【51CTO.com原創稿件】 6月21日，WOT2019全球技術峰會暨全球人工智能技術峰會在北京粵財JW萬豪酒店隆重舉行。來自全球人工智能領域的一線廠商、行業大咖和專家共同分享前瞻觀點、技術和應用案例，探討如何利用人工智能技術更好的為行業轉型升級賦能，加速人工智能在各個行業領域的深度應用。

本次峰會圍繞人工智能領域的通用技術、應用領域以及企業賦能三大主題展開，每個主題設置四大專場，涵蓋機器學習實踐、知識圖譜技術、AI智造、智能安防、智能金融、智能商業創新、智能行業賦能等，共計12大專場，42個話題的分享與討論。6月21日下午，通用技術主題峰會正式拉開帷幕，機器學習實踐、搜索推薦算法、知識圖譜技術、NLP和語音識別四大專場同時進行，十幾位講師一同為與會嘉賓帶來精彩的技術分享。

主題一：機器學習實踐

機器學習實踐專場聚焦大規模機器學習，涉及深度學習、強化學習、遷移學習、監督學習、半監督學習、無監督學習等，來自不同領域的三位專家，依次分享了機器學習技術在各自領域的落地實踐。

網易云音樂音樂推薦負責人肖強分享了《AI算法在音樂推薦中的實踐》。眾所周知，網易云音樂是音樂愛好者的聚集地，音樂推薦系統致力于通過AI算法的落地，實現用戶千人千面的個性化推薦，為用戶帶來不一樣的聽歌體驗。肖強在本次分享中重點介紹了AI算法在音樂推薦中的應用實踐，以及在算法落地過程遇到的挑戰和解決方案。

在在線教育領域中，1V1直播視頻內容是核心數據之一，特定領域和場景下的視頻內容理解技術能夠提升在線教育企業的核心競爭力，因此顯得尤為重要。VIPKID供需優化技術負責人沈亮就《在線教育行業中視頻理解的應用》話題展開深入探討，詳解VIPKID如何進行數據價值挖掘及產品化嘗試，介紹在視頻內容分析方面的技術實踐，以及后續的業務應用。

與傳統的教育行業不同，在線教育領域，老師和家長不能及時對學生進行有效的干預。同時，平臺也無法通過有效手段來對教師的教學質量進行管控。沈亮提到：深度學習、產品需求的相互驅動，讓視頻內容理解領域慢慢滲透到產品和用戶的多個方面。每天VIPKID平臺需要處理400W分鐘的語音，進行語音識別、噪音識別、語音情感識別等，還要處理10億張圖片數據，進行人臉識別與人臉檢測，壓力與挑戰并存。借助AI手段，VIPKID結合在線教育領域的特定場景，提升了平臺的整體競爭力。

廣告是互聯網變現的主要方式之一，美團大眾點評高級技術專家王永康在會上詳細講述了美團外賣廣告算法的實踐經驗。據悉，美團外賣廣告經過3年的迭代，從0到1搭建了一套支持多產品形式、多售賣模式，兼顧多優化目標的商業變現系統，其中產品形式包括品牌廣告、信息流廣告、搜索廣告、push廣告，售賣模式支持CPC、CPM、CPT、合約廣告等。王永康重點闡述了算法在解決廣告業務問題及構建技術體系的過程中遇到的挑戰、思考和落地方案，剖析了廣告變現的核心問題和關鍵打法，總結了廣告機制設計在美團外賣的思考和實踐，梳理了外賣廣告模型從樹模型到深度學習、強化學習的演進過程。

主題二：搜索推薦算法

無論是互聯網、移動互聯網還是電子商務，搜算變得越來越重要，基于人工智能的搜索推薦算法逐漸占據上風。如何結合自身業務數據的特點，設計合適的深度推薦與搜索算法，同時設計合理的架構保證算法的穩定運行，是搜索推薦算法專場的主要關注點。

推薦系統對商業效率的提升已有諸多驗證，在內容閱讀場景中，通過推薦系統讓產品流量和收入大幅提升的案例不乏少數。隨著推薦系統的發展和成熟，商業應用對推薦系統提出了更高的要求。第四范式推薦業務算法團隊負責人程曉澄帶來了《搭建現代推薦系統需要邁過哪些難關》的主題分享，介紹了當前推薦系統如何同時服務于用戶增長、商業變現、用戶體驗等多元化的優化目標，闡述了推薦系統各模塊的發展現狀，以及各個環節工程落地的難點。

在《荔枝APP的UGC推薦系統探索與實踐》主題演講中，荔枝FM推薦系統架構師莊正中首先介紹了荔枝的推薦理念，以及內容理解、用戶理解、算法模型和交互設計四大關注點；隨后介紹了荔枝推薦系統的主要架構，在音頻推薦系統建設中遇到的難點和應對策略，以及提取音頻內容特征和新聲音發現機制；最后介紹一些典型推薦策略，例如用強化學習應對用戶興趣探索的Explore&Exploit算法，采用DSSM做長尾召回的嘗試，一種參數降維的FFM排序算法，產品運營策略+機器學習的融合模型排序等。

游戲娛樂也是推薦系統的重要應用場景之一，金山西山居游戲AI技術專家黃鴻波分享了推薦系統在劍網3推欄項目中的落地經驗。“劍網3推欄”是《劍網3》玩家首選的娛樂聚集地，集官方資訊、趣味內容、玩家社交、創作分析、專業工具、游戲視頻和輔助工具于一體，提供實時專業的競技數據，游戲互通的社交服務APP。圍繞特征選取、離線計算和在線預測三大階段，黃鴻波分享了如何對用戶進行千人千面、個性化的消息推薦，結合“劍網3推欄”項目的落地經驗，詳細講解了推薦系統的系統架構、流程，總結了常見的各種坑和破解方法。

主題三：知識圖譜技術

人工智能能夠實現的語音助手、無人駕駛等應用，背后皆來自知識圖譜的支撐，知識圖譜的價值在于能夠讓機器具備認知能力。在知識圖譜技術專場，三位技術大咖從理論、方法、技術和場景應用等層面，詳細闡述了知識圖譜技術的應用現狀與發展前景。

知識圖譜是下游應用的基礎。瑞士再保險數據科學家王冠從數據、算法和架構三個層面講解如何構建知識圖譜。他在演講中提到：“我們試圖對中文知識圖譜構建的實踐流程做出一個梳理，包括知識圖譜的設計和定義，標注數據如何獲取，實體和關系如何識別，已有資源和工具如何利用以及算法與工程如何架構等等。”隨后，他詳細介紹了在知識圖譜構建的過程中，網絡結構的選取，信息提取工具、文本標注工具、尤其是中文標注工具的運用，以及基于主動學習的智能標注等。

基于知識圖譜的問答已在美團點評的O2O智能交互場景中得到了深度應用。美團點評O2O場景涉及眾多生活服務類領域需求，包括點餐、外賣、酒店、旅游、娛樂等等。據美團點評資深算法專家潘路介紹，智能語音交互在這些領域中扮演了越來越重要的角色，其中，融合知識圖譜進行資源的查詢和信息的詢問成為主要的交互方式。潘路從傳統KBQA技術出發，為與會嘉賓分享美團點評如何結合O2O的特有場景和特殊問題，從資源建設和查詢理解層面對KBQA進行深度應用以及演化。

互聯網讓數據和知識的生成與分享變得非常便利，但是大規模冗余含噪數據也給信息獲取帶來了巨大挑戰。通過抽取有用的實體、概念和它們之間的關系構建大規模知識圖譜，進而通過自動問答的方式為用戶提供精準知識服務是大數據環境下信息獲取的有效途徑之一。

中國科學院自動化研究所副研究員何世柱介紹了基于知識圖譜的問答技術，以深度學習技術為主的知識問答方法，新的自然問句語義解析模型，能夠生成流利自然語言答案的生成模型，詳細闡述了深度學習在其中的應用策略與方法，分析了現階段知識圖譜問答技術存在的問題，并對未來發展趨勢進行了預測與展望。

主題四：NLP和語音識別

以語言和知識為研究對象的自然語言處理(NLP)技術和語音識別技術是人工智能的重要通用技術，從中文分詞、詞性分析、改寫，到機器翻譯、語義理解、對話系統等，NLP和語音識別技術早已成功應用在各類產品中。

智能對話作為一種新的技術應用，正在悄然改變人們的生活方式。伴隨著語音識別、合成等技術的突破，智能對話和電話端的結合成為新方向。阿里巴巴高級算法專家周偉介紹，在剛剛過去的MIT2019年的10大技術突破中，阿里小蜜的語音助手榮耀登榜。周偉從語音端的自然語言理解技術、對話策略技術、文本生成技術等方面，詳細剖析了構建一個語音端的類人機器人的思考與技術探索，分享了語音對話機器人在阿里小蜜中的技術實踐經驗。

隨著深度學習技術的快速發展，深度神經網絡在自然語言處理中的運用越來越廣泛。來自追一科技AI Lab高級研究員潘晟鋒以企業服務中的智能交互為切入點，論述如何使用深度學習讓傳統的交互方式變得更加智能，以及對實際場景中不同問題的技術路徑進行探討和實踐。

在分享中，潘晟鋒介紹了追一科技在為企業提供智能交互服務中的探索與實踐，包括如何去劃分場景、制定目標、選定技術方案、突破深層理解。追一科技3年來，不斷探索深度學習在NLP應用，構建了文本、語義和多模態等多種交互形式的智能化系統，在金融、政企、運營商等領域落地應用，幫助企業提升服務效率，降低成本。并通過從FAQ到知識圖譜、數據庫和文檔等知識智能交互，提升AI解決問題能力。

產業互聯網的本質是從“流量經濟”到“數字經濟”的轉變，AI技術將如何在產業互聯網中發揮實際價值呢？貝殼找房技術總監孫林根據AI在貝殼找房中的實踐，進行了《4D看房：寫稿機器人和VR的美麗邂逅》的主題分享，孫林詳細介紹了在產業互聯網領域，在標準化、數字化、智能化的路上，貝殼找房如何通過使用語音、NLP、VR等多種AI技術，在有限的時間內，把房子的有價值信息有效傳達給用戶，提升用戶的線上看房體驗。

接下來，在WOT2019全球技術峰會暨全球人工智能技術峰會第二天的議程中，針對應用領域以及企業賦能兩大主題的深入探討將繼續展開，智能安防、智能金融、智慧零售、智慧城市、智能商業創新、IT架構優化、AIOps和智能企業賦能八大分論壇也將相繼開場，讓我們一起期待吧！

以上是51CTO記者從一線帶來的精彩報道，后續將陸續產出更多獨家深度報道，敬請關注51cto.com。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】