【盘点】2016年人工智能50位明星人物(10)
微软在今年提出一个概念叫对话及平台。对话不外乎分成两端，第一端是企业自己也就是使用者，另一端存在三种情况：第一种是人和人——对方也是自然人，即你可以通过消息或者语音的形式实现人与人的沟通；第二种就是企业经常提到的数字助理；第三种是BOTS，具象来讲就是SDK，开发者可以通过BOTS结合公司的业务流程进行包装从而能够提供一套能够和智能机器人对话的服务。通过这套服务可以实现智能购物，从而可以节省人力。
BOTS仅仅提供了可以和智能机器人沟通的平台，想要真正实现人工智能还需要认知服务，这项服务可以通过提供API来分析复杂的数据以rest API的形式提供给大家，而且允许开发者调用API成功实现智能的应用和
服务，这样开发者就不需要把精力耗费在调试智能服务方面，只要放在应用和逻辑方面就可以。
云知声谢冠超：
AI技术发展，助力家电产业升级
2016年9月27日云知声谢冠超在接受中国家电网的采访中表示：
很多公司可能都推出了带语音的产品，但不意味着已掌握了语音识别技术。在国外，Nuance是掌握语音识别技术的全球最大的公司，国内则是讯飞科技，其次就是企业云知声。
云知声去年成功研究出5米远讲语音技术，并独家实现了只用2个麦克风声音采集就能做到远讲的解决方案。
实际上在语音系统里麦克风使用越多成本越昂贵，而且麦克风数量多对设备的模具也有限制，很多设备厂家比如家电企业，他们整体上对制造的成本还是较为敏感，针对这种需求就要确保语音芯片系统的整体成本符合需求。而云知声强调的是：在有限系统硬件资源的前提下，实现所有的技术功能，这也是在市场化的过程中，云知声通过技术优势实现的竞争力。
51VR创始人李熠：
VR人工智能将会替代部分简单技术工
李熠说，技术产品的扩张必将改变人们的生活方式，人工智能产品的商业化将取代简单的技术工种。至于失业率，则是时代发展的必然，就算自己不做，中国不做，也会有国外的企业来做。他说，简单技术工种会被人工智能所取代，不过大势所趋。哪怕失业率会随之增长，但是，总会有人做。时代的趋势，并不以人的意志为转移。
腾讯科技公司微信模式识别中心技术总监陈波:
与人工智能结缘
随着真实社交数据增加，数据分布变化多样，噪声复杂，高效的数据预处理方面的机器学习技术的研究和恰当使用可能会对最终结果有影响。
大多数传统机器学习训练方法对模型的表征折中，我们既希望它辨识模式的提炼总结，又希望它避免inference的负面“均衡”带来的混乱。改变上述问题的框架创新是对于多个领域应用的general的挑战。
在现实环境下，深度增强学习中状态空间、action空间、reward等有“创意”的描述也是不小的挑战。
一些国内外研究者已经对无监督预测学习、结合贝叶斯统计的深度学习、层级增强的memory，reasoning，planning的表征等一些学习框架的重新思考发起挑战。
企业实践与学术研究不同，通常单一的技术很难得到最好结果，所以在具体业务场景中，需要灵活有机地把多种机器学习技术从本质上思考，并有效融合、创新解决具体问题。这也是所有应用任务的一大挑战。
微软人工智能首席科学家IEEE Fellow邓力博:
驱动大数据人工智能多种应用的三类模式
8月26日至27日2016中国人工智能大会（CCAI 2016）上，微软人工智能首席科学家、IEEE Fellow邓力博士做了《驱动大数据人工智能多种应用的三类深度学习模式》的主题演讲，他首先介绍了深度学习的基本定义，以及深度学习的三种模式。邓力表示，AI=感知+认知，首先是感知，更深层次的是认知，而人工智能目前更需要解决的是认知的问题，而深度学习是提升认知，推进人工智能进一步发展的最有效的方法。然后，邓力介绍了深度学习在语音识别方面的进展，他表示，目前苹果、谷歌、亚马逊都在用深度学习研究语音识别，并取得了较好的效果。接着，邓力介绍了深度学习对于图像识别的影响。邓力接着介绍了深度学习在机器认知方面的进展，通过使用Long Short-Term Memory RNN等模型，目前已经可以实现效果比较好的效果。最后，邓力介绍了增强学习，他表示，深度学习加增强学习可以解决更复杂的人工智能难题，而深度非监督学习则是未来人工智能的又一个重要的研究课题和未来的发展方向。
麻省理工学院人工智能实验室（MIT CSAIL）教授Tomaso Poggio:
如何发展人工智能技术
Tomaso Poggio的研究兴趣不仅仅在于人工智能，还包括了人类本身的智能。
Tomaso Poggio表示，人工智能的新技术发展很快，先是在美国的问答游戏，然后在围棋、括游戏等方面都有比较好的成果。
