AI，离我们是近还是远？免费下载《AI生态》月刊

未分类

人工智能火了，我们被各种“AI”相关名词包围，以前无人问津的AI会议门票短期就能售罄，“Deep learning”更是直接空降技术成熟曲线顶端。从走在前沿的科技公司，到努力创新的传统行业，都在声称要押注人工智能这个“风口”。百度强调战略从此就是“All in AI“，联想说赌上身家性命押注 AI，微软说全力押注 AI 不再"移动和云"优先...

而我们很多程序员又觉得人工智能离自己遥远，自己的工作中并不曾涉及到任何机器学习相关知识。人工智能有哪些应用场景？在哪里能落地？自己需要学习人工智能技术吗？

所以我们需要一个中立客观的观点，在一片喧嚣中能对人工智能得到正确的认识，来判断到底要不要“追”这个风！

InfoQ 的使命是希望能够推动软件技术的发展，我们十年如一的传授着基于实践、可信赖的内容，关注并报道处于“创新”与“早期应用”阶段的颠覆性技术。我们的《架构师》月刊想必你们知道，现在出于这个目的，我们策划了新的月刊：《AI生态》。

在这个月刊中，包含四个栏目：
1. 生态评论，如当今人工智能的领军人物对技术和行业的评价
2. 重磅访谈，与大师探讨技术与应用
3. 落地实践，业界一些落地场景和方式
4. 企业机器学习平台，AI-first趋势下，首先得构建自己的人工智能平台产品

下面是我们的创刊号内容：

PS：关注公众号后后台回复“AI”可免费下载！

生态评论

吴恩达：人工智能是新电能

2017年2月，前百度首席科学家、Coursera的联合创始人Andrew Ng在斯坦福MSx未来论坛上的一个演讲，吸引了全球的眼球。 他认为，人工智能(AI)对未来许多行业带来的变革，如同100多年前，美国“触电”一样——电对制造、运输、农业（尤其是冷藏）、医疗等等带来了划时代的变革。AI驱动着百度的搜索和广告，调度百度外卖的快递员，选择路线，和预估运送时间。AI正在彻底改变金融工程，对物流的转变进行了一半，医疗和自动驾驶刚开始，而前景巨大。和“电”带来的变革一样，很难想象哪个行业不会被AI改变。

我们整理了这个演讲，从而形成了这篇文章，包含了吴恩达的很多有意义的看法，如：在哪些产品里能用到AI，AI的发展趋势，如何保护AI业务，AI的良性循环与炒作的非良性循环，AI产品管理，短期内AI有哪些机会等等。

最重要的是，吴恩达认为AI永恒的春天已经到来！

Michael Jordan：目前人工智能发展到了什么地步？

Michael Jordan是伯克利教授、人工智能领域的顶级专家，他发表了一些对于未来的发展趋势的预见。他认为“现在我们的交通和金融行业，在我们身边的每一个行业、每一个模块，现在都出现了智能化的趋势”，但是“有时候机器了解的信息是不够的，做出的决策往往也是不对的，它没办法意识到我们周围环境的变化”，“我相信我们真正要关注的不仅仅只是这样一种技术的发展，到目前为止，在我们这代人身上还看不到这种高水平的人工智能的出现”。他总结说人工智能需要花几十年努力，需要大家一起合作，认真考虑怎么解决目前技术上的挑战。

重磅访谈

专访ImageNet冠军颜水成团队，如何将比赛成果在企业中落地？

2017 年 7 月 26 日，计算机视觉顶会 CVPR 2017 同期举行的 “超越 ILSVRC” Workshop 上，宣布计算机视觉乃至整个人工智能发展史上的里程碑——ImageNet 大规模视觉识别挑战赛于 2017 年正式结束，也就是说 2017 年是 ImageNet 的最后一届。在 2017 年 ImageNet Large Scale Visual Recognition Challenge 2017 (ILSVRC2017) 的收官比赛中， 360 公司与新加坡国立大学合作团队拿下了物体定位任务的冠军。InfoQ 因此联系到颜水成团队，进行了这次采访。颜水成重点评价了ImageNet各阶段模型特点和意义，同时讲解了如何将学术成就落地到360公司产品中，而且他认为深度学习的低门槛已经能面向普通开发者。

落地实践

格灵深瞳：基于人工智能的新天网

随着平安城市和智慧城市的建设进入智能阶段，公安、交通等部门对于视图大数据的分析应用产生了强烈需求，希望借助大数据分析的能力，进行更快速地案件侦破和更高效的交通管理。格灵深瞳瞄准视图大数据的应用需求，利用海量的数据、先进的深度学习、高性能计算及大数据技术，在产品化的视觉计算处理和数据架构方面进行了相关探索。这是个非常有趣的分享，能够让你知道监控能智能到什么程度。

机器学习与微博：TensorFlow在微博的大规模应用与实践

微博是我们日常社交工具，而微博利用人工智能实现了哪些功能？
这篇文章还具体介绍了TensorFlow 在微博业务中的丰富应用场景，文字、图片、视频，各具特色。微博机器学习平台集成 TensorFlow 服务，支持分布式训练，在广告点击预测应用中，同时也分享了一些 TensorFlow 优化经验。

深度学习在美团点评推荐平台排序中的运用

美团点评作为国内最大的生活服务平台，业务种类涉及食、住、行、玩、乐等领域，致力于让大家吃得更好，活得更好，有数亿用户以及丰富的用户行为。随着业务的飞速发展，美团点评的用户和商户数在快速增长。在这样的背景下，通过对推荐算法的优化，可以更好的给用户提供感兴趣的内容，帮用户更快速方便的找到所求。我们目标是根据用户的兴趣及行为，向用户推荐感兴趣的内容，打造一个高精准性、高丰富度且让用户感到欣喜的推荐系统。为了达到这个目的，他们在不停的尝试将新的算法、新的技术进引入到现有的框架中。

企业机器学习平台

Twitter90%的营收来自广告，所有广告都是机器学习支撑的。主讲人四年前进Twitter的时候，广告组的规模刚刚起步，当时那一代机器学习的架也非常简单，模型也非常的简陋。在上了大规模的在线学习的东西之后，把整个Twitter的营收提高了大概30%左右，这对于Twitter是几十亿美金的business。

为了有效对机器学习进行支持，机器学习平台的搭建至关重要，直接影响着模型的迭代速度以及算法的设计。本文根据主讲人在Twitter带领团队从无到有搭建机器学习平台的经历，跟大家分享一些机器学习平台设计的理念，方法和实践，包括数据pipeline，离线学习，在线学习等方面，尤其是如何有效平衡以支持超大规模、高并发的能力，以及复杂模型的需求。我们可以了解到机器学习在硅谷大公司中的应用 、主流的设计；在搭建平台过程中设计的取舍，以及踩过的一些坑。