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。

高文：回顾过去，展望未来

北京大学信息科学技术学院教授。中国工程院院士、ACM/IEEEFellow、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CNCC2016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：

CNCC2016|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：57页PPT告诉你，机器学习的本质是什么？

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CNCC2016上发表过演讲外，在今年的KDDChina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KDDChina技术峰会现场演讲：深度学习并不是在「模拟人脑」

CNCC2016|周志华57张PPT揭开机器学习本质

杨强：从深度学习到迁移学习

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，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KDDChina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KDDChina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

李德毅：如何实现无人驾驶的驾驶脑

中国工程院李德毅院士今年已经73岁高龄，但作为自动化和人工智能专家，李院士一直紧密关注着智能车产业的生态环境、工程化实践与未来发展。在中国第三届机器人峰会上，李院士分享了在无人驾驶领域的研究和观点。他认为，驾驶活动更多的是技巧，记忆和经验，而不是知识、推理和计算。驾驶脑的差异，反映是个人的智力和运动协调能力的差异，世界上没有两个完全相同的驾驶脑。

「这才叫机器人。我们想将来车上跑的驾驶脑也是一样的。真正开车的不是汽车本身，而是驾驶员，人的认知，要把脑和机器融合在一起才行。所以我们主张在我们机器人里面，有一个调试总线扩展为自学总线，可以学习人是怎么开车的。然后机器人开车时候扮演的角色，主要是通过学习的东西消化吸收，深入学习，变成了自己的行为。

雷锋网已经为大家整理好了他的完整演讲附PPT，赶紧点此阅读吧。

李德毅详解：无人驾驶的核心在驾驶脑｜中国机器人峰会

李航：华为实验室是怎么做深度学习的？

杨强教授是华为诺亚方舟实验室的第一任主任，自然这个实验室主要针对的是机器学习、人工智能及数据挖掘方面的研究了。现任实验室主任李航在今年雷锋网承办的CCF-GAIR大会上向观众分享了人工智能在手机领域的应用研究。李航在演讲中表示，华为诺亚方舟实验室的其中一个愿景，就是打造一个全智能化的智能移动手机终端，用户将通过自然语言的方式从终端获取一切想要的信息和协助。

而在年底的KDDChina上，李航做了题为《自然语言处理中的深度学习：过去、现在和未来》的演讲，结合具体的NLP技术，介绍了自动问答系统、图片检索、机器翻译、自然语言对话的各种应用结合。

李航认为，未来自然语言处理深度学习的发展趋势，应该是一个神经处理和符号处理的结合的混合模式。还等什么？赶紧看看雷锋网关于李航的相关报道吧：

AIR019|华为诺亚方舟实验室主任李航：我们在人工智能领域的愿景与实践

华为诺亚方舟实验室主任李航：自然语言处理的未来趋势

洪小文：人工智能如何与人类智能共同进化？

今年在韩国举办的「二十一世纪的计算」学术研讨会以人机协作（HumanandMachineWorkingasaTeam）为主题，现任微软全球资深副总裁，微软亚太研发集团主席，兼微软亚洲研究院院长洪小文博士做了题目为《人工智能与人类智能的共同进化》（Co-EvolutionofArtificialIntelligenceandHumanIntelligence）的演讲。

在演讲中，洪小文提及人工智能有三个不同的技术层面，包括计算机视觉识别、自然语言理解及数据分析&可视化。

「人类智能的优越性在于从小样本中、甚至0样本中进行学习和推理。而以深度学习为代表的人工智能技术则更适合从大数据中学习。」那么人工智能中的「智能」，根据洪博士的理解，主要分为四大层面：功能、智能、智能及智慧。而截至目前最聪明的机器也只是达到了「智能」层面，因此他认为只有把人类智能与人工智能进行组合，才能实现真正的「共同进化」。详细PPT可参看：

二十一世纪的计算|微软亚洲研究院洪小文54页PPT讲述人工智能和人类智能的“共进化”

颜水成：360人工智能的四大应用布局

原新加坡国立大学教授，现任360首席科学家、人工智能研究院院长颜水成在今年也发表演讲，介绍了360是如何做人工智能的。按照颜教授的说法，360的人工智能最基本的布局比较全面，覆盖了人工智能的多个方向，具体包括：

一是视觉感知，对图象和视频的分析；

二是语音感知；

三是语义感知，希望智能硬件能够和用户进行对话和交流；

四是大数据分析，我们也希望深度学习能够发挥在大数据方面的积极作用。

而颜水成在今年雷锋网承办的CCF-GAIR大会上同样向我们分享了360的一些研发进展。「从研发角度来说，我们主要做了两件事：一方面是当我们有了大数据之后怎样更加快速的把这个模型训练出来？另外是从智能硬件的层面来说，除了传统的人工智能，在云上的使用还有一个很重要的场景是端上的人工智能。」颜教授表示在未来会从业务与研究层面用人工智能提供服务。

360首席科学家颜水成：我们如何做人工智能？

AIR022|腾讯、小米、360、今日头条眼中的机器学习

张钹：后深度学习时代，我们应该……

那么在后深度学习时代，我们又需要以怎样的态度看待人工智能呢？