导读：本篇文章首席CTO笔记来给大家介绍有关人工智能大咖有哪些的相关内容，希望对大家有所帮助，一起来看看吧。
AI大咖齐聚云端，这些大咖都有什么背景？
今年的百度世界大会大咖云集，来深入探讨人工智能方面的研究和发展进度以及现在所遇到的难题，集齐众多的想法来对AI智能领域进一步开发研究。今年通过线上直播的方式进行讨论，可谓畅所欲言。百度公司的李彦宏，中国科学院姚期智，SAP中国总裁柯睿安，蒙特利尔大学计算机科学教授约书亚•本希奥，腾讯董事会主席马化腾。清华大学国家金融研究院院长朱民与黑石集团创始人苏世民，中国工程院院士陈杰，清华大学教授沈向洋，复旦大学附属华山医院感染科主任张文宏，特斯拉CEO马斯克与阿里巴巴创始人马云等进行深入讨论，为进一步的AI智能普遍化进行演讲。
百度公司CEO李彦宏在互联网领域有着举重若轻的地位。他表示，AI智能分为三步走战略：技术的智能化，经济的智能化，社会的智能化。 现在我们的社会小不断的对AI智能进行接受，这改变了我们的生活方式，并且对各行各业都造成了一定的影响，按照目前的趋势，AI智能的普遍会在不久的将来会实现，但是克服的困难也是很多，在社会、经济、伦理道德方面还是有一定的阻碍，但是智能化的企业模式势在必行，应该拥抱AI智能的创新。
特斯拉CEO马斯克表示，最新的特斯拉纯电动车已经接近L5级别的自动驾驶，预期在今年将完成基本功能。他对AI智能也是充满信心，在AI智能研制中不会落在别人身后。
马云则表示要与地球和谐相处，人类是地球上的生命之一，所以要解决好自身与地球之间的矛盾。经济可以进入缓步进行阶段，但是人类必须要进步，必须成长，而AI智能是人类进入另一个领域的敲门砖，所以必须要进行合作创新，在AI智能领域获得巨大的机遇。
编程教育有多重要？一起来听这四位科技大咖的个人经历
长久以来，有许多家长对于儿童的编程教育，会有一个常见的误区，认为学习编程就是让孩子写代码，是培养年轻的程序员。
1
史蒂夫 · 乔布斯
2
马克 · 扎克伯格
3
李开复
4
马化腾
Uber创始人特拉维斯·卡兰尼克6岁开始学习编程；
叱咤棋坛的Google人工智能AlphaGo的创始人德米什·哈萨比斯8岁开始学习编程；
特斯拉、SpaceX火箭公司创始人埃隆·马斯克9岁开始学习编程；
蝉联十多年世界首富的比尔·盖茨，13岁学习计算机编程，创办微软；
奥巴马的两个女儿都在学编程，奥巴马还说，女儿起步太晚了，编程应当与ABC字母表和颜色同时学起；
为什么这些 科技 大佬都在鼓励孩子学编程呢？
谷歌人工智能一姐点赞中国为崛起的人工智能大国？
回顾2017年，人工智能（AI）在年度热词榜上必有一席之地。从AlphaGo、无人驾驶到人脸识别，一次次震撼或惊喜牵动神经，让人类喜忧参半。
放眼世界，从政府到业界都高度重视人工智能，苹果、谷歌、微软、亚马逊等互联网巨头纷纷投入巨大资源。而中国，也正积极追求在人工智能发展中占据关键一席。
享誉全球的人工智能顶尖华人专家李飞飞日前在新华社专访中说，人工智能已走到历史时刻，而中国已成为领军者之一。
李飞飞现任美国斯坦福大学人工智能实验室主任、谷歌云人工智能和机器学习首席科学家，近日来华宣布成立“谷歌AI中国中心”并担任负责人。
她出生在中国，幼年随父母赴美。而早在今年初的一次中国之行，她就已感受到，从政界到业界、从企业家到技术研发人员，整个中国对人工智能充满热情。
这位人工智能大咖有着怎样的“人工智能价值观”？
——人工智能目前处于什么阶段？
“我看到了人工智能到了历史时刻，就是走出实验室进入了产业应用。”
比如，计算机视觉技术近年已相对成熟，特别是人脸识别、物体跟踪等技术已经开始在许多场景中产业应用，比如“智能购物场景”“居住安全人脸识别”“无人车技术”“医疗影像和病理分析”等。
12月2日，参观者在第四届世界互联网大会·互联网之光博览会上与一款商用交互式机器人互动。
如果计算机视觉今后能在“关系理解、全景理解、视觉推理”等方面取得进展，还可发掘出许多应用场景。
——人工智能会催生哪些新产业？
当年冯·诺依曼发明计算机的时候，人们根本没有想到软件工程会成为一个行业，“我们需要足够的想象力”。
此外，金融服务、商业、医疗、能源、教育、制造、媒体娱乐等传统行业都还有很多人工智能潜在的应用场景。“虽然人工智能对这些行业的推动才刚刚起步，但它的需求量极大。”
——人工智能大规模产业应用会威胁人类就业？
“机器没有独立的价值，机器的价值是人的价值。”
“我们发展飞行事业那么多年了，也没有造出小鸟。这是人工智能和人类智慧的一个现实状态。”
5月2日，中国棋手柯洁在比赛中擦拭眼泪。在“人机大战”三番棋决战中，柯洁以0比3总比分不敌“阿尔法围棋”。
人工智能可通过“人机合作”发挥重要作用。比如，在汶川地震或福岛核事故等救灾现场，或大量重复劳动的岗位上，机器人都可为人类发挥重要辅助作用。
像许多科技一样，人工智能会改变人类生活甚至改变社会结构，但这种改变可能带来的正反两方面影响需要全社会各界共同思考应对。
——中国在人工智能领域处于何等地位？
“在人工智能世界里，中国早已觉醒，并已迅速成为领军者之一。”中国在人工智能基础研究、创业、产业发展和政府支持上走在了世界前列。
其中，中国在人工智能学术领域已取得很大成就。比如，2015年人工智能顶级会议AAAI发表的论文中，有138篇论文出自中国作者之手。如果汇总2015年排名前100的人工智能期刊的总发表数，有43%的文章有中国科研人员参与。
同样值得注意的是，数据是中国推动人工智能发展的一个重要力量。中国拥有大量人口，是一个巨大市场，有许多数据可供人工智能研究应用，也会促生大量创新产品。
——人工智能需要怎样人才？
“人工智能人才目前全球稀缺”。也正因此，人工智能需要国际合作，需要“动用全球的人才来参与”，唯有合作才能推动全球人工智能研究与产业应用的共同成长和进步。
2017年，人们一次次追问，人工智能究竟会将人类引向何方？2018年，又将在人工智能历史上留下怎样一笔？
来点正能量吧。李飞飞曾在美国接受新华社专访时笑言，人工智能英文缩写AI正好是“爱”的汉语拼音，相信爱能帮助人类驾驭人工智能，“爱是终极力量”。
人工智能的第一批先驱者是哪些人？
控制论的创始人维纳等人，信息论的奠基人申农，神经控制论的创始人麦克卡洛和匹茨，以及博养论的创始人，被称为“计算机之父”的冯·诺依曼，还有阿什比等都是人工智能的第一批先驱者，他们的理论和工作为人工智能的创立奠定了基础。
数据挖掘、人工智能领域国内著名的学者有哪些？国外著名的学者又有哪些？
人工智能是1956 年由McCarthy J 等正式提出的。随后人工智能的研究取得了许多引人注目的成就[3 ] 。例如,1956 年Samuel L 研制出了跳棋程序,6 年之后击败了一个州的跳棋冠军;1958 年美籍华人王浩在IBM2704 计算机上用3～5min 证明了有关命题演算的全部定理;1959 年SelfrideO 推出了一个模式识别程序;1965 年Roberts 编制出了可分辨积木构造的程序; Feigenbaum E A 于1968
年研制成功了DENDRAL 专家系统;1972 年法国人Comerauer A 提出并设计实现了逻辑程序设计语言PROLOG;同一时期,斯坦福大学的Shortliffe E H 开始研制用于诊断和治疗感染性疾病的专家系统MYCIN;1977 年Feigenbaum E A 在第五届国际人工智能联合会议上提出了“知识工程”的概念,对以知识为基础的智能系统的研究与建造起到了重要作用;1991 年第12 届国际人工智能联合会议上日本展出了PSI23 智能工作站和由4X4PSI23 构成的模型机系统;1997 年, IBM 公司制造的“深蓝”号计算机系统战胜了国际象棋大师卡斯帕罗夫等。
专访「算法之父」Michael Saunders：人工智能未来的突破点可能在自动驾驶
AI 科技 评论按 ，4 月 25 日，在由涂鸦智能联合知名 财经 媒体《新财富》、人工智能领域知名媒体《全球智能化商业》共同举办的「全球智能化商业峰会」上，斯坦福大学荣誉教授、新西兰皇家学会荣誉成员、世界级算法专家 Michael Saunders 进行了以「基於约束优化的算法：通用软件的益处」为主题的演讲。
Michael Saunders 曾任斯坦福大学管理科学与工程系教授。目前，他是斯坦福大学荣誉教授、数学家、世界级算法专家，工业与应用数学学会会士，新西兰皇家学会荣誉成员，斯坦福大学发明名人堂成员。
Michael Saunders 教授师从科学计算之父 Gene Golub，于 1972 年获得了斯坦福大学计算机科学博士学位，作为计算机领域的「大咖」，他曾获数学程式设计学会「William Orchard-Hays 奖」及工业与应用数学学会「暹罗线性代数奖」。据了解，目前其用于矩阵方程式和优化问题的数学算法在全球被广泛使用。Michael Saunders 教授曾为通用电气、波音公司等提供咨询服务。
Michael Saunders 教授的研究领域包括人工智能、大规模科学计算、大数据分析、系统优化、稀疏矩阵解法、软件工程、AIoT 等。
在他看来，互联互通一直都是 AIoT 产业的优化难题，例如此次会议的主办方涂鸦智能也推出了类似技术希望解决信息孤岛的问题，Saunders 教授在此领域贡献突出。
以下是此次 Michael Saunders 教授的演讲和专访纪要，AI 科技 评论做了不改变原意的整理：
大家好！谢谢今天来现场的各位嘉宾，我很高兴来到中国。不好意思，我是新西兰人，我会说一点法语，一点西班牙语和一点英语，但是中文要难得多。
今天我想要和大家讲的是「约束优化」，在这之前，我想先谈一下为什么我会去斯坦福大学并参与计算机相关的科研，并谈谈关于约束优化的 历史 。
从新西兰到斯坦福，专注于「约束优化」
1972 年，我取得了在斯坦福大学的博士学位，我返回新西兰并以为我会就此永远待在新西兰，但斯坦福大学教授 George Dantzig，线性代数之父，他开始了系统优化实验室（SOL）计划，并且邀请我回到斯坦福。
在我参与系统优化实验室之时，Dantzig 教授负责建立经济和能量模型，而我则专注于非线性目标函数，并且研发 MINOS 优化软件的初始版本，以解决这些模型的问题。
当时，斯坦福大学教授 George Dantzig 提出了一种新的算法优化——即「约束优化」。这是一个很难的研究课题，它是在一系列约束条件下，寻找一组参数值，使某个或某一组函数的目标值达到最优。「约束优化」本质上是一个线性代数问题，通过软件来实现优化分析。
到了 1980 年代，我又延伸了 MINOS 用以处理一些非线性约束条件，并且我们开发了其他的约束优化软件用于通用电气和 NASA。
在 1990 年，我们的软件被用于温室效应模型，以及航太的优化问题，例如飞机和太空船的轨道优化。
我有一个做航空器的双胞胎兄弟大卫，他从 1975 年起，就在 NASA 的艾姆斯研究中心（Ames Research Center）工作，他利用了我们的优化软件设计超音速飞机、新型的太空梭和太空舱，虽然当中有些项目后来被取消了。
当然，我们的算法优化也用在了其它很多领域。比如，控制机器人的运行轨迹；还有医疗领域，我们可以瞄准 X 光光束，帮助医生进行放射治疗。
优化对航空应用至关重要
我们的软件被用于很多 NASA 很多航空项目，比如：
以上问题都离不开优化。
在 2010 年，我参与设计了有阿波罗 2.0 之称的宇宙飞船猎户座（Orion），猎户座和阿波罗的外形相似，但体型大得多。大卫优化了猎户座的防热罩的曲度，他发现 50 年前，阿波罗的设计师选择的外形就是一个最优化的形状。
最近，我们的优化还被用于世界上最大的飞机」Stratolaunch」, 它于 2019 年 4 月 13 日在加利福尼亚州完成首飞。Stratolanuch 配备有两个机身，和六个波音 747 引擎，它的机翼展开比一个足球场的长度还长，它可以载着一个火箭或者是小型的太空船到 11000 米的高空，并且将其发射到轨道上。大卫改善过后的优化结果显示，Stratolaunch 如果在 2500 公里的距离就开始降落程序，那会有点过早。
优化软件和应用相辅相成
算法优化帮助我们做了很多解决方案。
在 20 年前，我们使用 PDCO 软件来做信号分析（基追踪降噪，BPDN），我们现在使用同样的软件做不同的应用：分析低频核磁共振信号，用以分析某些东西的组成，例如橄榄油或者是生物柴油，我们既有的软件找到了新的应用方式。
有时，新的应用会引领我们创造新的算法。例如系统生物学里头的多维度模型问题没办法以现有的软件解决，我们就使用了双精度型和三重精度型版本的优化 MINOS 软件，开发了 DQQ 程序。
我们还开发了 NCL 算法来解决税法模型，此前，这是无法通过既有的软件去解决的。NCL 解决了一系列很大但容易解决的优化问题。令人意外地，我们发现如何通过内部方法促进优化，来」热启动」(warm start）每一个大难题。热启动通常是无法通过内部方法实现的。因此，全新的高难度应用促使我们催生了新的通用软件，这是个非常有趣的过程。
总结一下我的演讲主题，当我们设计一个优化软件时，我们总是希望打造一个「万用型」的软件，让其能够物尽其用。但老实说，我们永远不知道，是什么样的人在使用我们的软件，有时候，软件会帮助科学家发现针对新兴应用的优化解决方案，这带给我们立即的成就感。但有时候则正好相反，是新兴的应用迫使我们用新的方式结合既有的软件去设计新的算法。
在未来，我们会看到很多像自动驾驶车这样的应用，而自动驾驶安全的重要性和太空船的发射及降落不相上下。优化系统在未来的医疗领域也将大放异彩，它可以使精准医疗成真，它已经让放射疗法变得更精准快速了。
在演讲之后，AI 科技 评论对 Michael Saunders 教授做了一次专访。
AI 科技 评论：今天很高兴有这个机会来采访您！第一个问题，您能不能谈一谈您自己是如何结合研究与业界的应用，您参与过哪些具体的案例？
Michael Saunders： 我的应用案例在我的演讲中提了很多，其中有一些很重要的案例，比如在药物治疗、制造、航空航天、系统生物学和核磁共振等方面。就像我之前说的，我们不知道有谁会用我们的软件，但通用型的软件本来就会鼓励更多的新兴应用诞生。我最喜欢的事情就是别人敲我的门说，「教授，我有个优化问题，请问你可以帮忙吗？。」我希望大家敲我的门。
AI 科技 评论：您是如何看待人工智能、IoT 与系统优化之间的关系？
Michael Saunders： 人工智能涵盖了许多层面，包括数学和计算机科学，求解具有大规模变量方程的极小值问题通常是优化领域的代表性案例。
经典的 SVM 方法解决的是更为复杂的问题，我们已经证明了我们的 PDCO 解决方案是一个比现有的方法更能规模化应用的解方。
物联网包括了感测器，我们用优化方法研究了无线感测器网络（Wireless Sensor Network），用以侦测感测器在哪里。每个感测器都能自主侦测它和其他临近感测器的距离，举例来说，我们可以从一个直升机上面把感测器丢入森林中，让其自动感测是否有森林大火发生，其中只有寥寥数个感测器需要知道具体位置。
AI 科技 评论：千百个 Sensor 之间的互联是吗？
Michael Saunders： 我的 PhD 学生 Holly Jin，在她的博士论文中，她可以精准地定位数千个感测器，这对于大型的森林来说很重要。同样地，如果消防员或矿工佩戴感测器在身上，同样的优化方法也可以用于森林大火或倒塌的矿坑中搜索他们的位置。
AI 科技 评论：现在人工智能技术在中国特别火热，作为这方面的专家，您觉得人工智能技术未来突破点在哪里，这一技术的走向如何？
Michael Saunders： 这是一个很好的问题，人工智能技术已经发展很久了，1967 年，当我还在斯坦福大学念 PhD 的时候，人工智能就已经是一个计算机科学的研究主题了，如果 AI 是泡沫的话，泡沫早就破掉了。
自动驾驶车对于未来的人工智能研究领域来说，是一个很大的挑战，特斯拉创始人马斯克期待特斯拉自动车在今年底就可以自己在路上跑，并且车子还可以在行程之余去接送其他乘客为车主赚钱。我们不清楚这个愿景是否能实现，特斯拉声称他们有一个芯片的运算速度是其他芯片的二十一倍，这是一个很了不起的进展，这让我们离未来的 AI 又更近了一步。
AI 科技 评论：主要是芯片优化？
Michael Saunders： 刚才我们问题就是说，未来的 AI 应用方向，一个是自动驾驶，这是一个非常大的方向，会彻底改变我们的生活方式。我看好自动驾驶的未来。
观众提问：现在机器学习有两种方式，一个是监督式的，一个是非监督式的，您认为哪一种比较有发展潜力？
Michael Saunders： 机器学习的方式有三种：监督学习，非监督学习和强化学习。我认为监督式学习和非监督式学习都是很重要的，研究者们永远都在试着改善它们所使用的方法，我认为在未来，这两种形态的学习方式都会持续进化。
点击阅读原文，查看 Python 技术交流讨论小组
结语：以上就是首席CTO笔记为大家整理的关于人工智能大咖有哪些的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～