機器之心報導
演講者：徐飛玉
參與：微胖、黃小天
面向開發者的世界上最大的人工智慧主題線上演講與對話大會 AI WITH THE BEST（AIWTB）於 2017 年 4 月 29-30 日在 AIWTB 官網上通過線上直播的方式舉辦。 昨日， 機器之心報導了 Ian Goodfellow 線上分享的有關對抗樣本與安全隱私的精彩內容。
在本文中， 機器之心對這次大會上 AI 專家徐飛玉的演講進行了梳理， 並附有大會演講視頻和 PPT。 今年 3 月 23 日， 聯想宣佈成立人工智慧實驗室， 同時宣佈徐飛玉博士加盟聯想， 作為副總裁負責聯想研究院人工智慧實驗室的研發工作。
據悉， 1998 年以來， 徐飛玉博士一直在德國人工智慧研究中心工作。 加入聯想之前， 她是該研究中心語言技術實驗室文本分析研究組負責人以及首席研究員。
徐飛玉博士在多語言資訊系統、資訊抽取、文本挖掘、大資料分析、商務智慧、問答系統以及 NLP 技術移動應用等領域擁有豐富的經驗，
2016 年 11 月， 前微軟亞洲研究院常務副院長芮勇博士加入聯想， 成為聯想新的 CTO；數月間， 聯想新的技術戰略——「智慧驅動的設備+雲」戰略——已然成形。 人工智慧正在成為聯想著力加強和投入的戰略領域。
演講主題
人工智慧的變遷：從實驗室走入日常生活（The Migration of AI from Laboratories into Everyday Life）
今天， 人工智慧已不僅僅存在於科幻小說之中。 大資料及其分析平臺、先進的機器學習方法、高速互聯網、全球性開源研發社區等大量湧現， 這一切催生出了強大的人工智慧應用， 比如網頁智慧搜索、機器翻譯、智慧互動式助手和商業智慧軟體。
在本次演講中， 我將會概述德國人工智慧研究中心的跨學科應用型研究，
徐飛玉博士首先介紹了什麼是人工智慧：能讓機器向人類一樣行動。
人工智慧熱的原因， 很有用。 提升人類感知和認知， 比如搜尋引擎。 另外， 人工智慧還可以幫助人與機器交互。
為什麼現在會出現人工智慧熱呢？原因有以下幾個方面。 比如資料、技術、硬體等等。
人工智慧之所以很熱，還因為在某些方面甚至可以超過人類（超人智慧，比如 AlphaGo）。那麼，對比之下，人工智慧與人類智慧有哪些相似與不同呢？
因此，人工智慧可以做一些人類無法做到的事情。
人工智慧的發展讓很多新的產品、服務和商業模式成為可能，也大大提升了現有產品、服務和商業模式。以下是一些重要技術領域。
人工智慧已經被許多領域應用。如下表所示，金融服務、製造業、農業、教育等，一共 216 個領域。
接下來，就看幾個利用最新技術的例子。比如，對話使用者介面和對話系統。
接著，徐飛玉博士講了當前的會話式助手的三個參數：1. 能動性（使用者、系統、兩者混合）；2. 中值/方式（聲音、文本、圖片、觸控）；3. 會話深度（搜尋、問題回答、命令導向、真實會話）。
當你對語音助手說，給我看看 Peter 在北京的照片時，它首先會分析人物是 Peter，位置為北京；接著它會在圖片庫中進行檢索，並最終給出 Peter 在北京的最後照片。
所以，語音助手圖片檢索的整個過程可以描述為：輸入、分析、理解、行動選擇、整合、輸出。
接下來，徐飛玉博士重點介紹了文本大資料分析處理這一具體應用。
首先，她先解釋了大資料，認為其有如下三個特點：大容量（資料大小）、高速度（變化的速度）、多種類（資料資源）。
在大資料中，文本是最大的也是最常見的大資料來源之一。
但文本資料卻是非結構化的。
非結構化也就意味著需要對其進行分析處理。所以接下裡要講的什麼是文本資訊分析處理。
文本資訊分析處理是指在給定一個非結構化文本的情況下，文本分析系統能夠自動識別並提取相關實體或概念之間的關係，這種關係對於滿足用戶需求很重要。
隨後，徐飛玉博士講了文本分析處理技術的 3 個通常性應用任務：
通常性應用任務 1：用於資訊查找者的資訊訪問。
在搜尋引擎中，文本分析處理技術可以將使用者非結構化的文本性提問映射到更結構化的標準提問，從而説明資訊查找者完成資訊訪問。
通常性應用任務 2：用於資訊提供者的資訊獲取。
在網路中，資訊提供者可從海量免費文本中提取結構化資訊，從而可構建知識庫以達到資訊儲備的目的。
接著，演講中給出一個有關流行歌星的實例：如何從網路中獲取流行歌星的完整社交網，並將其分為 4 類：流行歌星、藝術家、個人、團體。
通常性應用任務 3：大資料分析
大資料分析可在結構化資料和非結構化資料之間建立連接：
大規模資訊監控
分析：領域、市場、趨勢等分析
觀察：流覽相關最新進展
演講給出了文本分析處理技術的架構流程圖。
最後，這次演講對人工智慧的貢獻作了以下總結：
感知：為視覺、聽覺和感覺解釋感測器輸入
觀察我們的世界：監控資料和網頁
知識：使全世界的知識觸手可得
理解：即時分析海量資料
從經驗中學習：機器學習
智慧化：機器人、自動化流程
人工智慧之所以很熱，還因為在某些方面甚至可以超過人類（超人智慧，比如 AlphaGo）。那麼，對比之下，人工智慧與人類智慧有哪些相似與不同呢？
因此，人工智慧可以做一些人類無法做到的事情。
人工智慧的發展讓很多新的產品、服務和商業模式成為可能，也大大提升了現有產品、服務和商業模式。以下是一些重要技術領域。
人工智慧已經被許多領域應用。如下表所示，金融服務、製造業、農業、教育等，一共 216 個領域。
接下來，就看幾個利用最新技術的例子。比如，對話使用者介面和對話系統。
接著，徐飛玉博士講了當前的會話式助手的三個參數：1. 能動性（使用者、系統、兩者混合）；2. 中值/方式（聲音、文本、圖片、觸控）；3. 會話深度（搜尋、問題回答、命令導向、真實會話）。
當你對語音助手說，給我看看 Peter 在北京的照片時，它首先會分析人物是 Peter，位置為北京；接著它會在圖片庫中進行檢索，並最終給出 Peter 在北京的最後照片。
所以，語音助手圖片檢索的整個過程可以描述為：輸入、分析、理解、行動選擇、整合、輸出。
接下來，徐飛玉博士重點介紹了文本大資料分析處理這一具體應用。
首先，她先解釋了大資料，認為其有如下三個特點：大容量（資料大小）、高速度（變化的速度）、多種類（資料資源）。
在大資料中，文本是最大的也是最常見的大資料來源之一。
但文本資料卻是非結構化的。
非結構化也就意味著需要對其進行分析處理。所以接下裡要講的什麼是文本資訊分析處理。
文本資訊分析處理是指在給定一個非結構化文本的情況下，文本分析系統能夠自動識別並提取相關實體或概念之間的關係，這種關係對於滿足用戶需求很重要。
隨後，徐飛玉博士講了文本分析處理技術的 3 個通常性應用任務：
通常性應用任務 1：用於資訊查找者的資訊訪問。
在搜尋引擎中，文本分析處理技術可以將使用者非結構化的文本性提問映射到更結構化的標準提問，從而説明資訊查找者完成資訊訪問。
通常性應用任務 2：用於資訊提供者的資訊獲取。
在網路中，資訊提供者可從海量免費文本中提取結構化資訊，從而可構建知識庫以達到資訊儲備的目的。
接著，演講中給出一個有關流行歌星的實例：如何從網路中獲取流行歌星的完整社交網，並將其分為 4 類：流行歌星、藝術家、個人、團體。
通常性應用任務 3：大資料分析
大資料分析可在結構化資料和非結構化資料之間建立連接：
大規模資訊監控
分析：領域、市場、趨勢等分析
觀察：流覽相關最新進展
演講給出了文本分析處理技術的架構流程圖。
最後，這次演講對人工智慧的貢獻作了以下總結：
感知：為視覺、聽覺和感覺解釋感測器輸入
觀察我們的世界：監控資料和網頁
知識：使全世界的知識觸手可得
理解：即時分析海量資料
從經驗中學習：機器學習
智慧化：機器人、自動化流程