本周，國内ai圈值得關注的事情有：fpga
2017最佳論文出爐，雷鋒網對得主深鑒科技進行了專訪；人工智能”進入國家戰略層，ai公司最關注的是什麼？awe
2017本周在上海舉辦，海爾美的聯手百度dueros，共同推出“會說話的家用電器”；中國人工智能學會aidl第二期【人工智能前沿講習班】日前在北京中科院自動化所舉行，北京大學王立威等教授參與講課；
國外ai圈新聞有：ian
goodfellow 離開openai，重回谷歌大腦團隊；google cloud next'
17雲計算大會在美召開，李飛飛提出ai民主化四大戰略；facebook 開源新一代 ai 訓練伺服器 big basin，速度提升一倍。
以下是本周新聞概述：
近日，深鑒科技的
ese 語音識别引擎的論文在 fpga 2017 獲得了唯一的最佳論文 ese: efficient speech recognition
engine with sparse lstm on fpga。該項工作聚焦于使用 lstm
進行語音識别的場景，結合深度壓縮以及專用處理器架構，使得經過壓縮的網絡在 fpga 能夠實作超越 pascal titan x gpu
一個數量級的能效比。論文中所描述的 ese 語音識别引擎也是深鑒科技 rnn 處理器産品的原型。
針對 fpga 2017
最佳論文以及深鑒科技，雷鋒網采訪了深鑒科技 ceo
姚頌，主要讨論了深鑒科技的這篇論文的核心靈感來自于哪裡、這篇論文主要在哪些方面有着較大的突破、deep compression 和 ese
的原理與作用、如何有效結合 compressing cnn 和 intepretating cnn
發揮它們的勢能、如何保證公司處于有利地位等多個問題。以下為采訪摘要：
論文靈感來源：韓松之前做過一項名為 eie （efficient inference engine）的研究并發表在 isca 2016
，該項研究主要針對于卷積神經網絡裡的全連接配接層，但并不能适應語音識别這樣的複雜場景。是以在結合實際應用後，我們設計出一套更為實用化的 ese
架構，針對語音識别和 rnn 做了非常多的修改，并且将它實用化了。
論文突破：軟體方面，我們提出了 load-balance-aware pruning。硬體方面，在整個硬體架構過程做了一個重新設計，能夠支援多路使用者，也能夠支援 rnn。
從哪幾方面提高了它在語音識别中的效率：該方案的核心就是它能支援在大規模使用者的情況下大幅降低延遲；其次使得功耗明顯降低，同時使延遲會變得更低，使得語音識别的精确度得到更進一步提升。
在3月5日上午李克強所做政府工作報告裡，首次出現了“人工智能”這一詞彙，這給外界發出重要信号：人工智能這項技術，開始由國家背書了。
加快培育壯大新興産業。全面實施戰略性新興産業發展規劃，加快新材料、人工智能、內建電路、生物制藥、第五代移動通信等技術研發和轉化，做大做強産業叢集。支援和引導分享經濟發展，提高社會資源利用效率，便利人民群衆生活。”
雖然隻出現了一次，但這給外界發出重要信号：人工智能這項技術，開始由國家背書了。我們可以預見到，各地政府在這一“中央精神”指導下，将會投入豐富的資源建立本地人工智能平台和公司，更多傳統行業公司也會更加大膽地擁抱ai技術，而對于已有的ai公司來說，或許會是以獲得更多的扶持和資源機遇，又或許會因為更多玩家的湧入，面臨更加兇險的競争。
為了加速百度人工智能戰略布局及人工智能産品化和市場化程序，就在三周前，百度集團總裁兼coo陸奇發出通告，宣布将原度秘團隊更新為度秘事業部，直接向其彙報，這在當時可算是科技圈的重磅新聞之一。
一個月還未到，度秘事業部就有了大動作。在剛剛開幕的awe
2017中國家電及消費電子博覽會上，度秘宣布與海爾、美的兩大家電巨頭達成戰略合作協定，并推出系列的智能家居産品。在度秘事業部剛成立的時候，陸奇就表示：「憑借語音與對話技術的優勢，百度在引領新一代人機互動平台上擁有巨大的機會，自然語言和其他智能互動方式有可能出現在從手機到家居的每一個裝置中。」，此次與兩大巨頭合作，是度秘在智能家居領域布局的一個重要信号，同樣也是兩個家電巨頭向「智能化」發展的重要标志之一。
在與海爾合作方面，海爾與度秘dueros達成了戰略合作，将dueros對話式人工智能作業系統加入到海爾産品序列，并且在現場釋出了雙方合作的首款搭載dueros的冰箱——海爾馨廚系列冰箱。
在與美的合作方面，美的介紹了他們的「美的智慧家居科技有限公司」，也就是原美的智慧家居研究院在智能家居方面的布局，緊接着又介紹了m-smart智慧生活開放平台。随後，釋出了美的與度秘深度合作打造的「智能語音盒」。
中國人工智能學會aidl第二期【人工智能前沿講習班】日前在北京中科院自動化所舉行，本期講習班的主題為【機器學習前沿】。北京大學教授王立威帶來了題為《機器學習理論：回顧與展望》的主題報告，主要對機器學習中關于泛化能力的幾個重要理論進行介紹。
北京大學教授王立威博士的主要研究領域集中于機器學習，在包括colt,
nips，jmlr, pami等權威會議期刊發表論文60餘篇。2010年入選ai’s 10 to
watch，是首位獲得該獎項的亞洲學者。2012年獲得首屆國家自然科學基金優秀青年基金，新世紀優秀人才。任nips等權威會議area
chair，和多家學術期刊編委。在主題報告結束後，雷鋒網(公衆号：雷鋒網)ai科技評論與王教授做了短時間交流，探讨了1
人工智能現在能做什麼、還不能做什麼、和可能的突破口又在哪裡，2
雲計算已經将計算力提升到一個以前不敢想象的高度，甚至已經遠遠高于樣本的擷取能力，那麼建構樣本是否會成為未來的研究重點3
資料對于算法而言處于怎樣的地位等多個問題。
為了做好雲服務，這兩年谷歌一直很拼。砸錢、招人、出産品，谷歌攻城略地的三闆斧總是屢試不爽。3月9日淩晨的google
cloud next' 17雲計算大會上，四大天王（diane greene、ceo sundar pichai、alphabet 執行主席
eric schmidt 、雲機器學習與人工智能首席科學家李飛飛）加上近十位合作企業的高管站台，似乎也多了一分人多勢衆的感覺。
在全長兩個多小時的開場keynote中，谷歌把大部分時間留給了合作企業，這些來自零售、娛樂、電信、金融、電商等多個領域的巨頭逐一介紹自家業務是如何使用雲服務的：
為普及谷歌雲計算，使人工智能真正受惠于群眾，李飛飛在演講中講了“democratizing ai”（ai民主化），及其四個發力方向：計算力、算法、資料和人才。
針對ai民主化，雷鋒網也從更好的計算力、更通用的算法、更海量的資料、更優秀的人才這四個方面進行了梳理。
更好的計算力（computing）
機器學習計算引擎cloud
machine learning
engine實際上早在去年就公布了測試版本，這個基于tensorflow搭建的平台能夠幫助開發機器學習模型。在李飛飛的了解中，人工智能技術以往需要精通程式設計才能順利駕馭，如今借助現有的架構，使用者可以将基礎架構和模型搭建全權交給谷歌雲進行大規模處理，把更多的精力放在“做什麼”而不是“怎麼做”上。這也是谷歌實作技術普及的一個過程：降低使用者的使用門檻，把更多的基礎内容交給更擅長的谷歌團隊來做。
更通用的算法（algorithms）
在keynote上，李飛飛就釋出了一系列通用模型api，這也是讓ai變得更加“親民”的一種方式。用于圖像識别的vision
api實際上早已經開發了一段時間，而視訊分析的video intelligence
api才是新推出的一大亮點，它可以自動識别視訊中的物體，讓視訊實作可搜尋。
用李飛飛的話來說，視訊是計算機視覺裡面的“暗物質”，因為它無法像圖檔一樣實作便捷的搜尋，但video
intelligence
api現在可以幫助開發者開發出從視訊中搜尋實體的應用，并标記出對應物體的出現位置。雷鋒網(公衆号：雷鋒網)了解到，除了提取資料，api還允許在對變換的場景打标簽。
更海量的資料（data）
不論是算法訓練還是系統測試，龐大的資料量對于人工智能而言毫無疑問都非常寶貴。在與一些高校老師接觸的過程中，雷鋒網也了解到高校目前面臨着“資料荒”問題。高校研究目前都是采用公開資料集，主要目的是對算法的可行性進行測試。但這些資料集比起企業級别的資料實在是九牛一毛。現在不少高校教授同樣身兼企業的首席科學家，資料不得不說是一個非常重要的考量。李飛飛此前加入谷歌，或許也是看中了谷歌在資料的強大實力。
更優秀的人才（talent）
為了讓人工智能的普及範圍更廣，單從企業的基礎設施入手自然不夠，人才的培養與合作同樣重要。谷歌釋出 advanced
solution
lab的目的，也在于充分利用谷歌人才的實力，幫助其它企業解決複雜的機器學習問題；此外，該計劃還将贊助一些嘗試解決困難問題的研究者，讓他們與谷歌一同解決——自然，采用的服務也都會是谷歌生态下的系列産品，而這一舉措又能夠更好地吸引越來越多的使用者轉投谷歌麾下。
據雷鋒網(公衆号：雷鋒網)ai 科技評論消息，ian goodfellow 已于今年 3 月份從 openai 重回谷歌。
目前
ian goodfellow 的 linkedin 個人資料已經新增了一列，頭銜為谷歌「staff research scientist」，而
twitter 上的資料顯示為「google brain research scientist」；不過維基和 quora
上的資料暫時還沒有更新。
美國當地時間
3 月 8 日，facebook 正式宣布了新一代的伺服器設計方案——“big basin”，它是 ai 訓練系統 big sur
系列的繼承者。這些使用英偉達的 gpu 作為處理核心的伺服器連接配接起來，形成一個巨大的 ai 訓練網絡，這使得 facebook
的産品能夠進行物體和面部識别、實時文本翻譯、以及了解并描述圖檔和視訊中的内容。
facebook表示，與 big sur 相比，big basin 能夠訓練比之前的規模大 30% 的機器學習模型。根據在标準神經網絡模型上的測試，big basin 還可以通過壓縮訓練 ai 系統需要的大量資料集，将訓練速度提升一倍。
在正式推出面向大衆的産品之前，facebook 會通過 big basin、big sur 這樣的伺服器對這些 ai 系統進行訓練。正是因為 facebook 的持續投入，才讓這一切變得可能。
本文作者：夏睿