2019如何玩轉人工智慧，全球AI大牛給你答案

人工智慧正在改變商業。從自然語言處理和智慧語音，到物聯網和邊緣計算，人工智慧正在為人類提供重要的戰略和實踐機會。

儘管科技已經逐漸民主化，任何規模的公司都可以從中受益，但一些公司和創新者正在引領潮流——他們將於今年7月10日和11日在舊金山舉行的變革大會上亮相。和我們一起進入這個論壇，看看他們是怎麼做的。這些大牛們將提供鼓舞人心的觀點和實際的可操作化建議，這一些對你的業務至關重要。

讓我們來看看部分具有影響力的意見領袖吧：

Andrew Moore，谷歌雲人工智慧的負責人

在競爭日益激烈的雲市場中，谷歌將自己定位為從初創企業到成熟企業的首選合作物件。谷歌擁有數十種新的人工智慧產品和服務，即使是非資料科學家也可以輕鬆訪問。讓我們來看看谷歌雲平臺，它為人工智慧建立者提供了一個新的、共享的端到端環境，供團隊測試、培訓和部署從人工智慧策略的雛形一直到釋出的模型。谷歌Cloud試圖透過向依賴於雲提供商技術的小型企業或初創企業提供機會，讓它們在GCP上執行自己的模型，從而將自己與競爭對手區分開來。

此外，AutoML和AI Platform也是新的秘密武器。AutoML是一個預製件零售和呼叫中心人工智慧服務的集合，AI Platform是一個協作模型製作工具。任何一個幾乎沒有任何程式設計經驗的開發人員都可以輕鬆使用AutoML，而AI Platform是為資料科學家提供的，這也是谷歌嘗試跨經驗範圍交付AI工具的一部分，谷歌試圖將有用的AI帶到所有行業垂直領域。

Swami Sivasubramanian，亞馬遜人工智慧副總裁

如果你想在降低成本的同時大規模培訓機器學習模型，亞馬遜的AWS還為開發者和企業高管提供了各種各樣的人工智慧產品。亞馬遜希望你能利用它的SageMaker AI服務，該服務使用創新技術，在提供類似效能的同時鎖定所需的計算能力。透過SageMaker的流媒體演算法輸入的資料越多，系統的訓練就越多。但隨著時間的推移，這樣做的計算成本保持不變，而不是呈指數級增長。

這意味著他們已經建立了一個系統，這個系統可以處理全球範圍內執行的難以置信的大資料集，其精確度與更傳統的人工智慧系統訓練方法相當。這不僅對亞馬遜自己的人工智慧專案很重要，對客戶的需求也很重要。

企業需要投資於NLP技術，以跟上搜尋和參與領域正在發生的革命，而亞馬遜人工智慧（Amazon AI）正與谷歌等領軍企業一道，快速進入NLP領域。科學家在亞馬遜的Alexa部門最近使用跨語言遷移學習，這種技術需要訓練一個人工智慧系統在另一個語言培訓之前，德國適應英語語言模型，在一篇新論文中他們擴大他們的工作的範圍，準備將英語語言模型實用到日本語上。

希拉蕊·梅森（Hilary Mason），通用汽車公司，Cloudera的機器學習和Fast Forward Labs的創始人

希拉蕊·梅森（Hilary Mason）是資料科學領域最引人注目的女性之一，也是Cloudera的總經理。她在今年早些時候表示，人工智慧領域最大的趨勢是人工智慧系統的倫理含義。企業需要更廣泛地認識到建立某種道德框架的必要性，技術和商業領袖都需要接受無偏見地創造產品的責任。

此外，正如使用者期望業務經理使用電子表格進行簡單建模的能力最低一樣，使用者也需要期望他們在識別自己產品中的人工智慧機會方面的能力最低。

梅森還認為，越來越多的企業將需要形成結構來管理多個人工智慧系統。一個系統可以使用手工部署的自定義指令碼進行管理，cron作業可以管理幾十個系統。但是，當使用者在一個具有安全、治理和風險需求的企業中管理數以百計的系統時，他需要一個專業的、強大的工具，以及從擁有大量的能力甚至厲害到擁有系統的方法來追求機器學習和人工智慧機會的轉變。

Greg Brockman和Ilya Sutskever，OpenAI的聯合創始人

遊戲一直是人工智慧研究的基準，OpenAI一直在創造一種能夠比人類更好地玩許多最複雜遊戲的人工智慧方面處於領先地位。該技術建立在深度強化學習的基礎上，可以說是在向通用人工智慧邁進的早期階段，而且這種技術也可以應用於遊戲之外。

事實上，他們將討論NLP和文字生成背後的最新人工智慧，這是許多企業正在用他們的客戶參與訊息應用程式進行的工作。這一切都源於OpenAI在遊戲領域的工作所獲得的成功，它家的機器人被扔進了迄今為止最大的鬥獸場裡。4月18日至4月21日，該公司進行了一項大規模實驗，以測試它對dota2最佳玩家的表現。

OpenAI 5的勝率為99.4%，沒有人能夠發現人類程式設計的遊戲機器人所遭受的那種易於執行的攻擊。

能夠駕馭複雜策略遊戲的機器人是一個里程碑，因為它已經開始捕捉現實世界的各個方面。這是向能夠處理複雜性和不確定性的人工智慧邁出的一步，為開發在最具經濟價值的工作上超越人類的自主系統提供了一條更清晰的道路。

Kevin Scott，微軟技術長

現代機器學習產業不僅建立在計算能力的進步上，也建立在開源專案上。正是這種體系結構使機器智慧得以突飛猛進，科技巨頭微軟正在率先發布旗下新的Azure機器學習和Azure認知服務宣告。

微軟的業務領域充斥著大量與企業相關的工作，包括機器人和製造公司的人工智慧，它還為機器模型訓練和推理提供了通用的FPGA晶片。此外，開放式神經網路交換（ONNX）也充分發揮了微軟的優勢，ONNX允許微軟客戶使用其他非微軟技術，這也預示著一個開放的新時代正在來臨。ONNX現在支援Nvidia的Tensorrt和Intel的Ngraph，用於Nvidia和Intel硬體上的高速推理。這是在微軟加入MLFlow專案，並在NX執行時上開放原始碼的高效能推理引擎之後發生的又一件令人興奮的事情。

ONNX為不同框架、執行流程、編譯器和其他工具的集合帶來的互操作性，使機器學習生態系統更大。FPGA晶片多年來一直被用於為Azure執行100%的資料加密和壓縮加速任務。現在，使用者們可以隨意使用TensorFlow、PyTorch、Keras或任何他們喜歡的框架來構建定製模型，然後透過硬體加速任何GPU或FPGA。

根據Github去年秋天釋出的2018年10月海外公告來看，微軟現在也被稱為開源專案貢獻者最大的僱主之一，Github是微軟去年收購的一家企業。