A2M人工智能与机器学习创新峰会参会感悟 by江舟
AI 研习社再前几周的时候，发文说能提供5张2018年A2M人工智能与机器学习创新峰会的门票，机缘巧合下，作为一个小小普通译者，我得到了门票一张，非常开心，于是在上周末（8月25-26日）就去听了下。 门票长下面这样（背后有两张午餐券）
现场是有3个会议厅，每个会议厅在当天上午或下午是进行同一个大主题下的不同的分享。门票上写着所有的会议题目，所以可以根据自己喜欢的*搭配~ 今年具体的所有会议主题都可以在官网http://a2m.msup.com.cn/a2m/default/cases 上看到，但我发现实际中会有调整。 另外，主办方msup的官方微信号上菜单栏是当时同步照片直播，就是现场拍照实时就可以在他们菜单栏能找到。但两天的分享结束后菜单栏就更改了，所以现在也看不了了， Sigh ， 还好，我保存了当时几张图片，就作为接下来附图了（图源自 msup），因为自己手机拍的效果不好 o(╯□╰)o
第一天上午3个会议厅主题分别是 区块链，AI 时代的产品设计，AI 平台架构，下午则是 计算机视觉，智能语音，机器学习与深度学习。但当天上午因故没能去，所以中午赶去了。
下午我听了计算机视觉的专场。有 苏宁 杭欣前辈的“智慧门店的基石：人脸识别技术的最佳实践”， Face++ 来的金鑫前辈分享的“深度学习在新零售中的应用与实践”，虹软徐科前辈的“视觉 AI 赋能行业进行时”，以及爱奇艺来的蒋紫东前辈的“爱奇艺 ZoomAI视频增强技术”。
Face++的金鑫前辈（"深度学习在新零售中的应用与实践"）在分享中很多的说到了算法层面东西，可能由于我自己在学，听起来就很受用，他说到“这篇paper 我当时看到就非常震撼，但我是在工作之后才慢慢体会到的”，“对于不能实现把所有类训练好，因为它是个openset，会有新类增加。做法是训练通用检测器”，“学校里时，可能数据集刷点，刻意造点，而现实中，发现刚需需求比算法本身更有意义”，“对于具体业务，分析数据和收集数据可能比选择模型更为重要”，“算法落地时要考虑实际场景，不能一味追求实验室精度”。 这些每一点对我来说都是需要谨记的。他的介绍有一种到了学校给学生分享的感觉，而我还是学生，所以听了感觉很受启发。 （下图 金鑫前辈）
爱奇艺的蒋紫东前辈（“爱奇艺 ZoomAI视频增强技术”）介绍了爱奇艺对视频的处理技术—ZoomAI。甚至与上影厂的手工修复老电影做了对比。（下图蒋紫东前辈）
第二天上午的主题有 “IOT”, “Fintech”，“机器学习与深度学习”， 下午则是 “工业大数据”，“推荐、广告系统与Feed流”，“数据科学”。因为对金融有点兴趣，所以上午我听得全是“Fintech”，下午则听了后两个主题。
“Fintech”中的有广发证券来的杨嵩前辈的“死了都要AI——金融科技在证券公司全业务的应用实例”，蚂蚁金服许辽萨前辈的“打开只能审理的黑盒”，拍拍贷的方晨前辈的“基于知识图谱的反欺诈解决方案”。
杨嵩前辈的分享（“金融科技在证券公司全业务的应用实例”）总体上是介绍了开发的“GFSmart”以及它的改进版。他的分享真的是特别有趣，全程现场笑声不断。他说到了很多在传统行业做 AI 研发的坑点，以及开发完结后对整个过程的反思。
他说“研发不仅仅只是研发团队的事情，甚至你想给别的部门研发，那个部门本身做的很大目前又很好，就不想和你合作的”，“我们整个IT部门几百人，做这个系统研发的才小几十个，而核心做的才几个人，根本没有办法自己从头研发出来”，“后来我对 GFSmart 定位，首先是系统集成，然后应用支持，最后才是钻研技术”，“我们也受到了很多质疑，什么深度玄学，机器幻觉，人工智障”， “如果老板让你做什么，你一定要问清楚，你可以给出建议，但一定要让老板明确做的是什么。 是集中化还是分散化，是买买买还是改改改（买提供商还是自己研发），是主动型还是被动型（和其他部门合作）”。 杨嵩前辈在整个介绍中很用心的分享了自己踩过的坑点，以及说出了传统行业做研发的注意事项，而这对于我，是之前从来没有了解过的。（下图杨嵩前辈）
拍拍贷方晨前辈的分享（“基于知识图谱的反欺诈解决方案”）说到了为了防止个人欺诈、团伙欺诈而做的系统，这也是自然语言处理方向当下的一大应用。 （下图方晨前辈）
中午是用餐券在酒店吃了午饭，很赞的
下午我听得有 京东来的马兴国前辈的“微信购物（京东）个性化推荐实践”，Qualtrics 来的宁越前辈的“基于神经网络的客户评价分析”，腾讯互娱组来的陈帩霖前辈的“Data In All: 用 AI 为腾讯游戏打造一流的数据加速器” 以及 知乎来的张瑞前辈的“知乎个性化Feed 流中的机器学习实践”。
马兴国前辈分享中让我印象最深的一句是他说到的“技术是不能脱离场景和业务的”，陈帩霖前辈则身为数据高级工程师，说到了“有时，比起算法本身，整理集合的数据以及数据的特征则是相当重要的”， “我们不是代码工程师，而是数据工程师，我们做的是寻找数据和特征，避免踩到坑，培养的是问题解决和沟通的能力”。
但她的讲演其实给我感触最深的部分，是在问答环节，因为她开场说自己是从生物行业又转做了其他几个行业比如咨询，再然后又转到了互联网数据分析类，有个提问就是她是如何做到这种转型的。她回答说，在去年2017年的时候，她在Coursera 上自学了20多门课，以及做了很多项目，补齐了这样的短板，加上她丰富的不同行业经验，于是成功的转型。我听了之后很感慨，能从她的语气和表情中感受到她的那种活力与动力，以及那种向上的努力。 （下图陈帩霖前辈）
因为近阶段有很多人在讨论推荐算法的弊端，知乎的张瑞前辈则针对这一点分享了他的反思，以及为了防止同质化信息“刷屏”以及信息泛滥，说出了他们的改进。 （下图张瑞前辈）
这大体上就是两天里我的听会记录和感受。非常的感谢 AI 研习社&雷锋字幕组 提供的票子。昨天晚上拖着听完会又挤地铁那疲惫的身体回到学校，收到了字幕组寄来的小礼物，瞬间活力满满呐。晒一下~ O(∩_∩)O
“到了研习社我干了这些日子也没有什么别的，很惭愧，就做了一点微小的工作，蟹蟹大家” （推眼镜