2016 年 9 月 23-24 日，由 CSDN 和創新工場聯合主辦的“MDCC 2016 移動開發者大會• 中國”（Mobile Developer Conference China）將在北京•國家會議中心召開，來自iOS、Android、跨平臺開發、產品設計、VR開發、移動直播、人工智慧、物聯網、硬體開發、資訊無障礙10個領域的技術專家將分享他們在各自行業的真知灼見。MDCC 2016 大會門票8折優惠中，五人以上團購更有特惠（票務詳情連結，8折優惠，限量供應，欲購從速！）。

在人工智慧與機器人專場，雲知聲高階研發總監劉昇平博士將和與會者分享聊天機器人技術的研發。近日，劉昇平接受CSDN採訪，介紹了人工智慧技術在移動領域的應用前景，他本人的探索和趟過的坑，以及他的演講話題。

劉昇平表示，人工智慧的應用範圍會約來越廣，對移動開發者來說，除了做移動開發以外，還要考慮智慧硬體或物聯網的應用開發，最大的挑戰則是怎麼開發能夠在計算能力和儲存空間有限的終端上執行人工智慧的演算法。他最為看好聊天機器人和語音助手類等這種基於會話互動的應用， 因為會話互動是最自然的人機互動形式，而且會話互動技術最近幾年一直在迅速發展。

劉昇平，雲知聲高階研發總監，雲知聲AI Labs資深技術專家。前IBM中國研究院資深研究員，中文資訊學會語言與知識計算專委會委員。2005年獲得北京大學數學系博士，是國內語義網研究的開創者之一。曾在語義網、機器學習、資訊檢索、醫學資訊學等領域發表過20多篇論文。在IBM工作期間，多次獲得IBM研究成就獎。

以下為採訪實錄：

CSDN：您是如何選擇人工智慧的工作崗位的，目前關注哪些人工智慧技術和應用？

劉昇平：我大學的時候看了些關於人工智慧的書，就覺得非常有意思。雖然那時候剛過人工智慧的第二次寒冬，讀博士期間就做人工智慧方向了。當時我的研究方向是語義網，是國內最早做語義網研究的一批人。畢業後在IBM中國研究院工作到現在一直從事的是人工智慧相關工作。

目前主要關注的是大資料驅動的機器學習技術，包括深度學習、強化學習等，關注的應用主要是自然語言處理和會話式人機互動，如聊天機器人、自動問答，以及面向任務完成的口語對話系統。

CSDN：人工智慧因為AlphaGo而廣為人知，所以也有人把AI理解為下棋。能否介紹您認識的人工智慧，它包括哪些技術和應用方向？有了它，移動應用能做哪些以前做不到的事情？

劉昇平：人工智慧技術可以包括感知智慧和認知智慧技術。

• 感知智慧包括語音識別，聲紋識別等語音技術，人臉識別，影象識別，運動識別等計算機視覺技術。
• 認知智慧則包括自然語言理解，影象理解，知識表示與推理，規劃與決策，自然語言與影象生成，記憶與聯想，自學習等認知技術。

手機某種意義上也是一個機器人，具有視覺（攝像頭）、聽覺（麥克風）以及各種感測器，這樣，手機上的移動應用也能擁有感知智慧（利用麥克風和攝像頭），還可以通過網路連線雲端大腦，擁有認知智慧。現在有很多利用人工智慧技術的移動應用，如語音助手、人臉支付、名片識別、實時翻譯等很多增強現實類應用等。

CSDN：對於移動開發者來說，您認為當前的人工智慧熱潮意味著什麼？他們應該掌握哪些人工智慧的技能來開發更好的應用？

劉昇平：人工智慧熱潮意味著AI技術會引來一個爆發期，也意味著人工智慧的應用範圍會約來越廣，包括人機互動、認知物聯網、工業4.0、智慧城市等。對移動開發者來說，除了做移動開發以外，還要考慮智慧硬體或物聯網的應用開發，因為人工智慧技術的載體不會僅限於手機，還會在智慧硬體上，如智慧音箱、機器人等。開發者應該掌握各種感知和認知智慧技術的應用，瞭解這些技術的適用場景，以及技術本身的侷限性，從而找到最適用自身應用的人工智慧技術。

CSDN：從具體的技術領域來說，目前最熱的是需要大資料、大計算的深度學習，您認為移動應用開發中應當如何去使用深度學習？

劉昇平：深度學習的理論不容易掌握，但使用深度學習的技術並不難，甚至比傳統的統計學習更容易，因為不需要去做特徵工程。移動開發者可以去學習開源工具包，如Google的TensorFlow，學會如何使用，解決實際問題，而不用特別深究其原理。深度學習還是適合在雲端用來做機器學習的任務，如分類、序列標註、序列生成等。移動應用開發中，可以通過網路呼叫雲端的服務。

CSDN：在將人工智慧演算法用於移動應用的探索中，您認為有哪些主要挑戰需要解決？

劉昇平：人工智慧的演算法大部分在雲端執行，更多體現在雲端的大腦， 這時候移動應用的挑戰一是如何更好地收集資料，為演算法的效果提升貢獻高質量的資料，二是如何揚長避短，更好地呈現人工智慧演算法的效果。

如果人工智慧的演算法在終端上執行，對移動應用來說，其最大的挑戰就是怎麼在計算能力和儲存空間有限的終端上執行。

CSDN：能否分享您走過的值得開發者借鑑的一些坑？

劉昇平：主要想強調以下兩點：

1. 資料是王道，足夠多的高質量的訓練資料比演算法調優更重要。所以，在移動應用端一定要設計足夠多的埋點以收集訓練資料。
2. 一定要注意人工智慧技術的侷限性和其適用的場景，不要被一些人工智慧技術的吹噓說迷惑，不要對人工智慧技術有不切實際的期望。 目前的人工智慧技術還是專用智慧，只能解決特定領域的問題。

CSDN：移動應用和人工智慧相結合的未來，您最為看好哪個具體領域的前景？

劉昇平：我最為看好聊天機器人和語音助手類等這種基於會話互動的應用， 因為會話互動是最自然的人機互動形式，而且這幾年會話互動技術一直在迅速發展，語音識別、自然語言理解、語用計算、自然語言生成、語音合成技術都在工業界已獲得大量成功應用，是相對成熟的人工智慧技術。

CSDN：對於MDCC 2016，您希望分享一些什麼內容？希望聽到別人分享哪些內容？

劉昇平：我希望分享一些和聊天機器人、語音助手相關的技術。希望聽到分享的技術是“端上智慧”相關，因為目前大部分的智慧技術都是在雲上，而端上的智慧技術尚缺。

其他人工智慧講師專訪：