国际人工智能算法与应用研讨会(WASA 2018)参会笔记
從博士師兄那里知道就在天津高新區(qū)有這個(gè)會(huì)議,就跟著師兄報(bào)名了,下面是參會(huì)第一天的感想。
背景
WASA是人工智能領(lǐng)域的國際性大型會(huì)議,也是中國計(jì)算機(jī)學(xué)會(huì)(CCF)推薦的會(huì)議。旨在為人工智能研究者、開發(fā)者和企業(yè)提供一個(gè)產(chǎn)學(xué)研資交流、展示和合作的平臺,迄今已有十二個(gè)年頭,往屆會(huì)議在美國和中國交替舉辦。
會(huì)議的筆記
天地偉業(yè)介紹(主要做視頻監(jiān)控方向)
技術(shù)發(fā)展趨勢
- AI
- 區(qū)塊鏈
- 大數(shù)據(jù)
- 云
展區(qū)作品:交通監(jiān)控,介紹的是通過對視頻的目標(biāo)檢測與分析,實(shí)現(xiàn)對闖紅燈、打電話、超速等違規(guī)行為的自動(dòng)監(jiān)測;人臉識別,身份認(rèn)證等。
天津科大訊飛子公司相關(guān)介紹
在人工智能方面的發(fā)展歷程:
- 2010年,基于DNN的語言識別;
- 2012年,圖像識別;
- 2014年,基于RNN的機(jī)器翻譯,達(dá)到40多門語言,實(shí)現(xiàn)語音高效率的轉(zhuǎn)寫;
- 2016年,強(qiáng)化學(xué)習(xí);
- 2017年,863課題醫(yī)考機(jī)器人;
- 2018年,針對高考的教育機(jī)器人。
AI+應(yīng)用:
- 智能安全
- 個(gè)性化教育(機(jī)器閱卷和智慧教育)
- 醫(yī)療
- 司法
- 智慧城市
最后,訊飛提到了他們的人工智能開發(fā)平臺,提供核心技術(shù)的應(yīng)用接口。通過推廣和分享,在不斷的交流和反饋中,優(yōu)化知識和技術(shù),匯集更多人的智慧,最終的取得更好的發(fā)展。
中國航天科技集團(tuán)有限公司(工業(yè)互聯(lián)網(wǎng)+智能制造)
時(shí)代的轉(zhuǎn)變:
- 云端化
- 智能化
- 自動(dòng)化
- 現(xiàn)代化
- 標(biāo)準(zhǔn)化
智能制造的背景——中國勞動(dòng)人口的下降,因此企業(yè)需要轉(zhuǎn)型:
- 工業(yè)互聯(lián)網(wǎng)
- 網(wǎng)絡(luò):數(shù)據(jù)來源,基礎(chǔ)部分
- 平臺:數(shù)據(jù)匯聚與分析,核心部分
- 安全:防護(hù)體系,保障部分
- 智能制造
- 自動(dòng)化:機(jī)器替代人的體力勞動(dòng)
- 信息化:數(shù)據(jù)來源
- 智能化:big data + AI
- 工業(yè)互聯(lián)網(wǎng)
關(guān)于AI在工業(yè)應(yīng)用的思考:
- 較好的工藝是否能通過AI進(jìn)行穩(wěn)定的傳承和創(chuàng)新;
針對目前基礎(chǔ)軟件的薄弱,AI機(jī)器人自動(dòng)編程。
WASA2018第一天頭條新聞
感想
聽很多企業(yè)的一些人工智能相關(guān)方面的介紹,發(fā)現(xiàn)很多都提到了智能制造的問題。所以人工智能的應(yīng)用工業(yè)制造方面上有很大的前景。
在這一天中,有以下幾點(diǎn)較深刻的體會(huì):
- 演講(PPT展示)和英語可能就是一個(gè)人外在的門面,這關(guān)乎一個(gè)人在外給人的第一印象,一定要好好把握和學(xué)習(xí)這兩項(xiàng)技能。
- 拓寬視野,多與別人接觸,不要怯場。無論做什么,還是要多去了解接觸,這樣才能夠?qū)W著從多個(gè)角度看問題,考慮的也會(huì)更全面。
- 把握人工智能的發(fā)展趨勢。無論是哪個(gè)領(lǐng)域,好像大家都在嘗試著用人工智能去解決復(fù)雜問題,無論這個(gè)技術(shù)是否能夠真正解決問題,至少我們應(yīng)該知道甚至是掌握目前的一些技術(shù),跟緊時(shí)代的潮流。
- 知識分享很重要。正如科大訊飛的開發(fā)平臺一樣,對于個(gè)人的發(fā)展,也需要與他人交流,不錯(cuò)的切磋磨合,最終達(dá)到一種雙贏的狀態(tài)。在分享的過程中,一方面反思和歸納整理自己,另一方面以人為鏡,找到自己沒有意識的問題,精益求精,完善自我。我想這是一個(gè)特別好的正反饋過程。
總結(jié)
以上是生活随笔為你收集整理的国际人工智能算法与应用研讨会(WASA 2018)参会笔记的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 自行车 组装 扭力参考
- 下一篇: 机器学习标签编码