看看我们的命运有多“被”：

被“平均工资增长”——为什么我每次都是拖后腿的;

被“人均拥有住房面积增加”——为什么我每次都是那个百分数以外的;

被“结婚率上升”——既不渣、也不屌，为什么还是单身狗;

被“××满意度提高”——反正从来没问过我是不是满意......

被坑了这么多次，最近你又“被”什么了?有没有“被人工智能”(“被AI”)?

“人工智能”的时代来了，总理在说，科技大佬在说，风投资金在说，连出租车司机都在说，似乎一夜之间我们就被另外一种智能包围了。

许多人也许搞不懂卷积神经网络、深度学习技术是什么，但知道人工智能会在不远的将来深刻影响他们的工作、生活：有些人可能会因为AI的应用而丢掉现有工作，进而影响生活而尝到“被AI”的滋味;当然有不好的就会有好的，也会有很多人因为AI的应用所带来的新机会而迎来新的人生机遇。

很显然，主动了解，积极应对AI你就会“被爱”;而消极抵触，不思求变你很可能“被AI”。到底人工智能会给我们的工作、生活带来哪些影响，4月份由 O'Reilly和Intel主办的AI Conference 2018北京站(以下简称“AI大会”)上可能会带来一些答案。这场以“探索在业务中应用人工智能的机会”为主题的世界性前瞻人工智能应用大会，汇集了众多人工智能领域的顶尖专家，以及以硅谷人工智能公司为代表的科技企业大咖，他们会告诉我们人工智能应用的方向和方式，他们在会上所讨论的，可能就是我们马上要面对的。

无人驾驶技术

先看看“无人驾驶”技术的应用前景，这是很多人关注的AI应用。对于像出租车司机这样的专职司机来说，未来无人驾驶技每完善一天，他们离失业就可能近一天。在本次AI 大会上，来自Uerb、京东硅谷研发中心X-lab、UC Berkeley、牛津大学等知名企业和大学的专家将会分享无人驾驶领域新技术、新方案的实际应用。这其中

优步高级技术团队(Uber ATG)的高级研究员Erran Li博士带来的议题是：用于自动驾驶的机器学习——近期的进步和未来的挑战。议题将将会讨论近期在模仿学习方面(例如infoGAIL)、策略梯度法和层次增强学习(例如option-critic架构)等方面的进步，以及它们在自动驾驶方面的实际应用。

作为前百度美国无人车研发团队的创始核心成员，李力耘(Liyun Li)曾在百度无人车部门负责无人车行为预测系统和智能决策规划系统的整体架构及算法优化，现担任京东硅谷研发中心X实验室架构师，负责无人驾驶的决策规划方向。在会上他将以百度的开源无人车技术平台Apollo为基准和样例，分享无人车软件系统的整体设计思路和模块划分理念;Apollo无人车解决方案中的环境感知，行为预测，以及规划控制等模块所需要解决的问题;并通过实际案例，探讨计算机视觉技术、大规模机器学习技术等AI技术在这些模块的应用场景以及具体的基于AI的解决方案。

来自UC Berkeley的Bichen Wu 博士分享的议题是“

用于无人驾驶的深度学习技术”。试图通过:

如何利用仿真来生成训练数据，以及如何用domain adaptation的方法让通过仿真数据训练的模型迁移到真实世界中;

如何利用仿真器对深度学习模型进行系统性的测试与验证，理解在什么情况下神经网络可能出错，以及相应地调整控制策略。

如何设计高效的神经网络以满足实时性，低功耗的要求。从而解决无人驾驶在深度学习技术发展方面面临的问题：

深度学习模型需要大量的训练数据，但是收集，标注大量数据非常困难;

准确性对于无人驾驶是至关重要的，但无论什么模型，要达到100%的准确率是几乎不可能的;

无人驾驶要求神经网络模型以实时的速度检测周围环境，但大多数的深度学习模型计算复杂度很高，超过了车载处理器的处理能力。

来自牛津大学的Weiyue Wu 也将在本次AI大会上通过分享 “

无人驾驶技术产业链条”来揭示无人驾驶发展的路线图，以及未来二十年内无人驾驶的走势。

智能无人驾驶出现了，意味着职业司机这个职业将“被AI”，这也许会令像出租车司机这样的职业司机们痛苦不堪。但对于大多数非职业司机，特别是对那些有“路盲症”、“驾驶恐惧症”、“拥堵烦躁症”的司机而言，智能无人驾驶技术省去了驾驶时的劳累和紧张，省去了选择路线，避开拥堵时的纠结和困扰，实现了安全、省心、舒适地驾车出行，这应该就是一种“被爱”的感觉。当然，会上其他一些针对无人驾驶、深度学习等方面的议题和讨论也同样很有意思。

自然语言与语音技术

再说一条前两天引起广泛关注的消息。

“微软宣布在机器翻译方面取得突破，中翻英可达人类水平”。what?达到人类水平!那我这六年英语专业不是白学了?五年的英语翻译也要没事干了?让我想会儿静静......

还是来AI大会上听听微软自己怎么说吧。这次微软的参会阵容可谓强大，仅仅和自然语言与语音技术相关议题的大咖和牛人就有：

微软副总裁，微软亚洲研究院院长，IEEE院士，国际知名语音技术专家洪小文。他的主题发言是关于人工智能与人类智能发展的关系以及人工智能未来发展的前景。

微软亚洲研究院副院长、首席研究员，国际学术界公认的“排序学习”领域的代表人物，IEEE院士，ACM杰出会员刘铁岩博士。他的议题是以机器翻译为例，对基本的“对偶学习”框架进行展示：从数学模型、到优化算法、到实验结果，到收敛性分析。并进一步探讨对偶学习的概率本质，它的正则化效应(提高泛化能力)，以及其在更多机器学习场景的应用。议题中还将分享“对偶学习”在图像分类、图像编辑、情感分析、问答系统等其他诸多领域的成功应用实例。

微软亚洲研究院副院长、国际计算语言学协会(ACL)候任主席、南开大学、北航等多所学校博士生导师、中国第一个中英翻译系统CEMT-I(哈工大1989年)的研制者，对推动自然语言处理在中国和亚太的卓越发展做出过杰出贡献的周明博士。他的议题很有文化气息——AI创作对联、诗歌和音乐——这明明是要抢人类最后的饭碗的节奏。议题中将介绍计算机生成对联的算法;计算机如何生成格律诗和自由体诗;还有计算机如何生成歌词;最后是计算机给计算机生成的歌词配上乐曲。

微软“小冰”项目(Xiaoice)的全球首席架构师和首席软件经理周力。

作为一个已经有超过1亿次的仿人对话的AI聊天机器人项目的负责人，周力在“小冰：从人类与人工智能的对话中学到的经验教训”的议题中除了介绍“小冰”最新的研发进展情况，更重要的是将分享“小冰”上线四年来获得的关键经验教训，并会解释如何使用它们来构建更好的聊天机器人。

除了微软的团队出击，AI大会是上自然也少不了来自Google、百度、Intel等这些自然语言与语音技术领域龙头企业的声音，而更让人期待的是那些来自中国和硅谷的众多新兴企业的最新研发和应用成果的展示。比如：

来自Cambridge, MA的Luminoso公司的共同创始人兼首席执行官Catherine Havasi博士将会在她的议题“Transfer learning and the future of AI”中介绍迁移学习如何在多个行业中被应用于商业企业的AI解决方案里。

Pacific AI的首席技术官David Talby带来的两个议题分别是“Introducing Spark NLP: State-of-the-art natural language processing at scale”和与之相关的“Extending Spark NLP: Training your own deep-learned natural language understanding models”。

还有由来自Insight Data Science公司的Yan Kou和Emmanuel Ameisen共同带来的议题“

Practical considerations when shifting to using deep learning for your text data”。

再回到上面那条消息，微软的“机器翻译”要代替人，那些现在从事英语翻译工作的人将“被AI”，估计他们的心里是拔凉拔凉的，但是对于大多数英语不好的人来说这无疑是好消息。今后不管是看英文资料，听英文歌曲，去英语国家旅行，语言都将不再是障碍，这种“被爱”的感觉还是很令人向往的!

在4天的AI大会上，像这样的专题、议题讨论和交流有近百场，内容涉及保健和医疗、零售与电子商务领域、传媒、广告、娱乐、运输与物流、AI硬件、软件栈以及设计AI平台等多个领域的人工智能技术的最新应用以及发展前景。

人工智能到底会怎样影响我们的生活?乐观的人说AI是人类的好帮手，悲观的人说AI将“毁灭”人类。在未来与AI相处的日子里，我们应该怀着怎样的心情去面对TA给我们带来“被爱”和“被AI”?

一些人、一些事儿会因为TA的出现和发展而“被AI”;而另一些人和事儿却会因为同样的TA而“被爱”。别人在你“被AI”的时候可能正体会着“被爱”;同样，你在感受如沐春风般的“被爱”之际，可能恰恰也是别人“被AI”的痛苦烦恼之时......

想一想，下一次“AI满意指数”调查的时候，你是选“被爱”?还是选“被AI”?

责任编辑：杨昕仪