人工智能基础课程，不建议走捷径，基本原理方法要弄清楚。”陈松灿教授表示：“扎实掌握整个人工智能的结构。”胡桂兵老师表示：“针对不同层面，增加有针对性的论坛”。张长兵老师表示：“多做技术交流论坛，针对大家不同需求组织不同形式的论坛。”

针对第四个问题“大家对后续活动有什么建议？”肖品老师表示：“增加产业落地技术文案。”胡桂兵老师表示：“针对不同层面，增加有针对性的论坛。张长水老师表示：“应多做技术交流论坛，针对大家不同需求组织不同形式的论坛。”

期间，现场和在线的观众们也和讲者进行了精彩的互动。嘉宾提问：自监督能否做到无监督？陈松灿老师表示：“与任务有关。”嘉宾提问：“图、数据、知识怎么用？”张长水老师表示：“知识是能够明确总结出来的，任何一个东西都是数据。”

思辨环节

经过三个半个小时的报告和深入思辨，本论坛的基本观点总结如下：

（1）学术仍需脚踏实地；

（2）人工智能可能是机遇也可能是挑战；

（3）学术界可多与企业建立联系，使项目实际落地。

总之，人工智能还将继续发展！

最后，论坛主席邵华对本次论坛进行了总结以及感谢到场的讲者及参会人员。