“如果我们能够研究智能动力学（intelligence dynamics），我们可以将智能和意识分开。因为两者产生的机理可能不同。若搞清楚，我们可以将智能的东西单独剥离出来，做出超脑，不受到自然宇宙中神经连接的物理限制。关键是是否能够将智能动力学搞清楚。”

“另一个很重要的是“涟漪效应”，这是互联网思维在核心技术研究中的应用。为什么现在的实验室，不能提出最好的算法，主要是没有大数据和涟漪效应。在移动互联网下，因为软件免费，用户愿意花时间用这些产品，且不会产生抱怨或反抗。当推出一个不好的人工智能算法（包括图像、语音、自然语言理解）时，就像水滴滴在水面，只有一小部分人才会用到。一旦使用，数据会送到云计算服务器，云计算服务器可以立即学习更新。当水波扩大到更广泛的人群时，系统的性能已经提高。水波的振幅就是系统的误差。当水波扩散，振幅越来越低。当水波纹扩散到第1000万人时，10000001个人是第一次使用这一系统，他会觉得系统很好。利用涟漪效应，可以把不熟的、需要在真实环境中训练出来的系统，真正培养出来。在实验室中，可以做人工智能的算法。”

胡郁，科大讯飞联合创始人、执行总裁、消费者事业群总裁。他对人工智能技术及产业最新进展进行了深入的辨析，内容涵盖人工智能是什么、由哪些核心部分组成、核心技术将如何发展、在人类发展历程中人工智能将扮演什么样的角色等等问题。

滴滴出行叶杰平：深度学习在交通领域应用潜力巨大

文字实录链接：

视频链接：

“滴滴是12年成立的，先是有出租车，后来到14年有专车，然后15年之后有了快车顺风车公交等等。现在每天订单超过2000万单。所以你要是做人工智能做机器学习，那这个样本量就一天是2000万，这是特别大的数据。现在这个平台上有4亿用户。”

“举几个例子，介绍一下滴滴过去一年半左右在大数据、人工智能方面的探索。这里列了一些核心的项目，第一个是ETA，就是预估出从A到B大概需要多少时间，这其实是滴滴的一个非常核心的功能。因为预估时间是非常重要的，比如你想6:40从家里来这个教室，你得大概预估一下多久能打到车，然后司机过来接你大概需要几分钟，然后你从你家到这里大概需要几分钟，如果能有个预估的话，你就能更精准地做决策。预估时间应该根据历史和实时的一些特征来预测，这是一个机器学习问题。”

“大家都知道深度学习在很多领域已经有非常成功的应用了，比如说在图像、文本、speech等方向。在交通方面其实还很少，所以大家如果对在深度学习探索新的应用感兴趣的话，我觉得交通是比较有潜力的，因为现在工作还非常少。但是深度学习在交通的数据还是非常有前景的。”

叶杰平，滴滴出行副总裁、滴滴出行研究院院长。叶老师和大家分享的内容主要包括大数据和人工智能在滴滴出行场景中的应用，智能派单、最优匹配、供需预测等背后的核心技术，以及人工智能如何推动交通行业升级和未来的发展趋势与展望。

微软洪小文：AI+HI是终极智能形态

文字实录链接：

视频链接：

洪小文博士近两个小时的演讲+问答是从一本书开始说起的—《Thinking，Fast and Slow》。这本书的作者是一个诺贝尔经济奖的得主，他把人类思考的行为分成两大块，一个是我们不假思索，一个是需要好好想一下的。根据这一理论进一步细分，洪老师提出有关AI 能力的三个问题：

1. 感知：这是猫还是狗？——这是个不假思索的问题（Think Fast）

2. 认知：这是喜剧还是悲剧？——这个要好好想一想（Think a little bit Slow）

3. 决策：微软是否要买下LinkedIn？——重大的决定（Think Slow）

“最近很多人说，微软的硬件做的比苹果的还好。微软的混合现实设备HoloLens马上要在中国上市了。”