AI 科技评论刚刚出炉了 2016 十大 AI 演讲盘点，不少热心读者感到疑惑：为什么这里面列举的都是国外大牛，怎么不见咱们国内的知名学者们的演讲整理？这不，雷锋网已经整理出了国内过去一年来的精彩演讲，一同随 AI 科技评论看看，哪位大神的高见让你受益匪浅？本文排名不分先后，欢迎各位读者在评论区畅所欲言，说说你们心中的最佳 AI 演讲吧。

北京大学信息科学技术学院教授。中国工程院院士、ACM/IEEE Fellow、CCF - GAIR · 全球人工智能与机器人峰会大会主席高文院士这一年参加的演讲不少，但主要都是围绕人工智能的历史与未来展开的。如果你对人工智能非常感兴趣，想对 60 年的浪潮有一个详细的了解，那么不妨看看他在 CNCC 2016 上所做的《人工智能--螺旋上升的 60 年》演讲，39 页 PPT 向读者们展示了一个呈螺旋式上升的人工智能历程。

从 2006 年的第三次机器学习浪潮来看，高文院士认为有两个因素促进了深度学习的成功：

一个是硬件的进步：硬件越来越便宜，计算能力越来越强。

第二个是模型和参数调整技巧的进步。

而在高工机器人年会闭幕式上，高文院士发表主题报告《人工智能的前景与挑战》，主要针对大环境下的人工智能进行了一些研究和探讨，雷锋网对他的详细演讲进行了报道，可以点击下方链接查看。

还想了解下高文院士都说了些什么其它内容？欢迎阅读雷锋网此前报道：

CNCC 2016 | 中国工程院高文院士 39 张 PPT 带你看懂人工智能 60 年浪潮

中国工程院院士高文：下一波浪潮和AI的未来 | 2016 高工机器人年会

值得一提的是，高文院士也倾情为我们 AI 科技评论做了个小广告，也欢迎大家以此途径查看他的演讲内容。在此也向高文院士对AI科技评论的关注致以感谢！

周志华教授主要从事人工智能、机器学习、数据挖掘等领域的研究，他除了在 CNCC 2016 上发表过演讲外，在今年的 KDD China 技术峰会上也做过分享。周志华教授以「文献筛选」作为例子，让观众们在活泼的例子教学中就明白了关于机器学习的「是什么」「为什么」「怎么做」三个方面的问题。在演讲的最后，周志华教授提出了几点总结，雷锋网摘录如下：

深度学习可能有「冬天」，它只是机器学习的一种技术，总会出现更「潮」的新技术；

机器学习不会有「冬天」，只要有分析数据的需求，就会用到机器学习；

关于未来的思考：

1、技术上：一定是能有效利用 GPU 等计算设备的方法（未必是深度学习）；

2、任务上：开放环境的机器学习任务特别重要（鲁棒性是关键）；

3、形态上：希望是从现在的「算法 + 数据」过渡到「学件」的形态。

如果要对未来这三点加上一个预测期限的话，分别是 5 年、10 年、15 年。

如果对周志华教授的演讲感兴趣的话，可以点击以下链接阅读。

周志华 KDD China 技术峰会现场演讲：深度学习并不是在「模拟人脑」

CNCC 2016 | 周志华 57 张 PPT 揭开机器学习本质

说完了人工智能展望、深度学习的分析后，接下来雷锋网要介绍的是迁移学习。诚然，深度学习在有即时反馈的领域和应用方向有着一定的优势，但在其他领域则不行。「目前解决这种反馈的时延问题需要强化学习来做。而在明天，则有更多的地方需要迁移学习。」

香港科技大学教授、第四范式首席科学家杨强在雷锋网承办的 CCF- GAIR 全球人工智能与机器人峰会大会上，为大家讲述了人工智能要取得成功应当具备的五个必要条件和迁移学习的本质。

杨教授认为，迁移学习是深度学习与强化学习的结合体，能够将适用于大数据的模型迁移到小数据上，直播，实现个性化迁移，这样一来能够避免数据寡头的出现。他通过谷歌 DeepMind 的应用实例讲解强化迁移学习和三层结构算法模型，指出了人工智能成功的五个必要条件——清晰的商业模式（明确的目标）、高质量的大数据、清晰的问题定义和领域边界、懂人工智能的跨界人才及计算能力。

此外，杨强教授还在今年的 KDD China 上做了主题为《从深度学习到迁移学习》的演讲，详情可以点击链接查看。

香港科技大学杨强 KDD China 技术峰会演讲：迁移学习的本质与实际应用

杨强教授 PPT 解密：如何在人工智能浪潮中少走弯路｜CCF-GAIR