7月14日，已经是第三天了，感觉前两天的内容相当丰富，这一天打算换个角度看世界，基本上就没记什么笔记了，纯粹印象。
阿里巴巴来的是肖利华，清华的博后，看上去比较年轻，也比较的拽。因为迟到了，所以放在上午稍晚的位置讲，原本是第一个。
苏宁、阿里、京东、TCL、再到旷视、商汤、云从等等，无论是算法为主的，还是商业为主的，还是以产品为主的，都在打造自己企业的AI商业架构。
简单来说，就是数据层——框架层——应用层。
一般来说，数据层来自这些公司自身的业务，或者其客户；框架层是这些公司的算法团队或自研或引入的开源算法框架（无论软硬件）；应用层则是AI如何变现的尝试，有公司业务的创新，也有可能是附着之上的小创业团队，在这上面做文章。
从阿里的角度看，它提供了数据层+框架层+应用层（小创业团队），只需要传统行业将业务导入，将数据导入就可以了，这无疑也带来了传统行业的被绑架的忧虑。
其他的公司或多或少在这几层上进行折腾，但总的来说，AI框架层基本上都会掌握在自己手中进行进化。
从另一个角度看，AI框架层也许是整个生态中最低成本的投入了……
7月13日下午，本来想过去听一下AI芯片方面的报告的，结果看着类脑计算的美国院士陈世卿的名头，鬼使神差地在类脑计算这里坐了一个下午。
类脑计算，顾名思义，就是抛弃传统计算机/算法的数学思维模式，转为通过对生物/人脑的模仿去实现计算系统。
继续阅读CUHK的黄铠教授，IEEE Fellow，内容链接：https://www.chaoqi.net/xinchao/2019/0725/229409.html
将AIoT的应用缩减为SMACT的缩写，分别是Social （社交——用户）/ Mobile（移动通讯——连接）/ Analytics（分析）/ Cloud（云端——服务）/ IoT（物联网——感知）。
其中Cloud Computing现在又延伸出Fog以及Edge等领域，但其本质就是提供软件服务的。
继续阅读填写出差单必须提前填写，不能事后补。这次决定得还是略为匆忙，不小心已经到了杭州才想起来还没填出差单。
回到页面本身，提醒说是不能事后补填。但我看浏览器的表现是没有提交到服务器进行验证的，那一定是在前端进行了初步/全部验证。
修改PC时钟到出差前，没有用。
检索页面上的时间戳，并使用浏览器自带的工具修改该戳，需要重新触发一个计算出差时间disable域，导致页面重载，修改退回去。
于是再修改时间戳和手工补上这个disable域的value，通过，成功提交出差单。
代表科大讯飞作报告的是李世鹏，副总裁，IEEE fellow。
报告在这里http://tech.ifeng.com/a/20190717/45611806_0.shtml
他把智能的级别分为六层：Notification——Computation——Perception——Cognition——Prediction——Decision
不同层级对目前计算机智能的知识范围要求都不一样：
继续阅读张教授年龄也偏大了，他自己讲述的经历可以看出是经过几十年学术生涯的，也看到不少生物特征识别技术的前世今生。
文章链接：http://www.sohu.com/a/327559671_720705
80~85，哈工大博士
85~88，清华博士后
88~95，Waterloo，第二个博士学位
95~，到香港，CUHK。（中文大学目前影响力及水平已经超过港大，港大很大程度上政治气氛过于浓厚，而学术上固步自封）
张教授出书很多。
指纹、人脸、虹膜在他看来都有各自的缺点，近年选择的方向是掌纹。然后就是从掌纹出发，再到中医的望闻问切，也使用生物识别的方式进行工业化。
比如舌像、气味、脉象等分别通过CV、气味传感器、触觉感知等方式进行数据采集，上架设各种分析平台。不过也直到最近两年才有相关的paper发出。听起来很niche的方向。
再说到平均脸的问题，以平均脸的理论去推导机器的人脸审美……
怎么说呢，生物识别离开了最一般的用法——身份识别，走向其他的领域，比如疾病预警/识别/诊断，智能审美等，总觉得怪怪的。
Intel应该是此次GAIR的高端赞助商吧，他们也确实把AI方面的平台级别的产品都展示了。再加上戴金权的报告。http://www.sohu.com/a/238849703_114877
Intel坐拥芯片上的优势，却被GPU方面的NVIDIA喝了好几年AI芯片的头啖汤。
这次Intel推出的是AI方面的整套解决方案，从底层到上层，分别定义为：
继续阅读GAIR听到第三个，就明白了，这其实是一个学术经历（经历>经验）分享的活动。
张正友的报告在https://www.toutiao.com/i6713143613334749703/
有完整的文本内容，不再复述。
就补充一下我记录的体会吧：
近三、四十年，AI在各种领域上是算法各有擅场、百花齐放，直到近十年来，才被深度学习一统天下。但张博士认为深度学习的局限也是明显的。
继续阅读