AI赋予数字时代新动能：2018人工智能与大数据高峰论坛成功举办

11月2日，以“智能·融合·卓粤——数字经济新动能”为主题的2018广东互联网大会正式在广州琶洲盛大开幕。本次大会云集了来自全国最具知名度和代表性的互联网企业。大会以大咖分享、高峰对话、创新成果展等形式聚焦5G、AI、数字经济、智慧交通、工业互联、消费升级等热门话题，共同探讨行业发展走向，洞察经济先机。
当天下午，由中移在线服务有限公司承办的智能+”数字时代新动能--2018人工智能与大数据高峰论坛如期举行。本论坛邀请了来自旷视科技、广东移动、阿里云、微软、乐信集团等企业高管，共同围绕着人工智能与大数据这一行业热点话题进行讨论，探讨人工智能与大数据是如何为数字经济赋能。
嘉宾分享：聚焦人工智能与大数据
论坛上，旷视科技副总裁谢忆楠发表了《人工智能企业的第二阶段》的精彩主题演讲。他介绍了旷视科技在AI第一阶段的五个观察。一是技术的去人力化，算法的流水线化是在深度学习技术没有得到本质创新前的本质。二是商业的从0到1：双闭环发展——本质问题是什么？三是商业的从0到1：双闭环发展——对抗免费？四是商业的从1到100：核心与打通——行业到底缺什么？AI企业的核心资源与核心生态打通。五是产业升级：技术可视与产业效能，即AI+产业升级 “在线化”“数据化”“智能化”三浪并发。
旷视科技副总裁谢忆楠

广东移动珠海分公司总经理熊勇发表了以“蜂巢大数据助力数字广东建设实践”为主题的演讲。他指出，自2008年起，珠海移动作为广东移动的大数据试点单位，专注于打造“大数据标签+移动互联网渠道”两大核心能力，在大数据应用方面开展了一系列实践。
2017年9月底，广东移动为了促进大数据业务的发展，将应用实践迅速推广至全省，成立省公司二级部门大数据应用创新中心。基于广东移动大数据平台，各类人口分析报告已在全省21个地市同步上线，共输出报告超100份，并由各地市移动公司提交至当地政府单位。

广东移动珠海分公司总经理熊勇

阿里云人工智能中心副主任张磊教授发表了《城市大脑中的人工智能技术》。他表示，城市信息化建设了大量信息化管理系统，积累了海量数据，但存在数据孤立且未被有效利用的问题。他认为，城市大脑的实质是对城市信息的全面量、实时的认知、搜索、预测和优化决策。城市大脑的关键技术在于高度全尺度多目标检测、车辆检测、行人检测，以及基于时空自编码器的视频异常检测。

阿里云人工智能中心副主任张磊教授

微软技术中心资深架构师张国军发表了《人工智能应用场景介绍》。他介绍了人工智能在企业应用场景，有智能对话、智能应用以及智能商业流程这几大类。其中AI+高效办公涵盖了基于图像、语音识别、语音合成多种技术；AI+ 智能会议系统实现了基于语音识别、声纹识别、人脸识别和语义分析；AI+精准诊断完成基于面部表情的精准抑郁识别；AI+精准治疗场景已进入“量身定制”时代。

微软技术中心资深架构师张国军

乐信集团AI首席技术官许焱则针对“大数据风控--AI助力金融科技”发表了演讲。他认为，金融科技制胜关键在于大数据智能风控。他介绍了乐信旗下的鹰眼大数据智能风控引擎所具备的用户画像体系功能，帮助构建用户关系网络。另外，AI 反欺诈系统从空间、时间、行为和数量等维度对欺诈风险进行建模，建立起了实时和立体的反欺诈系统。他表示，体系化、智能化和精准化是金融风控的未来。

乐信集团AI首席技术官许焱

高峰对话：AI赋能数字时代
在特邀嘉宾演讲结束后，论坛邀请了旷视科技副总裁谢忆楠、广东移动珠海分公司总经理熊勇、阿里云人工智能中心副主任张磊教授、微软技术中心资深架构师张国军以及乐信集团AI首席技术官许焱这四位行业佼佼者开展了一场高峰对话，共同围绕“AI赋能数字时代”这一主题进行探讨。

谢忆楠表示，旷视刚开始创业时的想法是只需要考虑把AI技术做到极致，但是后来发现这项技术必须得真正应用到行业当中，让行业不光愿意用，还愿意花钱用，这是一个非常大的挑战。
熊勇表示，数据价值是随着客户的标签以及画像而变得越来越完善。目前，广东移动已经跟银行、保险、证券、房产、汽车销售等领域进行合作，探讨大数据更多的应用可能性。但广东移动还是比较谨慎的，因为大数据商业变现的绝对不能以牺牲个人隐私为前提。
当被问到未来阿里的城市大脑有什么方向，张磊教授表示，我们希望城市大脑的业务会越来越多地跟普通老百姓的生活密切相关。下一步的重点可以是帮助企业解决问题。同时，他认为一个企业不能光想着赚钱，一定要肩负起自己的社会责任，这是城市大脑将来的方向。
对于自然语言理解这个领域的未来推广应用方面将有什么样的机会和困难，张国军表示，目前，人工智能在头像识别技术方面相对来说是比较成熟的，因为超过人眼的识别能力很容易，但人类拥有的最大特点在于我们有一个严谨的、非常发散的语言系统，这使得让计算机模仿人做这样的事情有很大难度。
许焱认为，对抗生成网络在近一两年非常受欢迎，也特别有效，不仅在于其在图像方面研究得好，还在于应用得也比较好。对抗生成网络在诸如图象、视等某些领域是有用的，但在其他领域的效果，还需要时间来验证。