武汉光谷国际人工智能产业论坛之学习

光谷国际人工智能产业论坛大会汇聚了国内外人工智能、大数据领域产学研用专家，共同探讨行业趋势、应用案例、技术动态，旨在推动产业与技术结合、合作创新、联合共赢，助力企业、社会、个人提升效能，构建起以人工智能为核心的产业生态圈。

大会历时两天（11月25日-11月26日），学习了主会场和多个分会场的专题分享，收获颇多，感触最深的依然是大数据必成“利器”。首先是25日9点至12点主会场各位大咖从较高的角度讲述人工智能的趋势与应用，如麻省理工的Henry Lieberman教授从complexity 、indestructibility and risk三个方面讲述High Functionality Interfaces的新时代；飔拓董事长李成华博士讲到无人机送货、机器人通过葡萄剥皮和缝皮模拟做手术的过程以及人工智能在医疗影像的应用。

通过主会场对人工智能有了一个整体的认识，下面从各专场学习具体应用。有两个主题收获最大：医疗专场的“大数据与精准医疗”和深度学习专场的“深度神经网络稀疏特征学习与空时影像变化检测”，着重对这两个主题学习总结，同时，需要进一步的学习（已与两位演讲者取得联系）。

医疗专场 25日 14:00-17:00

从武汉中心医院信息中心的左秀然主任的“智慧医疗发展形势与对策”，到台北医学大学谢邦昌教授的“人工智能：大数据与精准医疗”和爱尔眼科信息总监黄枫的“医疗大数据决策支持新思路”的精彩分享中学习医疗大数据在医疗领域的广泛应用，值得强调的一点数据是关键。

谢邦昌教授从大数据在生活中的体现及应用入手，以台湾的电子病历机制与健保数据库（耗时5年且斥资2亿建立）等为例，分享了台湾在精准医疗方面的经验。他认为，大数据不能等同于全样本，处理大数据问题关键在于对解决方案的探寻，因为数据清理直接关系到人们对大数据的信任，因此数据清理比数据分析更重要。此外，谢邦昌教授认为未来将是一个开放与共享的数据时代，因此，不仅限于精准医疗领域，大数据与需求、财务的结合将变得至关重要。为了进一步向谢教授学习，会后添加了谢教授的微信并获得了演讲ppt和相关资料。
谢教授强调软硬件不是问题，数据才是最关键的。因为拥有政府open的健保数据库，所以发展很迅速，已经在医疗领域有多种应用。

深度学习专场 26日 9:00-12:00

本专场有AI芯片、基于FPGA和ARM的深度学习优化以及深度学习在遥感图像的应用。获益最多、最相关的是公茂果教授“深度神经网络稀疏特征学习与空时影像变化检测”，公教授来自计算智能研究中心（OMEGA），OMEGA是由西安电子科技大学和西北工业大学从事计算智能研究的科研人员组建的协同创新平台。

公茂果教授首先介绍了在海量、非结构化数据分析中基于计算智能的学习优化问题和神经网络历史发展过程中三次研究热潮，指出深度学习、演化计算等学习模型是当前处理与分析大数据的重要手段。接着，公教授分析了稀疏自编码器和稀疏玻尔兹曼机的目标函数，通过目标函数拆解将两种深度神经网络的优化学习问题转化为多目标优化问题，有效地解决了关键参数λ的寻优问题。随后，公教授还介绍了空时影像变化检测的重要意义和实际需求，并详细讲述了如何将深度神经网络应用于空时影像变化检测中（基于无监督学习检测同一地区不同时间的变化，无需进行任何标记，直接实现端到端的影像变化检测）。

公教授的演讲内容与我们现在要做的AI of 医学影像有很多契合点：遥感图像是典型的大数据；获取标记数据十分困难；必须选择无监督的自学习方法。因此会后主动找公教授学习、向公教授介绍了我们的工作，公老师表示很感兴趣。为了进一步学习沟通，互相添加了微信。

大数据应用专场 26日 14:00-17:00

本专场主要有大数据在金融和智慧城市的应用、大数据实时查询平台的构建以及大数据多种变现的商业模式解析

平安科技负责人肖京从大数据的4V特性、大数据分析方法等角度介绍了业界的进展，以及讲述了以智能+金融大数据打造平安脑为目的而做出的探索与实践。

Admaster的卢亿雷的演讲主题是1000亿级实时大数据查询实践。已经投入实际应用，如净化低质广告流量、优化平台与媒体的协调效率等。在计算阶段主要选择spark，由于MR 速度慢，不能坐到实时查询，而spark则可以很快。

微软研究院的郑宇博士以“城市计算：用大数据驱动人工智能”为主题，通过大数据分析和人工智能，人们可以构建智慧的城市。例如，在贵阳市布局充电桩、北京部署空气质量监督站、贵阳市交通和能耗监控系统的案例中，大数据和人工智能都发挥了重要的作用，而在这几个案例中需要强调的是几点，第一，数据收集的方式和方法非常重要，第二，数据分析和处理的平台不可或缺，第三，算法是核心，没有好的算法，就无法得出正确的分析结果。

EasyHadoop创始人向磊从具体实现细节讲述“构建自己的可视化大数据查询平台”，报告内容详实，值得仔细学习。并在提问环节请教了我之前遇到的在hadoop平台上处理图像，小文件处理速度慢的问题，向博士给出建议：hadoop适合处理大文件，需要对小文件进行合并或者压缩。

以及最后张涵诚总监讲述了大数据10种变现的商业模式