1月28日上午，由中國工程院和清華大學聯合主辦的“長城工程科技會議”第四次會議工業大資料分會在清華大學資訊科技大樓召開。中國工程院院士李伯虎、工業和資訊化部資訊化和軟體服務業司副司長李冠宇、中國工程院製造業研究室主任屈賢明、中國資訊通訊研究院總工程師餘曉輝、百度集團副總裁王海峰、富士康科技集團幕僚長陳輝龍、富士康科技集團資訊長胡智深等出席。會議由清華大學軟體學院院長、資料科學研究院副院長、大資料系統軟體國家工程實驗室執行主任、工業大資料系統與應用北京市重點實驗室主任王建民教授主持，主題為“大資料與工業網際網路”。

資料派作為唯一合作媒體參會，併為大家整理了百度集團副總裁、百度AI技術平臺體系總負責人兼百度研究院院長

後臺回覆關鍵詞“0911”，下載王海峰演講PPT。

人工智慧是第四次工業革命

從18世紀開始，隨著技術的發展，以及需求的牽引，人類逐漸開始進入技術革命或工業革命。歷史上的工業革命有三次，可以大致歸納為第一次機械化革命、第二次電氣化革命和第三次的資訊化革命，而第四次工業革命則是以智慧化——人工智慧（Artificial Intelligence，英文縮寫為AI）——為標誌的。

回顧一下人工智慧的發展歷史，正式的起點是1956年的達特茅斯會議，誕生了AI這個概念。而在1956年之前，已經出現了至今仍然很熱門的一些人工智慧方向，例如機器翻譯、自然語言處理、計算機下棋、神經網路等等。而從AI誕生以來的60多年，人工智慧的發展起起落落，從下面的圖中可見一斑。

過去10年，隨著深度學習的出現，更重要的是“資料井噴”，以及資料支撐的演算法和計算能力的突破，尤其是在語音、影象等領域，人工智慧再次迎來了發展的新機遇。而這一次的復興即將帶動整個社會產生深層次的變革，這是我們已經可預見的未來。這次人工智慧的爆發，在很大程度上是從網際網路開始的，而網際網路帶來了很多需求，包括搜尋、社交、購物等等。這些需求越來越多的線上化，同時帶動了資料的線上化。

資料真正線上化以後，也帶動了更多的演算法去處理這些資料，而需求和資料的線上化也帶動了整個生態的活躍，進而使越來越多的資料開放出來，依託更強大的計算平臺，結合更好的AI演算法，實現計算能力的突破。比如現在大家常用的GPU，利用深度學習、深度神經網路演算法，就有非常強大的優勢。大資料、演算法和大計算這三者儼然成為了人工智慧復興的必要條件。

百度人工智慧已經揚帆起航

百度從做搜尋開始，人工智慧的研究和發展已經有十幾年了，如自然語言處理基礎的分詞、短語分析等。而全面佈局人工智慧大概是在七、八年以前，逐步從NLP、語音、機器學習、影象等方面開始，時至今天，百度已經形成了一個較完整的人工智慧技術佈局，包括基礎層、感知層、認知層、平臺層、生態層和應用層，共計六層。

資料、演算法和計算平臺是基礎。感知層對應人的視覺、聽覺，這些能力是直接感知外界。認知層對應的是人類區別於其他生物特有的，比如人的語言能力、人類對知識的總結、理解、提煉、運用等等，以及對人的理解。AI的開放平臺不僅支援百度內部的應用還支援所有的合作伙伴，現已開放了60多個能力，在公司內部，每天大概有幾千億的呼叫量，而在外部也有數以億計的呼叫。在此基礎上，百度希望跟所有各行各業的合作伙伴一起打造技術的平臺，形成良性迴圈的生態，從而生長出各種各樣的創新應用。

百度從做網際網路To C（針對消費者）的產品到開始做大量支援To B（面向企業服務）的應用。這些都依賴於人工智慧技術佈局的實現。下面將對每層技術佈局的關鍵技術展開說明。

一、基礎層：大資料、演算法和大計算

現在每一個人每一天會產生非常多的資料，如個人的行為、生理狀態的變化，如果要監測、記錄的話，都有非常龐大的資料。況且，每一個人每天都在跟網際網路打交道，或者是自己建網站，或者向網上貢獻資料，甚至在使用網際網路過程中，也會產生很多資料。一定程度上，網際網路已經成為整個客觀世界的映象。所以，掌握好、利用好、分析好這些網際網路資料，在很大程度上也是對客觀世界很重要的刻畫和理解。

總體上，大資料技術分為幾個方面，比如資料的採集、提煉以及應用。如果對一個零售商店資料裡的使用者進行建模，某一個使用者可能是白領，另一個是主婦，這樣的行業資料經過分析就可以幫助商戶更好地進行營銷行為。另一方面，百度基礎的計算載體是資料中心，有20多個大型的資料中心，不只是在中國，在世界各地都設立了大資料中心，也有國內最大的GPU叢集，有非常強的頻寬和吞吐能力，還有像集裝箱一樣，模組化的計算中心。

二、感知層：語音、影象、視訊、AR/VR

語音技術的突破有很多方向，如識別、合成和喚醒，這是我們現在比較看重的，因為市場應用的需求很大。比如語音識別，已經達到97%以上的準確率。現在隨著人工智慧應用的深入，在家居場景、車載場景等等，越來越多的語音識別不是對著麥克風說，而是要有一定距離，這就涉及到遠場的語音識別。這與現在手機上的麥克風不一樣，首先會有定位，還有一系列新的技術待解決。合成想做得非常好，特別自然、流暢，而且可以是個性化的，包括把人的情緒變化等都帶進去，就變得非常難。

這裡不只是語音和聲學訊號處理問題，同時涉及到對語言的理解、對人的理解，這樣才能做出有情緒、個性化的合成。喚醒，是需要裝置的時候就叫一聲，它就知道你要跟它說話，比如家居場景的一個智慧音箱或者智慧電視，這時候就需要喚醒技術。喚醒技術的困難在於我們要控制誤喚醒，比如在家裡放一個智慧音箱，如果不叫它的時候，忽然之間它自己就跳起來了，或者睡覺的時候，有點外界噪音，它就忽然跳起來，體驗會很差。所以，控制住誤喚醒很重要也很有挑戰。

影象方面，人臉識別是計算機視覺的一個重要方向。人臉分為靜態和動態。靜態，如一張圖片，檢測裡面有沒有人臉，或者有兩張照片，比對一下兩處出現的是不是同一個人，這方面的準確率已經很高了。而識別動態影象的時候更復雜一點，比如有一段視訊，首先要定位這些人臉，而這裡會產生很多應用，比如在很長的視訊流裡找到一個人。

另外，我們可以對影象進行識別匹配，做語義的標註，粒度很細，如一幅圖裡很具體地找到其中一個部分是什麼，這裡可以做很多細粒度的影象識別。OCR是影象識別裡相對具體的方向，如清華也有OCR方向做得非常好的老師和課題組。現在OCR技術不僅可以掃描書，更可以識別一個表格或者一個很複雜的結構，如發票，不但把裡面的文字識別出來，還可以把一個區域識別出來的文字結構化，整體上會做很多定製化的識別。

視訊不同於影象有很多權威的資料集，視訊資料集本身還不夠成熟。視訊很多是人工標註好的，比如標題、內容，但是還有很多視訊人工標註不夠完善，這時候就需要視訊語義理解技術把這個視訊標註出來，包括這個視訊到底是哪一類，視訊的標題，如果相對長的視訊，就把其中亮點怎麼樣也摘錄出來。

機器人視覺涉及到怎麼樣做定位，做地圖的重建，包括檢測障礙物等等。領先的SLAM技術，有很多演算法。前面講的影象和視訊技術，在機器人視覺裡都會有應用。增強現實（AR/VR）是一個獨立的方向，但是跟視覺技術有很多關係，通常拍一個照片，會觸發出增強現實的效果，相應地會涉及到三維感知、跟蹤、渲染等技術。

三、認知層：自然語言處理、知識圖譜和使用者畫像

自然語言處理的範圍廣泛，如果細分的話，有很多子領域，較巨集觀地可劃分為語言的理解和生成，以及相應的應用系統。一方面要理解人的語言，另一方面要表達，能生成語言。比如，基本的分詞、短語分析，核心的解決思路就是做句法的分析和語義的理解或意圖的理解。如搜尋“想去一家寵物醫院，醫院附近要有停車位”。這是人的一種自然的表達，如果讓計算機能夠理解，就要把意圖提取出來，從很複雜的話中分析出其核心意圖，然後再去找相應的答案。

圖示：用傳統資訊檢索和搜尋演算法搜尋“蔣英的女兒是誰”和“蔣英是誰的女兒”，會找到同樣的答案，因為傳統的資訊檢索是不管語序的。這時候我們就要做真正的自然語言分析和理解，知道它們實際上是在找不同的答案。這背後是知識圖譜的支撐，大家可以看到結構化的圖文並茂的結果。

我們看一篇文章、一本書，這時候不僅僅是理解其中每一句話，而是對整篇文章有一個理解，就是篇章的理解。篇章的理解，可以把整個篇章打上主題標籤，打上各種實體標籤，而這些對計算機來講就是理解了這篇文章。在應用時，為了不同的應用，標籤會有不同的形式，如用在資訊流裡，打上這些標籤以後，就可以匹配使用者的興趣，從而推薦給使用者一篇他可能感興趣的文章。

除了理解句子、篇章、文字以外，人寫一句話、寫一首詩亦或寫一篇文章，都是帶有情感傾向的，所以相應地，我們也做情感傾向的分析，包括使用者看了一篇文章以後，下面有很多評論，這些評論本身我們也會做觀點的抽取。

除了分析、理解以外，還有生成。我們嘗試過寫詩、寫對聯等，比如在手機百度資訊流裡看到的文章，很多都是人寫的，但也有很大一部分是機器自動寫成的。我們做過各種測試，使用者基本上分辨不出來到底是人寫的還是機器寫的，這說明機器寫的還是很不錯的。其次，人要與智慧硬體展開互動，對話過程中涉及到對“人說的話”的理解和預測人如何說下一句話，相當於理解和生成兩方面都在用，這裡面就是對話管理以及互動的技術。

到目前為止，我們講的都是一種語言，都是中文，但“百度翻譯”是解決多語言問題的，在28種語言之間互譯，互譯的方向大概是700多個，每天有過億次的翻譯請求。同時也結合了語音技術、視覺技術，延伸出了語音會話翻譯、拍照翻譯等等應用。

人類幾千年傳承下來的知識，是人類能一步一步不斷向前進步的原動力，而做這些知識的累積和傳承很重要的載體是知識圖譜，知識圖譜裡面一些基本的單位，如實體，現在我們的知識圖譜已經有幾億個實體，每個實體會有很多屬性，實體與實體之間也會有很多關係，這些關係就構成很多事實，如A和B兩個人可能是老師和學生的關係，這就是一個事實，我們已經積累了幾千億事實。

知識不只是靜態的存取，而且涉及到知識計算和推理。比如，離聖誕節還有多少天，系統知道今天是哪一天，聖誕節是哪一天，系統會以此動態做一個計算。再比如，民航有一些規章，基於這些規章問一個問題，能不能“帶打火機上飛機”，系統會根據這些規章的規則，判斷這個問題的答案是“是”還是“否”。其次，我們要了解使用者本身的需求，所以對使用者畫像也是非常重要的方向。現在百度積累了非常豐富的使用者畫像，有非常多細分的標籤，如一個人可以從人口屬性、行為習慣、長期興趣、位置、短期意圖等五個維度去刻畫，形成初級的使用者畫像，構建個體模型。

四、平臺以及生態層

這一層更多集中在百度大腦（ai.baidu.com），完整的生態包括雲和端兩大部分。百度雲是很大的計算平臺，不只是百度可以用，而且開放給所有的合作伙伴，變成基礎的支撐平臺，上面有百度大腦的各種能力。同時還有一些垂直的解決方案，比如基於自然語言的人機互動的新一代作業系統，以及與智慧駕駛相關的Apollo。整車廠商可以呼叫其中他們需要的能力，汽車電子廠商也可以呼叫他們需要的相應能力，大家共建整個平臺和生態。

五、應用層

語音搜尋，是典型的在搜尋上引入一些AI能力之後的產品形態，這裡不是一個“語音識別+簡單的搜尋”，而是我們直接語音輸入我們想要的字的時候，如果出現多音字，如儷、莉，就會出現錯誤，但如果使用者說：“茉莉的莉”，語音糾錯就會自動修改成“莉”，然後找到使用者最終想要的答案。所以這就需要很多相關技術的支援。影象搜尋也是，我們做了很多影象搜尋相關的嘗試。

例如，找題很困難，很多學生做題，題裡有圖、有公式，想把內容輸入進去就很難，所以拍照就變成特別方便的方式，這裡就會結合OCR的技術，對影象做識別。智慧問答、個性化推薦等同樣是綜合了多種AI能力，如知識圖譜、NLP、使用者理解等，把答案或資訊更直觀、更有針對性地展現給使用者。除了網際網路應用，我們也在嘗試AI能力與各行各業的結合，如智慧客服、智慧機場等。

人工智慧正在成為這個時代技術變革的核心驅動力，AI在To B領域的滲入將會給各行各業帶來革命性的改變，也會對人們的日常生活產生巨大的影響。人工智慧應用廣泛，其實際作用絕不僅僅在網際網路，就像我們已經很難想象任何一個行業離開電該如何運轉一樣，人工智慧也會是新時代的電力。

可以預見，人工智慧必將無處不在。

後臺回覆關鍵詞“0911”，下載王海峰演講PPT。

本次會議演講乾貨及PPT經演講嘉賓確認後會在資料派THU第一時間推送。更多相關資訊，請關注微信公眾號資料派THU（ID：DatapiTHU）。

回顧往期活動乾貨：

......