6月1日，由深圳市千人專家聯合會組織的2018年第六屆中國大數據產業峰會（暨2018年國際服務聯邦大會（Services Conference Federation, SCF 2018）衛星會場）在深圳召開。本屆大會以“新時代的人工智能、區塊鏈、云計算（New ABC）”為主題，匯聚近600位人工智能、區塊鏈、云計算等領域的權威專家、行業精英及優秀企業家，共同探討新時代下以ABC為代表的一系列技術的未來發展趨勢。

圖為亞馬遜AWS首席云計算技術顧問費良宏進行“云計算推動的人工智能革命”主題演講。

隨著以人工智能、區塊鏈、云計算等一系列新技術開啟新的ABC（即AI、Blockchain、Cloud Computing）時代，物聯網迎來了新一輪的發展高潮。如何讓人工智能為人類所用，產生價值？如何在云計算的大潮中通過智能化的應用脫穎而出？會上，亞馬遜AWS首席云計算技術顧問費良宏進行“云計算推動的人工智能革命”主題演講，作出精彩詮釋。

人工智能已成為新的科技競技場

物聯網被視為繼互聯網之后的又一次信息技術革命，作為新一代信息技術，近年來物聯網技術逐漸被應用到更為廣闊的場景中去，大大地改變了人們的生產和生活方式。“人工智能已經成為新的科技競技場！”在費良宏看來，人工智能已經是一個新的發展方向，這個方向有一個與眾不同的地方就在于：它幾乎成為了所有新技術的支撐和載體。目前在技術發展的趨勢預測當中，人工智能已經和這些技術發展方向融為一體，它幾乎與所有密切相關的新概念，新技術已經融合在一起。無論區塊鏈、云計算還是其他的任何一種人們的概念，都會看到人工智能在其中發揮的巨大作用。

費良宏隨后分析了人工智能在過去60年間的發展軌跡，他指出，從1955年麥卡錫提出人工智能的概念，到1956年達特茅斯會議上正式奠定了人工智能學科的出現，20多位科學家通過他們的頭腦碰撞，產生智慧的火花，推動人工智能發展；1957年Rosenblatt提出了感知器的概念，使得我們今天的人工智能有著一個非常好的理論支持；1965年烏克蘭一位數學家提出深度學習概念，目前已經成為人工智能中最為重要的發展方向；1975年反向傳播算法的出現，使我們對于神經網絡的處理能力得到了極大的提升，反向傳播算法也已經成為深度學習中最重要的算法；1989年出現了第一個利用反向傳播算法的應用，實現對手寫字符的識別。“當時的現象看起來微不足道，但是所有一切的努力都奠定了今天的人工智能爆發。”費良宏表示。

卷積神經網絡成為人工智能發展的重要方向

據記者了解，卷積神經網絡是一種前饋神經網絡，通過人工神經元可以響應周圍單元，從而可以進行大型圖像處理。費良宏向記者表示，卷積神經網絡目前成為了人工智能發展的重要方向。“我們看到這個理論的基礎和算法的實踐，都已經日趨成熟，它在許多領域都產生了巨大的成果。這些成果中就包括了大家可能熟悉的自動駕駛技術。”費良宏指出，在過去的幾年里面，自動駕駛技術已經成為了推動人工智能行業發展的重要助力，并且L5級別的無人駕駛技術未來會走進大眾的生活當中。“我們相信隨著越來越多的應用和技術發展，人工智能可以幫助我們在自動駕駛的研究上取得突破性的進展，從而解決人類在交通問題上面臨的各種痛點。”

此外，人工智能中還有很多傳統行業也在利用相關的技術發展，從中受益。“其中一家就是Expedia。這家傳統企業曾經遇到過很大的困境，當它面對全球35萬家酒店，1000萬張各種圖片的時候，傳統的處理方式已經無能為力，于是它嘗試使用了人工智能進行深度學習，利用了亞馬遜AWS的計算實例，實現了圖片的自動匹配，最終達到高匹配、低成本的結果。”費良宏說。

云計算成為人工智能最好的解決思路

隨著物聯網技術在研發、生產中的不斷應用，云計算越來越成為人工智能中科學家關注的重點。那么，云計算能夠為人工智能帶來什么？哪些類型的產品在研發過程中需要用到云計算？費良宏表示，今天我們看到在全球范圍內，有數以萬計的用戶利用云計算進行了創新和突破，將人工智能和他們的業務結合在一起，產生了巨大的效應。費良宏認為，人工智能在云計算的發展方向上有三個趨勢：

第一，數據趨勢。費良宏表示，人工智能非常重要的一點就是數據，數據對于人工智能的算法和利用來說是最重要的一個環節。“利用數據趨勢，人類可以不再受限于無限的算法進行處理，我們在計算資源上沒有內存了限制，就可以對海量的數據進行訓練和建模。甚至我們訓練的過程不再是反復重復的過程，每一次訓練結果可以作為再訓練的基礎，也意味著我們的訓練速度大大加快。”

第二，形態趨勢。費良宏認為，目前已經出現通過云計算將成熟的人工智能以一種服務的形式提供給社會的形態，我們可以利用這樣的形態加速人工智能的發展。“比如說在AWS的平臺上看到各種的圖像處理，我們可以利用它作為人工智能突破的一個選擇。同樣我們也可以選擇最廣為接受的框架和平臺，通過與目前比較熱門的容器結合，將容器深度學習的框架以更有效的方式打包部署應用，從而帶來巨大的靈活性和便捷性。”

第三，速度趨勢。費良宏表示，對于開發人員來說，人工智能追求的就是速度。這些速度包括了對模型的訓練速度，對模型應用的推理速度等方面，在深度學習應用上消除無差別的繁重任務，不斷地進行快速迭代。“在迭代的選擇方面，我們可以有很多嘗試的方向。比如說可以利用大家熟悉的Notebooks進行訓練，也可以利用SageMaker進行訓練，通過云計算的不斷迭代和訓練，所有的難題都可以迎刃而解。從未來發展趨勢來看，人工智能具備的另外一個優勢就是分布式能力，即所有問題都可以通過計算找到最優解決方案。”費良宏說。