2020 年 7 月 4 日，由 CSDN 主辦的第三屆 AI開發者大會（AI ProCon 2020）在線上進行到了第二天的議程。作爲“百萬人學AI”的階段性成果展示，AI ProCon 2020 邀請了近百位頂尖 AI 專家、知名企業代表，爲萬名 AI 開發者進行技術解讀和產業論證，一起共鑄人工智能新生態！
13 大論壇同時在線直播，精彩不斷！
大會當天，共有 13 各分論壇在線上同時舉行，包括 AutoML 技術實踐與應用、AI+多媒體技術實踐與應用、AI前沿技術與研究、智慧醫療、AI 芯片、AIoT、AI 與企業戰略、AI 教育與人才培養、AI 開源與生態建設、機器學習技術與工程實踐、知識圖譜、推薦系統技術實踐與應用和智能駕駛。各論壇上，來自 AI 界各個細分領域的專家暢談 AI 前沿技術與實踐應用狀況。
專家觀點集錦
會上，專家們暢所欲言，分享了各自的專業領域知識，留下了不少具有前瞻性的精彩觀點。
AutoML技術實踐與應用論壇
本論壇上，嘉賓們帶來了關於自動機器學習與自動神經網絡從技術到其在機器學習平臺中的應用，讓更多人瞭解如何利用AutoML更好地解決實際問題。
精彩觀點：
第四範式科學技術部資深研究員羅遠飛：爲了進一步提高高維稀疏表數據應用效果，第四範式自主研發了自動深度稀疏網絡，在取得良好效果的同時，能夠顯著降低深度神經網絡的應用門檻和調參代價。
探智立方首席技術官錢廣銳：AutoML不是簡單的集成了自動化特徵工程、超參搜索或者模型設計，AutoML的核心價值是讓機器學習整個全流程自動化和智能化。
星環科技AI產品研發部高級算法工程師趙文謙：AutoAI可以讓更多行業的人有機會利用機器學習或深度學習技術來解決其所在行業的一些問題，同時又可以將算法工程師從枯燥重複的數據預處理以及調參工作中解放出來，將更多的經歷放在算法的設計和創新上。從公司的角度來說，AutoAI可以讓其更方便的拓展業務，同時也大大降低了人力成本。
騰訊雲高級工程師趙勇皓：藉助 AutoML 算法，我們把工程師從沉悶繁重的調參中解放出來，讓算法去解決算法的問題，用魔法打敗魔法。
AI+多媒體技術實踐與應用
在論壇上，專家們分享了AI與多媒體技術在各自企業中的研究進展與應用。
精彩觀點：
快手多模搜索技術負責人陳凱：基於AI的多模態技術給短視頻直播業務插上了騰飛的翅膀。
微軟微軟亞洲研究院高級研究員羅翀：我們正處於AI發展的黃金時代。大數據、強算力和高效算法爲多媒體技術突破提供了難得的契機，在短短几年內解鎖了多媒體處理的諸多新技能。微軟亞洲研究院智能多媒體組在基於AI的多媒體技術領域深耕，包括視頻分析中最爲核心的單/多目標跟蹤技術、人體姿態檢測技術、音頻中的語音增強技術等。這些技術有助於更好地進行場景理解，並可用於設計新一代智能多媒體分析系統。
京東智聯雲視覺研發部視覺內容技術組負責人賴榮鳳：多模態內容理解技術是實現自動內容審覈的關鍵。
英特爾高級研發經理趙娟：大潮已來，開源多媒體社區正積極擁抱AI，共襄盛舉，歡迎大家積極參與。
AI前沿技術與研究論壇
學術界和業界專家分別從學術研究和企業實踐的角度分享了當今AI技術最前沿的發展狀況。
精彩觀點：
RealAI（瑞萊智慧）算法科學家、AI 安全算法團隊負責人蕭子豪：刷臉解鎖可能被破解，人臉信息可能被濫用。這些AI時代的新問題都跟我們每個人休慼相關，大家都應該重視和解決AI時代的新型安全問題。
卡內基梅隆大學哲學系副教授張坤：有因自有果，有果必有因。有希望，自然知道該爲不該爲；又知其所以然，知可爲不可爲。無論是機器學習還是人的學習皆可有借鑑。
阿里巴巴代碼平臺技術負責人張玉明：如何解決研發過程中缺陷難查找、編碼效率低等問題，基於阿里自研的代碼管理平臺Codeup，通過“大數據+智能化”的手段爲開發者給出我們的解法。
智慧醫療論壇
上，嘉賓們分享了AI技術和方法在醫療領域的廣泛應用，包括圖像技術、新藥研發技術落地與挑戰等。
精彩觀點：
深睿醫療聯合創始人兼首席科學家俞益洲：解決醫學影像輔助診斷需要有創新路徑，落地 AI 模型 = 創新AI 技術 + 領域知識和診斷流程，真正具有實用價值的AI模型必須與醫療先驗知識和流程緊密結合。
雲知聲醫療產品總監孫熙：AI與醫療的屬性天然契合，就領域現狀及未來而言，AI之於醫療，之於醫生將經歷helper，colleague，mentor三個階段，任重而道遠。
望石智慧創始人、CEO周杰龍：在科技高速發展的當下，AI技術正逐漸成爲一種新的解決方法，嘗試改進醫藥研發面臨的困境。
晶泰科技聯合創始人、AI研發負責人賴力鵬：AI+新藥研發是我們利用人工智能和自身進行的一場對話。
AI芯片論壇
智能時代，算法演進爲AI芯片帶來了前所未有的挑戰，而針對不同應用場景，不同的AI芯片的處理速度、能耗、支持的算法各有優劣，在本論壇上，來自英偉達、地平線、賽靈思等一線AI芯片技術廠商和研究實驗室向我們揭露了當今AI芯片面臨的挑戰，並從技術架構和產業角度分享瞭解決問題的可行之道。
精彩觀點：
地平線機器人BPU算法負責人羅恆：評估AI芯片真實效能，既要看多快又要看多準。
AIoT論壇
精彩觀點：
塗鴉智能 AI 算法研究中心負責人俞偉平：僅僅只是把設備連接對消費者所產生的價值是遠遠不夠的，互聯互通才是真正的價值所在。
AI與企業戰略論壇
精彩觀點：
小米集團副總裁、集團技術委員會主席崔寶秋：AI、IoT和5G三個時代的交匯，讓我們處在了一個智能新時代。AI技術的快速發展給我們提供了一個巨大的風口，也讓大家站在了同一起跑線上。如何圍繞企業的核心業務，打造核心的AI技術，將決定一個企業在這個智能新時代的成敗。AI的時代，仍然是擁抱開源的時代；AI的競爭，最終將是開放生態的競爭。
微衆銀行人工智能部副總經理陳天健：數字化銀行並非要把銀行做得更數字化，而是銀行通過將合作伙伴數字化，形成更緊密的業務合作紐帶，以不斷降低金融服務的成本，提高金融服務的可得性。
OPEN AI LAB（開放智能）聯合創始人 & CTO黃明飛：近年來AI爆發基於三個元素：算法，算力和數據，而推動AI應用落地和發展的第四元素：軟件平臺，也越來越受重視。嵌入式深度學習框架作爲AI軟件平臺的核心部件，是推動AIoT發展的原動力之一。
英國AI&I人工智能諮詢公司CEO李玉磊：我們要做“醫院”，不做“藥廠”。“醫院”是根據“病人”的問題“對症下藥”，而“藥廠”以爲自己的“藥”可以治療百病。並不是所有企業都需要“人工智能”這劑“藥”，亂吃藥是會喫“死”人的。
NETSTARS首席技術官陳斌：技術水平決定不了企業人工智能創新的成敗，只有正確地掌握企業AI戰略的方法論，才能保證企業在人工智能方面的理解、行動和表現達到競爭對手所無法企及的水平，從而使企業在新一輪的人工智能競爭中取勝。
AI教育與人才培養論壇
在線教育近年來成爲行業關注的重點領域，利用技術手段爲教育賦能從而提升教學和學習效率則是在線教育領域多年來探索的重點方向之一。在本論壇上，來自騰訊、網易、好未來和科大訊飛的專家帶來了這幾家企業在智慧教育軟件和硬件工具上的研發成果展示，共同探索智慧教育未來的發展方向。
精彩觀點：
騰訊智能教育高級研究員劉萌：基於課程知識圖譜，建立學生和班級用戶畫像，根據知識點掌握情況推薦個性化學習內容，踐行“因材施教”，可以有效提高學習效率。
好未來 AI 解決方案負責人劉子韜：隨着線上教育的普及，教育領域的數據越來越多。然而這些數據的形態卻多種多樣，包括圖片、視頻、文本等。如何適應多種數據形態，成爲了AIED（AI in Education）的關鍵，多模態機器學習技術可以解決複雜的AIED問題，包括答案自動評分、學生評分、班級質量保證、知識追蹤等。
AI開源與生態建設
精彩觀點：
Zilliz 合夥人、技術佈道師顧鈞：人工智能爲生產效率帶來了巨大的提升。首先吸收、採用人工智能技術的企業和組織，將會率先享受到技術變革帶來的好處。而開源 AI 項目，正是加速企業吸收與採用 AI 技術的關鍵。
前 Uber AI 資深研究科學家、Ludwig 創始人兼主要維護者 Piero Molino：Ludwig是一款基於 Google TensorFlow 框架的開源工具箱，用戶無需編寫任何代碼即可進行深度學習的開發。從底層上來說，Ludwig實現簡單易用的關鍵在於數據類型抽象、模型定義清晰和可靈活調參。輸入和輸出類型均有多種類型的編解碼可選擇，如文本輸入特徵編碼支持Stacked CNN、Parallel CNN、RNN、Transformer / BERT等，圖像特徵編碼支持Stacked CNN、ResNet等。
曠視研究院天元MegEngine異構計算組組長曾平：作爲機器學習領域的一個熱門分支，深度學習神經網絡已經在計算機視覺、智能搜索、無人駕駛、模式識別等領域取得了令人矚目的成就。天元MegEngine是曠視完全自主研發的⼯業級深度學習框架，目前框架在公司內部已經全員使用，今年3月份正式向業界開源。
中興通訊AI平臺高級工程師劉濤：AI模型產生商業價值，離不開模型的優化、編譯、推理引擎等多種技術來提升推理效率，並可以在各類環境，各類異構硬件下進行服務部署。這些技術的推廣離不開開源組織的貢獻，希望開源社區能在技術方向，架構設計上更好的引領產業發展。
百度深度學習平臺部主任架構師、飛槳產品負責人畢然：基於實踐的AI培訓課程，才能真正讓開發者掌握AI。
華爲計算開源生態部副總監黃之鵬：開源社區不需要大神，每個開發者都是第一公民。
機器學習技術與工程實踐論壇
本論壇上，嘉賓們帶來了新一代深度學習框架的技術探索、基於共享智能技術的數據安全與隱私保護技術實踐、視頻推薦系統中存在的問題及解決方案、聯邦智能技術加速AI落地，以及機器學習工作流程、模型開發、訓練和部署、複雜系統故障診斷和維護的痛點等。
精彩觀點：
一流科技有限公司CEO袁進輝：開源社區是一種去中心化機制，開發者用腳投票，抹平了草根和巨頭之間的營銷力量的差距，非常公正，項目成功的根源在於自身的競爭力。
螞蟻金服集團共享智能部總經理周俊：共享智能-隱私保護AI體系，通過多方安全計算、可信執行環境等技術，在保障安全同時連通大數據孤島，確保多方數據拿不走、看不見、用得好。
Hulu首席研究主管謝曉輝：近十年來人工智能相關技術領域突飛猛進，湧現出無數的AI落地應用場景。AI從業者尚需貼近並深入瞭解業務，方能體會AI落地帶來的成就感。
平安科技副總工程師王健宗：聯邦學習在行業落地實踐中，逐漸形成了以聯邦學習爲龍頭、爲核心，依託聯邦數據部落，實現具備隱私保護的聯邦推理，以聯邦激勵機制爲紐帶所形成的 AI 新生態，也就是聯邦智能。
知識圖譜與認知智能論壇
精彩觀點
哈爾濱工業大學助理研究員/碩士生導師丁效：事件是人類社會的核心概念之一，人們的社會活動往往是事件驅動的。事件之間在時間、空間上相繼發生的演化規律和模式是一種十分有價值的知識。
一覽羣智基礎研發部技術副總裁劉佔亮：人工智能以人爲本，做人類的智能助手；從人工智能到智能增強，知識圖譜在金融領域的落地實踐；打通了人機協作智能決策的應用閉環，助力行業AI實踐落地，讓AI成爲真正的生產力。
推薦系統技術實踐與應用論壇
精彩觀點：
華爲諾亞方舟實驗室技術專家董振華：“The universe is made of stories, not of atoms”，我對這句詩的理解是可觀察的世界太小、太侷限，我們需要用反事實學習、推理技術對未知世界建模，突破當前統計機器學習只對關聯關係建模的侷限，讓機器像人類那樣具有想象力、因果推理以及舉一反三的能力，它是通往強人工智能的關鍵路徑。
智能駕駛論壇
本論壇上，無人駕駛技術在各行各業的應用實踐讓人們對這個領域有了更深的瞭解。
精彩觀點：
輕舟智航聯合創始人、CEO於騫：自動駕駛技術存在突出的長尾效應，技術上已經解決了90%的問題，但剩下的10%卻可能要花費同樣多甚至更多的精力，這10%包括很多邊界化難題。邊界化難題的發現和解決除了需要收集大量的數據，更重要的是建立自動化生產的工廠，將源源不斷收集來的有效數據，通過自動化的工具，加工成可用的模型。以更快的速度、更高效的方式應對邊界化難題。
青島慧拓智能機器有限公司聯合創始人、工程研究院院長艾雲峯：自動駕駛遇見礦山是天作之合，我們致力於在礦區實現無人運輸，用最先進的技術改變最傳統的行業。
上海蔚來汽車有限公司自動駕駛部門高級總監章健勇：自動輔助駕駛系統需要傳感器、數據、算法和算力的支撐，系統功能隨着FOTA的軟件更新不斷進化。大量的數據用於開發和驗證，數據和場景的隨着里程的增加不斷增加，基於數據模型的策略和基於規則約束的策略組合，可以不斷地提升用戶體驗。
圖森未來合夥人、首席科學家王乃巖：圖森未來基於深度學習感知算法的自動駕駛系統，融合攝像頭、激光雷達和毫米波雷達多種傳感器，完整感知車輛周圍環境和狀態，並準確感知車輛相對於重要道路基準（例如車道線）的姿態和位置，且已通過多個模塊疊加，打破了任何單一模塊在物理原理上的不可靠性，最遠可感知1000m路況，並在大部分時間內實現車輛釐米級高精度定位。系統在融合感知和定位結果後，自行做出下一步行駛決策，並規劃出一條車輛可執行的最優軌跡。
至此，2020 年 AI 開發者大會全部議程已全部結束！在這個特殊時期，數百名學界與業界專家和一線技術專家參與的這場萬人大會帶給大家一次新鮮感十足的互動式體驗，希望這樣的形式能夠讓每個參會者都有所收穫，滿意而歸！
沒有來得及觀看大會直播或想要鞏固複習的小夥伴不要擔心，現在還可以點擊閱讀原文，觀看大會全部議程直播回放。