G论智三易，串联通讯，贯通边缘，演进认知，汇于机器：听五位IEEE Fellow畅谈 gai( 四 )

事物的本质就是不易，是万事万物中那些恒定不变的东西。我们最重要的失去学习事物中那些不易的知识树。那么如何去把握住这些根本性的不变的东西，就是我们学习的难点。
熊教授介绍道，CNN其实就是一个通过简易寻找不易的过程。而集成学习Ensemble learning就是民主投票，少数服从多数，让多数人认可的结果作为最终输出，这也是一种寻找不易的过程。
而后，熊教授介绍了简易的过程。注意力机制Attention、聚类Clustering、规则化Regularization等等都是简易工具。它们都是简易的过程，其目的就是让我们聚焦到事物的本质——不易。
大数据带来的最好的本质提升是让其“不易”的本质更容易被识别和捕获，也就是带来概率本质上的一些信息的凸显。其中，分层级的聚类方法类似于资本主义，而k-means方法类似于社会主义。当我们在实际中将两者结合起来，便是我们的“中国特色社会主义”。它既能坚固市场经济的灵活性，又能融合社会主义的大局领导力。这便是聚类算法的社会性表现。
最后熊教授介绍“变易”。这里面的代表性算法是强化学习。
强化学习算法的Agent能够感知环境的状态，之后可以采取一些动作，比如动作就是砍树。当树砍光，环境变差，就要通过Reward来惩罚我们的Agent。如此一来，人类就知道这样做不好。因此，人类不光不要砍树，还要去植树。如此，就能形成一个良性闭环。人类不断感知环境并采取行动，这就是强化学习算法的人性化特点。
在总结阶段，熊教授说，只有当我们了解了算法人性和社会性，我们才能发挥算法的艺术性。而且做算法一定要有“中庸之道”。我们知道机器学习要在bias和variance之间取得平衡。前者导致过拟合，后者导致欠拟合，任何一种都是我们不能接受，也无法使用的。

邢国良：物联网与AI的新时代碰撞

文章插图

邢国良教授（线上演讲）
第三位分享者是邢国良教授，他的演讲题目是《支持车路协同自动驾驶的实时边缘系统》。
邢国良现任香港中文大学信息工程系教授，IEEE Fellow，2006年获美国圣路易斯华盛顿大学博士学位，并曾在美国密歇根州立大学任助理教授、终身副教授。他领导了多项人工智能项目，在智慧城市城市、智能驾驶等领域有着深入的研究。
在演讲中，邢教授介绍了支持车路协同自动驾驶的实时边缘系统。物联网、自动驾驶和智慧城市作为AI落地的沃土，其蕴含的潜力十分庞大。从邢老师的精彩分享中，我们看到了物联网+AI+视觉+自动驾驶的新型融合模式，并且为未来的智慧城市、自动驾驶辅助驾驶等领域开拓了新的方向和可能。
自动驾驶在近些年大热，也成为了未来市场的爆发点。在世界的各大城市中，为了支持自动驾驶也逐渐开始了城市智能化的升级，包括利用电线杆和灯柱等设施辅助自动驾驶。如此的设计可以提高自动驾驶的安全性，并且降低自动驾驶的成本，这是一个很有意义的方向。
邢教授介绍道，智能城市中的智慧灯柱，可以在不侵犯用户隐私的前提下，使用激光雷达等下一代智能传感器实现行人车辆的识别。这样的设备也可以用在辅助驾驶和自动驾驶场景中。然而其计算资源通常十分有限。
为了解决这些问题，邢教授提出了基于模型压缩和优先级调度的实时AI系统。这种方法针对不同的深度网络进行多级压缩，而后通过联合优化压缩级别和优先级来优化执行策略。在经过模型多变体压缩融合、优先级联调等技术后，实际效果十分良好。