探索AI通用技术 WOT2019全球人工智能技术峰会精彩继续
本次峰会围绕人工智能领域的通用技术、应用领域以及企业赋能三大主题展开，每个主题设置四大专场，涵盖机器学习实践、知识图谱技术、AI智造、智能安防、智能金融、智能商业创新、智能行业赋能等，共计12大专场，42个话题的分享与讨论。6月21日下午，通用技术主题峰会正式拉开帷幕，机器学习实践、搜索推荐算法、知识图谱技术、NLP和语音识别四大专场同时进行，十几位讲师一同为与会嘉宾带来精彩的技术分享。
主题一：机器学习实践
机器学习实践专场聚焦大规模机器学习，涉及深度学习、强化学习、迁移学习、监督学习、半监督学习、无监督学习等，来自不同领域的三位专家，依次分享了机器学习技术在各自领域的落地实践。
网易云音乐音乐推荐负责人肖强分享了《AI算法在音乐推荐中的实践》。众所周知，网易云音乐是音乐爱好者的聚集地，音乐推荐系统致力于通过AI算法的落地，实现用户千人千面的个性化推荐，为用户带来不一样的听歌体验。肖强在本次分享中重点介绍了AI算法在音乐推荐中的应用实践，以及在算法落地过程遇到的挑战和解决方案。
在在线教育领域中，1V1直播视频内容是最为核心的数据之一，特定领域和场景下的视频内容理解技术能够提升在线教育企业的核心竞争力，因此显得尤为重要。VIPKID供需优化技术负责人沈亮就《在线教育行业中视频理解的应用》话题展开深入探讨，详解VIPKID如何进行数据价值挖掘及产品化尝试，介绍在视频内容分析方面的技术实践，以及后续的业务应用。
与传统的教育行业不同，在线教育领域，老师和家长不能及时对学生进行有效的干预。同时，平台也无法通过有效手段来对教师的教学质量进行管控。沈亮提到：深度学习、产品需求的相互驱动，让视频内容理解领域慢慢渗透到产品和用户的多个方面。每天VIPKID平台需要处理400W分钟的语音，进行语音识别、噪音识别、语音情感识别等，还要处理10亿张图片数据，进行人脸识别与人脸检测，压力与挑战并存。借助AI手段，VIPKID结合在线教育领域的特定场景，提升了平台的整体竞争力。
广告是互联网变现的主要方式之一，美团大众点评高级技术专家王永康在会上详细讲述了美团外卖广告算法的实践经验。据悉，美团外卖广告经过3年的迭代，从0到1搭建了一套支持多产品形式、多售卖模式，兼顾多优化目标的商业变现系统，其中产品形式包括品牌广告、信息流广告、搜索广告、push广告，售卖模式支持CPC、CPM、CPT、合约广告等。王永康重点阐述了算法在解决广告业务问题及构建技术体系的过程中遇到的挑战、思考和落地方案，剖析了广告变现的核心问题和关键打法，总结了广告机制设计在美团外卖的思考和实践，梳理了外卖广告模型从树模型到深度学习、强化学习的演进过程。
主题二：搜索推荐算法
无论是互联网、移动互联网还是电子商务，搜算变得越来越重要，基于人工智能的搜索推荐算法逐渐占据上风。如何结合自身业务数据的特点，设计合适的深度推荐与搜索算法，同时设计合理的架构保证算法的稳定运行，是搜索推荐算法专场的主要关注点。
推荐系统对商业效率的提升已有诸多验证，在内容阅读场景中，通过推荐系统让产品流量和收入大幅提升的案例不乏少数。随着推荐系统的发展和成熟，商业应用对推荐系统提出了更高的要求。第四范式推荐业务算法团队负责人程晓澄带来了《搭建现代推荐系统需要迈过哪些难关》的主题分享，介绍了当前推荐系统如何同时服务于用户增长、商业变现、用户体验等多元化的优化目标，阐述了推荐系统各模块的发展现状，以及各个环节工程落地的难点。
在《荔枝APP的UGC推荐系统探索与实践》主题演讲中，荔枝FM推荐系统架构师庄正中首先介绍了荔枝的推荐理念，以及内容理解、用户理解、算法模型和交互设计四大关注点；随后介绍了荔枝推荐系统的主要架构，在音频推荐系统建设中遇到的难点和应对策略，以及提取音频内容特征和新声音发现机制；最后介绍一些典型推荐策略，例如用强化学习应对用户兴趣探索的Explore&Exploit算法，采用DSSM做长尾召回的尝试，一种参数降维的FFM排序算法，产品运营策略+机器学习的融合模型排序等。
游戏娱乐也是推荐系统的重要应用场景之一，金山西山居游戏AI技术专家黄鸿波分享了推荐系统在剑网3推栏项目中的落地经验。“剑网3推栏”是《剑网3》玩家首选的娱乐聚集地，集官方资讯、趣味内容、玩家社交、创作分析、专业工具、游戏视频和辅助工具于一体，提供实时专业的竞技数据，游戏互通的社交服务APP。围绕特征选取、离线计算和在线预测三大阶段，黄鸿波分享了如何对用户进行千人千面、个性化的消息推荐，结合“剑网3推栏”项目的落地经验，详细讲解了推荐系统的系统架构、流程，总结了常见的各种坑和破解方法。
主题三：知识图谱技术
人工智能能够实现的语音助手、无人驾驶等应用，背后皆来自知识图谱的支撑，知识图谱的价值在于能够让机器具备认知能力。在知识图谱技术专场，三位技术大咖从理论、方法、技术和场景应用等层面，详细阐述了知识图谱技术的应用现状与发展前景。
知识图谱是下游应用的基础。瑞士再保险数据科学家王冠从数据、算法和架构三个层面讲解如何构建知识图谱。他在演讲中提到：“我们试图对中文知识图谱构建的实践流程做出一个梳理，包括知识图谱的设计和定义，标注数据如何获取，实体和关系如何识别，已有资源和工具如何利用以及算法与工程如何架构等等。”随后，他详细介绍了在知识图谱构建的过程中，网络结构的选取，信息提取工具、文本标注工具、尤其是中文标注工具的运用，以及基于主动学习的智能标注等。
基于知识图谱的问答已在美团点评的O2O智能交互场景中得到了深度应用。美团点评O2O场景涉及众多生活服务类领域需求，包括点餐、外卖、酒店、旅游、娱乐等等。据美团点评资深算法专家潘路介绍，智能语音交互在这些领域中扮演了越来越重要的角色，其中，融合知识图谱进行资源的查询和信息的询问成为主要的交互方式。潘路从传统KBQA技术出发，为与会嘉宾分享美团点评如何结合O2O的特有场景和特殊问题，从资源建设和查询理解层面对KBQA进行深度应用以及演化。
互联网让数据和知识的生成与分享变得极为便利，但是大规模冗余含噪数据也给信息获取带来了巨大挑战。通过抽取有用的实体、概念和它们之间的关系构建大规模知识图谱，进而通过自动问答的方式为用户提供精准知识服务是大数据环境下信息获取的有效途径之一。
中国科学院自动化研究所副研究员何世柱介绍了基于知识图谱的问答技术，以深度学习技术为主的知识问答方法，最新的自然问句语义解析模型，能够生成流利自然语言答案的生成模型，详细阐述了深度学习在其中的应用策略与方法，分析了现阶段知识图谱问答技术存在的问题，并对未来发展趋势进行了预测与展望。
主题四：NLP和语音识别
以语言和知识为研究对象的自然语言处理(NLP)技术和语音识别技术是人工智能的重要通用技术，从中文分词、词性分析、改写，到机器翻译、语义理解、对话系统等，NLP和语音识别技术早已成功应用在各类产品中。
智能对话作为一种新的技术应用，正在悄然改变人们的生活方式。伴随着语音识别、合成等技术的突破，智能对话和电话端的结合成为新方向。阿里巴巴高级算法专家周伟介绍，在刚刚过去的MIT2019年的10大技术突破中，阿里小蜜的语音助手荣耀登榜。周伟从语音端的自然语言理解技术、对话策略技术、文本生成技术等方面，详细剖析了构建一个语音端的类人机器人的思考与技术探索，分享了语音对话机器人在阿里小蜜中的技术实践经验。
随着深度学习技术的快速发展，深度神经网络在自然语言处理中的运用越来越广泛。来自追一科技AI Lab高级研究员潘晟锋以企业服务中的智能交互为切入点，论述如何使用深度学习让传统的交互方式变得更加智能，以及对实际场景中不同问题的技术路径进行探讨和实践。
在分享中，潘晟锋介绍了追一科技在为企业提供智能交互服务中的探索与实践，包括如何去划分场景、制定目标、选定技术方案、突破深层理解。追一科技3年来，不断探索深度学习在NLP应用，构建了文本、语义和多模态等多种交互形式的智能化系统，在金融、政企、运营商等领域落地应用，帮助企业提升服务效率，降低成本。并通过从FAQ到知识图谱、数据库和文档等知识智能交互，提升AI解决问题能力。