出品：中国科学院计算机网络信息中心 中国科普博览
4月7日，人工智能与GPU研讨会在计算机网络信息中心（以下简称“中心”）召开。北京市经济和信息化委员会软件与信息服务业处仝海威处长、中科院科发局高技术处副处长秦承虎、计算机网络信息中心廖方宇主任、迟学斌副主任、业务发展处处长许海燕、高性能计算部陆忠华主任以及英伟达、曙光信息产业股份有限公司等产业链代表共40余人参加了本次会议。
迟学斌副主任主持了开幕式，秦承虎副处长和仝海威处长先后致欢迎词。秦处长在致辞中介绍了我院在数据与计算方面多年的发展和已取得的成果，并表示我院在基础设施资源和软件研发能力方面能够为人工智能的发展提供有效支撑；同时期望计算机网络信息中心，以及院属相关研究院所在人工智能的技术研发和规模化应用方面发挥更重要的作用，提供更有效的高性能云服务，以促进北京市经济社会发展。仝处长在致辞中首先指出人工智能是形成新产业模式的重点发展领域之一，发展人工智能已被提升到国家战略层面；并对北京市在人工智能方面的有关布局进行了简要介绍；然后从人工智能技术研发、支撑体系建设以及规模化应用三个方面谈了些看法和设想。
高性能计算部主任陆忠华研究员主持了会议报告环节。
中科院自动化研究所刘成林副所长做了题为《模式识别研究现状与趋势》的报告，主要介绍了GPU在人工智能，尤其是模式识别中的研究和应用现状以及未来发展的趋势。其中，深度学习是当前人工智能模式识别的主流方法，去年的人机大战中的Alphago就是运用深度学习方法进行训练的，它是一个复杂函数，能够完成分类或回归任务，它全面超越传统模式识别方法，当然，在计算量、泛化性、学习灵活性及鲁棒性等方面它仍然存在许多不足。
英伟达教育科研医疗行业总监袁永清总监的《GPU与HPC加速人工智能的发展》报告，详细介绍了英伟达目前在游戏、医疗影像、GPU加速软件和嵌入式芯片4个方面开展的业务。其中的嵌入式芯片有两个方向：一是为创新驾驶体验进行的汽车内部语音云视觉系统的开发，另一个就是被称为“无人驾驶的大脑”的世界第一款车载人工智能计算平台的开发。另外，今年将在智能协同驾驶上进行探索，包括人脸辨识，头部追踪，眼球追踪，读唇等等。
中心高性能计算部技术支持与业务拓展业务室主任王珏副研究员在报告《高性能计算与人工智能》中介绍了中心的GPU硬件资源情况和GPU相关研究成果，向与会的领导和专家展示了中心在人工智能的技术研发和规模化应用方面具有充足的软硬件资源、优秀的研究和管理团队，以及扎实的研究基础，可以有力的支持国家的人工智能战略，推动人工智能的快速发展，形成北京市乃至国家的新产业模式。
驭势科技(北京)有限公司首席执行官吴甘沙做了题为《轻车熟路：基于嵌入式系统+高性能云的驾驶智能》的报告，介绍了人工智能在自动驾驶上的重要应用价值和巨大发展前景。他提到，智能驾驶的商业化需要“轻车熟路”。所谓“轻车”即嵌入式系统与算法的适配，“熟路”强调高性能云端的训练适应更多的数据，以及对大规模仿真+强化学习的支持。人工智能能解决目前交通与驾驶中存在的人贵、人缺和人错三个问题。他形象地用“新司机”、“认路司机”和“老司机”来比喻无人驾驶的能力提升与发展：“新司机”能利用摄像头、深度学习及激光雷达等技术还原驾驶场景；“认路司机”可以达到高精度惯导和定位；如果要达到开得又好又舒服的“老司机”标准，需要达到能判断道路形势，预测路况的能力。最后，吴甘沙说道，未来5—7年自动驾驶技术会进一步提升到“老司机”的水平。
地质与地球物理研究所刘洪研究员做了《油气勘探领域深度学习与GPU技术的应用》的报告。他从油气勘探实际出发，首先总结了大数据在地学中的应用问题难点，简单的神经网络不能代表最新的深度学习的技术能力，目前在深度学习规模上地学还是比较小的，只在识别断层方面运用了一些。从阿法狗和绝艺得到的启示是，挖掘深度学习潜力依赖于从深度和广度上扩大神经网络的规模。其实，油气领域很早就运用神经网络进行反演。深度学习与全波形反演有很多类似性，最后，刘洪提到，等效波动方法、快速多极方法加速全波形反演的计算，可以促进深度学习的应用。
科大讯飞北京研究院副院长付瑞吉剖析了人工智能的不同层面，即运算智能（储存会算），感知智能（能挺会说，能看会认），认知智能（能理解会思考），运动智能（能抓会握，能跑会走）。2014年8月，科大讯飞启动了“讯飞超脑”计划，研发基于类人神经网络的认知智能系统。目前，讯飞超脑在感知智能和认知智能方面取得了很多突破：在感知智能方面，语音识别已全面进入“读图谱时代”；在认知智能方面，基于Attention神经网络的篇章阅读系统能对作文进行自动评分，写评语并划出优美语句等等，俨然就是一个自动评卷系统。经测试，目前讯飞超脑语言理解能力已达到了六岁儿童水平，未来还会进一步提高。自然交互改变生活，智能学习颠覆行业。人工智能是当代最伟大的魔法师。
声学研究所所长助理颜永红做了题为《智能语音处理的现状和挑战》的报告，介绍了人工智能在语音识别领域发展和成功案例。他提到，语音识别每隔5-6年都会“火”一把，其实语音识别属于语言声学与内容理解学科，对它的研究是智能化的一个标志，由于语音沟通的直接性和语言的复杂性，机器言语识别是人机交互和人工智能的重要组成部分。目前，以语音为核心的人机交互的技术挑战主要有以下三点：更高的精度，更强的拒识和更复杂的拾音。最后，颜永红还和分享了一些有意思的事情，如：虚拟低音增强，移动终端耳机重放，三维音频双耳技术等等。
澎峰(北京)科技有限公司首席执行官张先轶的《嵌入式平台的深入学习以及Kaggle Data Science Bowl》报告从嵌入式深入学习的模型、框架、底层库和硬件等方面进行了阐述，并以美国国家癌症研究所数据集的肺癌的CT诊断为例，对Data Science Bowl的全过程进行了呈现。
曙光信息产业股份有限公司深度学习产品总监许涛最后分享了《人工智能开启HPC新格局》的报告，指出GPU助力HPC计算能力快速增长，并强调HPC的应用魔咒在于应用短板，因此面向AI的深度学习是HPC全新应用领域。
廖方宇主任在大会总结中表示，本次人工智能与GPU研讨会开的很成功，与会代表作了精彩的报告并提出了宝贵意见和建议。同时，他指出要认真学习领会秦处长和仝处长的讲话指示，研究与北京市委和北京市基金委合作，在行业和产业方面推动北京市经济结构调整、并利用科学院的已有的成果，结合北京市的规划，寻求新的国家层面和应用层面的合作模式，将人工智能的新技术转移到企业，使得企业尤其是小企业可以享受到技术发展的红利。
最后，就人工智能与GPU的发展和产业化模式各位专家和代表踊跃发言，开展了积极、热烈的讨论，重点集中如何把相关技术链条、产业链条和人才链条打通，实现人工智能产业的“政产学研用”。
本次研讨会的圆满举行，为与会的领导和专家学者提供了良好的交流平台，极大地促进了中科院尤其是计算机网络信息中心与北京市以及产业链在人工智能和GPU领域的合作与交流，有助于我国人工智能研究进一步与世界先进水平接轨，同时有助于加快人工智能产业化步伐，形成新的产业模式和经济增长点。
