挑战解耦表征的无监督学习中的共识人类研究人员们相信，真实数据的多种多样的变化总是可以用一些关键因素的波动来解释；至于这些因素分别是什么，就可以用无监督学习的方式寻找解耦的表征，从而成功地揭示数据分布规律。这个方向目前已经有一些研究成果，研究人员们也已经形成了一些共识。但这篇论文可以说把现阶段的大部分成果和假设一竿子全部打翻。作者们首先从理论上说明，如果不在模型和数据上都引入归纳偏倚，那么解耦表征的无监督学习本来就是不可能的。接着，作者们用大规模实验表明，虽然不同的方法都可以找到和选取的训练损失对应的性质，但只要没有监督，就训练不出能良好解耦的模型。除此之外，随着表征解耦程度的提高，学习下游任务的样本复杂度并没有跟着降低。这几点结论都和当前的解耦表征无监督学习的共识形成鲜明冲突，这个方向的研究人员们也许需要重新思考他们要从多大程度上从头来过。作者们的建议是，未来的解耦学习研究需要分清人为引入的归纳偏倚和监督（即便是隐式的）两者分别的作用，需要探究通过人为选取的损失「强迫」模型学习解耦带来的收益到底大不大，以及要形成能在多个不同的数据集上测试、结果可复现的实验惯例。这篇论文被 ICML 2019 接收。论文地址：https://arxiv.org/abs/1811.12359

在技术大爆炸的时代，数据化已经是企业发展的趋势，企业经营决策离不开多数据的支撑，但是各种杂乱的数据需要专业的系统来进行处理。8月24日，华为云云市场直播间邀请沃丰科技解决方案专家徐扬，为观众带来《营销服务一体化，AI全面赋能企业数字化转型》主题分享，本文我们一起来梳理一下直播内容。直播主要分四块内容进行讲解，即：中国智能客服行业发展现状和市场前景分析、北京沃丰时代数据科技有限公司介绍、一站式全生命周期客户体验管理、优秀案例。一、中国智能客服行业发展现状和市场前景分析企业围绕客户体验的投入日益增加，据研究表明，企业对此方面的投入已经进入前三，好的客户体验是客户满意度和忠诚度的基础，客户体验不是单个部门的事情，是全公司所有部门的事情。二、一站式全生命周期客户体验管理沃丰科技全生命周期客户体验管理解决方案包含了企业微信营销云、呼叫中心拓客云、销售过程管理云、现场服务工单云与客户服务运营云。为企业提供了一个营销管理、销售过程管理、服务交付管理和客户服务管理的一站式解决方案。企业微信拓客：通过与企业微信连通的平台，将员工的日常客户沟通工作管理起来，可视化呈现、统一化运营。呼叫中心拓客：基于底层呼叫中心的能力，加上智能质检的服务，将员工日常通话的过程管理起来，提升效率的同时保障效果。客户关系管理：基于客户自身业务流程，提供灵活可配置的CRM管理系统，接入企业微信拓客数据、呼叫中心拓客数据，完整管理从线索到现金的全部转化。现场服务管理：完整的移动客户端与PC端的联动，将现场服务无缝衔接进入平台，每一次交付都是再销售的完美演绎。智能客户唤醒与满意度调研：基于人工智能技术的语音机器人对沉默客户进行唤醒，同步进行的满意度调研问卷全面了解客户心声。客户服务运营：七年客服平台的深耕，助力企业全渠道接入客户服务的各类场景，为企业的客户提供便捷的一站式客户服务解决方案。产品矩阵还有更多的产品方案可以进入直播间观看了解，直播间链接如下。直播链接：https://bbs.huaweicloud.com/live/marketplace_live/202108241900.html

云聚沈抚 · 智赢未来 沈抚示范区·“华为云杯”2021全国AI大赛https://competition.huaweicloud.com/information/1000041542/introduction   

随着线上渠道的不断扩充，用户与品牌的交互也从传统的电话短信营销逐渐向更多在线渠道拓展。当人工智能、车联网、云技术等新技术融入汽车，车企开始逐渐走向数字化转型。除设计制造外，在售前售后及营销服务等场景中，也在发生着创新性的变革。针对汽车主机厂及经销商面临的渠道获客难、客户流失严重及客户管理难等问题，华为云云市场联合联友科技推出汽车数字门店平台，利用物联网、人工智能、大数据等技术，提供线上线下营销工具组合，全链路打通人、货、场信息，提升客户体验，提升企业数字化能力。线下门店可利用平台为车主提供智能体验，为门店工作人员提供高效协同办公体验，为管理者提供详细科学的管理支持。数字门店商品亮点：1、模块化产品设计：6大类业务模块，100个业务场景，支持用户按需选用；2、生态合作兼容并包：与车联、互联网生态圈深度融合，打造营销运营新模式；3、全触点体验覆盖：为客户提供交互式客户体验；智能工具助力线下营销。数字门店平台能够帮助构建完整的销售诊断体系，实现来店量化、体验提升、体验跟踪及实时监测。数字门店商品部分功能：1、电子名片功能：提供点对点线上专属服务；支持客户在线行为记录；帮助门店实现与客户的情感维系触达。2、来店量化：为主机厂及店端管理提供精准的来店量数据，精准的来店批次统计，作为基础数据支撑KPI指标计算。业务模式创新：一线业务模式创新，AI赋能店端销售，实现人脸与线索全生命周期的关联3、多媒体互动可交互式体验、数字化互动，增加滞店时长，吸引客户自助式留资；总部集中管理控制前端所有播放端，云端分别推送适合的内容至不同的经销商显示器。4、数字化工具作业工具：门店销售接待作业工具；数字化培训：总部对店端培训工具，在线直播。5、语音检核销售帮手：提供销售侧语言、话术支持；执行率检核：记录CA销售接待过程的语言，智能检核，免去人工。如今，数字化转型已经在汽车行业展现出蓬勃生机，从智能制造、智能部件到智慧营销，互联网时代，车企正在打破边界，用科技赋能未来。文中提到的商品链接：数字门店【华为云云市场，助您上云无忧】

传统的生产制造企业，例如食品加工、医药制造、工业生产、煤焦化等等，往往需要通过人工计算配料需求并定制采购建议，但在实际生产过程中，可能由于其他因素影响，产生较大的偏差，导致配料指标过剩，成本浪费等问题。针对这些需求，华为云联合伙伴推出煜祺智慧配料系统（华为云云市场在售），在物联网数据采集等大量数据基础上，结合华为人工智能、大数据建模等先进技术和生产工艺大数据，预测产品质量及配料配比，为各行业生产企业增产降耗。煜祺智慧配料系统切实为企业生产降本增产，某煤焦化行业应用案例显示，在使用系统后，其吨焦成本降40元，行业节省成本172亿元；实现行业资源整合：据其运行状况显示，优质煤使用减少百分之三，劣质煤用量增加百分之三，全行业年节约优质煤1800万吨；同时在节能减排、安全环保方面进一步加强。那么煜祺智慧配料系统有哪些突出亮点呢？1、结合公司的工艺及历史数据建立高精度的模型，准确预测产品生产质量，降低传统配料的指标过剩，节约生产成本；2、依托云计算充足算力，结合华为人工智能、大数据建模综合计算，给出更准确的配料配比；3、建立的模型可根据实际生产过程中的实际数据和生产结果数据持续自动优化，确保产品质量预测精度不下降；4、能够支持基于产品质量、各产物产率、低污染排放、限定原料等多场景综合配料；5、能够提供更广泛的原料信息，为企业的原料采购提供指导建议，进一步降低生产成本。除了煤焦化行业，在橡胶、水泥、钢铁合金、辣椒酱生产等行业，同样可以应用本系统，智能化配料的实践，在降低企业成本的同时提高生产效率，是实现制造企业科学化管理和精细化运营的一条重要道路。文中提到的商品链接：煜祺智慧配料系统【华为云云市场，助您上云无忧】

--- 基于大数据、云计算、人工智能等技术的高速发展及应用, 智能家居已成为当下我国科技与经济发展的“新基建”。其中，互联网企业、硬件厂商、家装、家居、设计师、地产商和各类服务商等都是智能家居生态圈潜在的参与者和创建者，共同为智能家居的应用与发展谋篇布局。 7月22日，第五届智能家居亚洲峰会在上海举行，诸多国内外企业、行业精英与会出席。峰会围绕AI+IoT+5G，探讨了智能家居市场与生态圈、智能家居关键技术、智能单品新兴技术与新趋势等话题。会上，**国内高端厨电领军品牌****方太与百度****智能云****正式****签订****战略合作****协议****，双方将围绕IoT智能厨电解决方案，****在****AI、大数据、内容服务、智能产品等多个领域展开深度合作，为消费者带来更加健康、智慧、幸福的厨房****生活****。  **强强联手，双向赋能共建智慧厨房生态** 据悉，此次方太联手百度智能云，将重点推动百度AI开放平台、百度语音解决方案等在智能家电的落地应用。 作为百度AI对外赋能的重要窗口，百度智能云依托深厚的技术沉淀和丰富的实践经验，将AI与云的能力深度融合，打造“云智一体”独特优势。百度AI开放平台则提供了全球领先的语音、图像、NLP等多项人工智能技术，开放对话式人工智能系统，共享AI领域最新的应用场景和解决方案，为落地智能家居业务场景提供战略支持。 而作为国内较早探索智能厨电领域的高端厨电企业，方太目前已完成连接智能、数据智能、认知智能的整体布局，建立起自然语言理解、知识图谱、AI开放平台三大核心功能，并于2018年推出了FIKS智能系统，旨在为用户打造全新智能的烹饪体验。该系统由智慧厨房电器、方太幸福家APP、“大厨管家”智能终端，方太幸福家体验馆四大智能矩阵构成，能提供智能菜谱、多厨电协同烹饪等功能，系**业内****首个集线上互联与线下体验、社交分享于一体的“智****慧****厨房生态系统”**。 基于方太对人们厨房生活需求的理解与对厨房场景的深度洞察，当方太的硬件智能厨电与软件系统搭上百度AI的桥梁，即构成一个厨房生态圈，将更垂直地解决人们在厨房的不同时刻的核心痛点，加强厨电产品与生活场景的融合度，并降低智能家居的教育成本与用户的使用门槛，解决实现智慧厨房落地的“最后一公里”。 **AI****+IoT+5G****，打造全场景智慧厨房生活** 如果说过去智能家居是结合物联网，利用网络通讯等技术，将有智能控制、信息交流及消费服务等功能的厨电设备与终端有机结合。那么在与人工智能结合的新智能家居时代，根据客户需求定制的全屋智慧厨房系统则可以感知用户在家中的即时性需求，提供智能化服务。AI、IoT、5G以及云计算等技术的出现，进一步拓宽了智能的边界，打破了智能化生活的门槛。 **方太在智慧厨房的布局中[，](https://hea.china.com/article/20210722/072021_833433.html)注重体系化与场景化，且已凭着自身技术积累及对行业的精准洞察，持续推出了数个智能科技产品及智慧厨房解决方案**。它们从单品到集成，从系统到场景，从线下到线上，不仅满足人们正常的烹饪所需，更让厨电从硬件核心，延展到软件、数据交互、内容与衍生服务，从而帮助用户实现更丰富、便捷的厨房烹饪生活。  设想一个烹饪场景，通过方太集成烹饪中心，有机融合“功能、烹饪、空间、美学、智能、场景”，你可以随心选择煎炒炖烤蒸等多样烹饪方式，体验健康、高效、精致的高端品质烹饪体验。再借助FIKS智慧厨房系统，**贯穿人在厨房的烹饪时刻、用饮时刻、清洁时刻、相处时刻的全场景，照顾人在****厨房****的****“安全、健康、****便捷****、社交、娱乐”****的需求，在清洁、烹饪、空气净化、****精准温控****、****噪音处理****和****食材营养成分分析****等方面给出合理的解决方案。** 除了运用自身智能科技为智慧厨房的实现加码之外，方太还积极与华为HarmonyOS在厨电产品线上展开合作。借助HarmonyOS的技术特性，用户可根据不同场景的个性化需求来任意组合不同设备的软硬件能力，为家庭带来最适合当前场景的智慧体验。 以方太和HarmonyOS联合打造的智能蒸箱为例，用户在操作蒸箱时，通过“碰一碰”功能即可便捷实现一键烹饪，无需下载APP，手机屏幕会自动弹出控制面板，用户一键选择意向菜品后，简单设置即可实现蒸菜全流程自动时间控制、温度调节。据了解，目前，首款搭载鸿蒙的方太蒸箱已进入畅销榜TOP 5。 正如方太集团智能研究院副院长俞贵涛在峰会的分享中所提到的，**智慧厨房是****具备****了****人****类****“智慧”属性的空间；同时，基于现代科技所拓展的感知、连接、认知****等****能力，提供超越人类所能提供的服务。** 不论与华为HarmonyOS的联合，还是此次与百度智能云的携手，方太在智慧厨房的完善与落地上，不断借助AI、5G、物联网等智能技术和生态，吸收科技能量，并推动厨电产业智慧化升级。未来，通过AI+IoT+5G的广泛运用，相信方太将赋能更多全场景智慧厨房生活，为人们的厨房生活提供更多便利，打开万物互联、万物智能的“IoT厨电”的全新时代。

--- 8月23日，2021中国国际智能产业博览会（以下简称“智博会”）在重庆国际博览中心正式开幕。大会以“智能化：为经济赋能，为生活添彩”为主题，紧扣工业互联网、智能制造、工业软件、产业基础再造等重点领域，交流、展示智能产业发展的新成效、新技术、新趋势，以求加快推动数字经济和实体经济深度融合，携手共创智能时代，共享智能成果。 本次大会，腾讯携旗下多项业务、产品参展，其中，腾讯优图实验室带来了一款通过其首次对外开源的AI推断框架—ncnn来实现风格迁移案例的全新互动程序——“AI画廊”，并与现场参会观众开展互动体验，以更直接的方式，让更多人切身感受到智能化产业发展所带来的成果。  **“AI画廊”智博会首次亮相** **腾讯优图****实验室用AI打造艺术世界** 腾讯优图的“AI画廊”为参加大会的线下观众提供了丰富多彩的互动体验。体验者只要在屏幕前拍摄一张照片，就可以通过“AI画廊”内集成的算法生成不同艺术形式和风格的图片，并且可以下载到手机上保存，获得一套由AI量身打造的定制艺术照。现场的观众纷纷被这种有趣的黑科技吸引并驻足体验。 “AI画廊”其实是一款通过AI推断框架——ncnn来实现风格迁移案例的互动程序，在本次智博会迎来了首次正式亮相。 ncnn是腾讯优图推出的首个高性能神经网络前向计算开源框架，在2017年首次开源，这也是腾讯优图第一次对外公开深度学习的研究成果。 作为一个专门针对移动设备的开源深度学习前向框架，ncnn无第三方依赖，可跨平台运行，在手机端cpu运算效率在目前已知的开源框架中处于领先水平。基于ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行, 在极大程度上提升了人工智能APP的开发效率。 目前，ncnn多用在图像处理方面的工作中，如人像自动美颜、照片风格化、超分辨率、物体识别等。基于ncnn轻量级、可跨平台的特性，未来将有望广泛应用于智能家居、推荐系统、智能机器人等适合实时化的应用场景中。 **专注AI技术的研究与落地** **腾讯优图****实验室助力建设智能时代** 作为腾讯旗下顶级的人工智能实验室，腾讯优图始终聚焦计算机视觉技术，专注人脸识别、图像识别、OCR等领域，致力于在工业制造、医疗应用、金融保险、娱乐社交等多行业场景的研究与落地，以求让AI更好地融入生活，创造更多有趣的研究与应用。 一方面，为了让技术能够更好地解决行业实际问题，加速AI技术应用与落地的进程，腾讯优图于2017年实现了业界首个专注移动端的神经网络推断框架，即“AI画廊”核心组件——ncnn的开源，为业界和广大开发者提供了更优质、高效的服务。 另一方面，腾讯优图也积极携手生态伙伴，为自主信息技术创新应用的持续推进提供助力。近期，ncnn在国产CPU龙芯和D1上进行了较为全面的适配和性能优化，最高速度提升70倍，携手龙芯和全志科技共同打通了AI应用和国产CPU硬件间的壁垒，帮助国产CPU在AI软件生态实现从“可用”到“好用”。 截止目前，凭借在视觉AI技术上的研究成果，腾讯优图拥有超过1000件全球AI专利，更有300余篇论文被AAAI、ICCV等国际顶级AI会议收录。此外，腾讯优图还通过腾讯云输出超过20项AI解决方案，100+AI原子能力，还打造了如跨年龄AI寻人、青少年内容审核、AI探星等技术能力，践行腾讯“科技向善”的使命和愿景。 如今，人工智能作为推动数字经济快速发展的重要基础设施之一，对推动各行各业实现数字化转型都发挥着重要作用。一直以来，腾讯优图专注发展人工智能技术，致力于AI基础设施的研发和推进，未来，将持续为智能产业的发展贡献力量，为推动产业数字化转型提供助力，做到真正的为经济赋能，为生活添彩。 ___

对话 AI 和图论文：Multi-domain Dialogue State Tracking as Dynamic Knowledge Graph Enhanced Question Answering链接：http://alborz-geramifard.com/workshops/neurips19-Conversational-AI/Papers/51.pdf这篇论文提出了一个通过问答追踪对话进度（Dialogue State Tracking via Question Answering (DSTQA)）的模型，用来在MultiWOZ环境中实现任务导向的对话系统，更具体地，就是通过对话帮助用户完成某个任务，任务一共分为5个大类、30个模版和超过4500个值。它基于的是问答（Question Answering ）这个大的框架，系统问的每个问题都要先有一个预设模版和一组预设的值，用户通过回答问题确认或者更改模版中的预设值。有个相关的假说提出，同一段对话中的多个模版、多组值之间并不是完全独立的，比如，你刚刚订好五星级酒店的房间，然后你紧接着问附近有什么餐馆，那很有可能你想找的餐馆也是中高档的。论文中设计的整个架构流程很繁琐，我们就只讲讲他们的核心创新点吧：首先，作者们把对话状态建模为一个根据对话内容逐渐扩充的动态知识图。图中的节点由大类、模版和值构成，建立节点之间关系的过程也利用了上面那个假说，就是因为不同的模版之间有一些值可以是相同的、部分重叠或者是有关联的。其次，用一个图注意力网络（Graph Attention Net）学习为图中的节点分配权重，网络的输出也会被送入一个门机制，用来决定要在问题文本中表现出图的多大的一部分。作者们也使用了角色嵌入，这样模型可以由系统的话语和用户的话语共同训练  最后，作者们同时使用了CharCNN和ELMO嵌入来做对话文本内容的编码   

关于智慧的测量手段虽然机器学习研究人员们总说通用人工智能是远大理想和努力方向，但「在固定的具体任务上跑分」的惯例实在看不出哪里和通用人工智能沾边了。谷歌大脑研究员、Keras 库作者 François Chollet 在日常抨击这种风气的同时，最近也公开了一篇严肃的论文，明确提出我们需要考虑如何测量真正的智慧。他在论文中描述的核心想法是：要了解一个系统的智慧水平，应当测量它在一系列不同任务中表现出的获得新能力的效率；这和先验、经验、泛化难度都相关。论文中包含了对 AI、智慧相关概念的解释和讨论，他认为的理想的通用 AI 评价方式，以及他自己设计的认为比较能反映及测量真正的智慧的 ARC 数据集。对智慧的讨论和复制还有很长的路要走，这篇论文再次提醒大家对「我们应该从哪里开始、往哪里去」保持清醒。论文地址：https://arxiv.org/abs/1911.01547

当今全球技术数字化的浪潮下，各行各业都在加入智能自动化的赛道，其中财务领域转型在企业数字化转型中占据着重要位置。其中，RPA的弱耦合性、高效率、易使用和投资回报率高等特性，可完美解决财务流程中的痛点并为企业打造独具创新的竞争壁垒。作为企业最高频的财务流程之一，发票真伪识别需耗费大量人力、时间成本进行票据整理、信息提取等。在传统业务模式下，需要财务人员进行手工扫描发票，并将发票信息录入系统。平均每张票据核对需要5分钟左右，每天需要完成上千次校验，大大影响业务效率与时效性。基于以上痛点，上线HUAWEI WeAutomate发票真伪识别机器人后， 便可实现发票自动识别，自动录入，全流程只需要25秒就能完成。工作人员只需要启动OCR技术，剩余步骤便可交给RPA机器人执行，具体步骤如下：     •  第一步：打开办公系统     •  第二步：打开报销电子流     •  第三步：选择报销单     •  第四步：下载发票附件     •  第五步：识别发票，并打开Excel表格     •  第六步：自动填写OCR识别与二维码识别的比较结果总的来说，引入这位RPA数字员工后，不仅能够使得工作效率提高12倍以上，及时响应业务需求，降低人为错误率，还能使财务人员从繁琐重复的工作中释放出来去从事更有价值的工作。在财务领域中，RPA机器人还能发挥更多的应用价值，比如银企对账、发票开具、应收付款等多场景中均可实现智能自动化，助力企业数字化转型，提升经济效益。

自1956年达特茅斯会议首次定义“人工智能”（Artificial Intelligence，AI）开始，AI研究已历经65个春秋。现如今，AI技术已深入到生活的方方面面，无论是图像识别、语音识别、还是虚拟助理，辅助驾驶等等领域，AI技术都扮演了至关重要的角色。不难推测，在未来，AI将在更多场景下，为这个世界带来更多让人赏心悦目的事物。华为云社区博客特发起“百变AI秀”有奖征文活动，以便大家可以更好地学习和使用AI技术。本次活动奖品丰富，HUAWEI 体脂称2Pro、JBL音乐金砖GO 2、摩飞榨汁机、智能床头灯 等你来拿。有点心动？看看下面活动细则吧：我们需要哪些主题的稿件？原则上，我们欢迎所有能帮助所有学习AI技术的人成长的文章！如基于自己的实际使用经验，分享跟AI有关的技术分析、使用感受及在项目实战中的经验或踩坑指南等。只要跟人工智能技术有关的内容，我们都欢迎：你可以从以下几类主题和参考文章中，找到自己感兴趣的投稿方向：1.跟AI技术相关的基础知识，比如深度学习入门可以看什么书籍、OpenCV的一些入门学习代码等AI书籍推荐 12本深度学习书籍推荐：有入门，有深度OpenCV（python）——一键入门–第1篇2.所有跟AI算法有关的内容，比如自组织映射网络SOM聚类算法、PageRank算法等自组织映射网络SOM聚类算法排名算法之PageRank3.自然语言处理（NLP）相关的内容，比如情感分析方法、NLP预训练模型库所用框架NLP专栏丨情感分析方法入门下【AI实战】最强NLP预训练模型库PyTorch-Transformers正式开源！支持6个预训练框架，27个预训练模型4.跟机器学习相关的内容，比如线性回归分析、标准化数据预处理等【机器学习基础】机器学习介绍聊聊机器学习中的那些花儿：标准化、归一化、正则化、离散化和白化大神十年编程经验，200篇详细教程，教你从零到一学Python（万字总结之机器学习篇）5.使用AI库、AI架构、AI平台时的学习与研究过程，比如使用Modelarts平台、使用TensorFlow、OpenCV库时的心得体会ModelArts Notebook快速开源项目实战 — U2Net张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0（GPU版）Tensorflow CIFAR-10图像识别OpenCV萌新福音：易上手的数字识别实践案例6.AI技术应用相关的研究与分析，比如自动驾驶、图像识别方面的应用分析与研究5G与自动驾驶那点事python人工智能-图像识别:tesseract-ocr引擎怎么玩你将获得什么？我们会把收到的优质内容汇编成册，并注明原作者，积累行业口碑，开放给圈内开发者下载查阅，提供实践参考。对于贡献优质内容的作者，我们还将送出各项大礼！同时，在华为云站内外10+个技术社区醒目位置进行推荐，给与百万级流量资源。优质作者更可获得长期约稿和更多内容合作机会。评奖规则说明奖品评选依据 ：文章投票数* 40%+专家评审打分*60%投票流程 ：截稿后评审会选出15-30篇最优秀的文章到论坛进行投票。投票链接 ：9月24日开启投票，更新投票链接。专家评分依据 ：文章篇幅、技术含金量、排版美观度、阅读量、点赞、收藏等指标综合评分其他说明 ：1、一二三等奖不能叠加。2、征文投稿数量不计入月度激励活动文章数量。3、创作小能手奖发文数如果出现并列情况，较早发文者得奖在哪里投稿？文章需要发表在社区博客； 是时候展现真正的技术了， 点击前往发布标题以 【百变AI秀】结尾，例如：一文搞懂机器学习十大算法丨【百变AI秀】。文章末尾需加上活动名称及链接地址：【百变AI秀】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/296704有哪些需要注意的1、文章内容需体现技术看点，图文并茂，建议字数在500字以上；2、文章要求为投稿人原创，凡转载或抄袭一经发现将取消参赛资格；3、文章须在华为云社区为首发，如华为云平台已有文章内容则视为稿件无效；4、稿件投稿后，华为云拥有该稿件的使用权、修改权等。快来华为云社区博客，一起秀起来吧！点击立即发布如果有任何问题，可扫描下方二维码咨询。添加微信时请备注：百变AI秀 + 报名活动时使用的华为云昵称！扫码添加小助手：

客户都希望能在需要的时候通过他们选择的渠道与企业获得联系与帮助，但对企业来说，如何保证“随时在线”，还能同时节省成本提高利润呢？8月24日19:00，锁定华为云云市场直播间听沃丰科技解决方案专家徐老师分享AI赋能的服务与营销一体化解决方案，探讨智能互联背景下，企业如何借助AI突围！华为云码豆、定制鼠标垫、定制T恤、荣耀xsprot运动蓝牙耳机等好礼免费送！立即点此>>>进入直播间查看详情<<<奖品怎么领？立即点此>>查看活动详情，参与互动，即可领取本期专属好礼！（活动正在火热进行中，时间有限，先到先得噢！）想了解更多内容，点击进入华为云市场直播——《服务营销一体化，AI全面赋能企业数字化转型》。直播期间（2021年8月24日19:00~20:00）观看并参与抽奖，更多好礼等你来~立即报名参与吧！本期直播商品（华为云云市场在售）：UDESK全周期智能客户服务解决方案UDESK Urobot语音机器人UDESK Urobot文本机器人UDESK Insight BI数据分析【华为云云市场，助您上云无忧】

面向对象语言中 this 表示当前对象的一个引用。但在 JavaScript 中 this 不是固定不变的，它会随着执行环境的改变而改变。在方法中，this 表示该方法所属的对象。如果单独使用，this 表示全局对象。在函数中，this 表示全局对象。在函数中，在严格模式下，this 是未定义的(undefined)。在事件中，this 表示接收事件的元素。类似 call() 和 apply() 方法可以将 this 引用到任何对象。实例var person = {  firstName: "John",  lastName : "Doe",  id       : 5566,  fullName : function() {    return this.firstName + " " + this.lastName;  }};方法中的 this在对象方法中， this 指向调用它所在方法的对象。在上面一个实例中，this 表示 person 对象。fullName 方法所属的对象就是 person。实例fullName : function() {  return this.firstName + " " + this.lastName;}单独使用 this单独使用 this，则它指向全局(Global)对象。在浏览器中，window 就是该全局对象为 [object Window]:实例var x = this;严格模式下，如果单独使用，this 也是指向全局(Global)对象。实例"use strict";var x = this;函数中使用 this（默认）在函数中，函数的所属者默认绑定到 this 上。在浏览器中，window 就是该全局对象为 [object Window]:实例function myFunction() {  return this;}函数中使用 this（严格模式）严格模式下函数是没有绑定到 this 上，这时候 this 是 undefined。实例"use strict";function myFunction() {  return this;}尝试一下 »事件中的 this在 HTML 事件句柄中，this 指向了接收事件的 HTML 元素：实例<button onclick="this.style.display='none'">点我后我就消失了</button>对象方法中绑定下面实例中，this 是 person 对象，person 对象是函数的所有者：实例var person = {  firstName  : "John",  lastName   : "Doe",  id         : 5566,  myFunction : function() {    return this;  }};尝试一下 »实例var person = {  firstName: "John",  lastName : "Doe",  id       : 5566,  fullName : function() {    return this.firstName + " " + this.lastName;  }};说明: this.firstName 表示 this (person) 对象的 firstName 属性。显式函数绑定在 JavaScript 中函数也是对象，对象则有方法，apply 和 call 就是函数对象的方法。这两个方法异常强大，他们允许切换函数执行的上下文环境（context），即 this 绑定的对象。在下面实例中，当我们使用 person2 作为参数来调用 person1.fullName 方法时, this 将指向 person2, 即便它是 person1 的方法：实例var person1 = {  fullName: function() {    return this.firstName + " " + this.lastName;  }}var person2 = {  firstName:"John",  lastName: "Doe",}person1.fullName.call(person2);  // 返回 "John Doe"

来源：读特 近日，2021全球人工智能技术大会在杭州成功举办，在计算机视觉论坛上，腾讯优图实验室副总经理黄飞跃正式宣布，腾讯优图联合厦门大学人工智能研究院正式发布《2021十大人工智能趋势》（以下简称趋势报告），该趋势报告基于腾讯优图和厦门大学人工智能研究院长期对人工智能尤其是计算机视觉的研究洞察，提出3D视觉技术、数字内容产业、AI深度学习算法、人工智能内核芯片等方向的前沿预测。 趋势报告指出，自动机器学习的自动化程度与可解释性得到进一步提升，AutoML整个体系架构的日趋完善，将推动新一代普适性AutoML平台的建设，并实现机器学习的大众化。过去几年，深度学习所取得的巨大成功离不开大规模标注的数据集，但随着业务规模的不断扩大，数据标注成本成为制约企业降本增效的主要因素之一，无监督、弱监督学习将成为企业降本增效的新利器。 大会上，黄飞跃表示，随着算法和硬件能力的不断升级，3D视觉智能技术将推动商业发展和个人消费升级；深度学习迈向多模态融合，边缘计算与人工智能加速融合，AI算法的公平性研究将推动AI应用走向普惠。 以下为《2021十大人工智能趋势》详细内容： **1、自动机器学习的自动化程度与可解释性得到进一步提升** 自动机器学习（AutoML）目前已经在多个领域中初步实现对机器学习方法的自动化设计过程，但其仍然存在自动化程度不足，可解释性不强的问题。如神经网络结构搜索（NAS）在一些应用领域中取得了可以与人类机器学习专家可比较的水平，然而现有的NAS方法实际需要基于人工设计的神经网络基础结构。此外，AutoML的自动化过程往往被认为是一种 “黑箱”，缺乏可解释性。今后自动化程度及可解释性仍然是AutoML研究的热点问题，通过提高AutoML中的超参数选择，特征表示与机器学习算法的确定和神经网络结构搜索的自动化程度及可解释性，AutoML将实现对机器学习涉及的每个环节的真正的自动化设计过程。AutoML整个体系架构的日趋完善，将推动新一代普适性AutoML平台的建设，并实现机器学习的大众化。 **2、无监督/弱监督学习逐渐成为企业降本增效新利器** 在过去的几年中，深度学习所取得的巨大成功离不开大规模标注的数据集。大规模标注的背后，是传统的监督学习对于每一个训练样本完备标签的要求。随着业务规模的不断扩大，越来越多的企业发现数据的标注开始成为抬高交付成本、制约效果提升的主要因素之一。在此背景下，无监督学习和弱监督学习通过不使用标签或减少对标签数量、质量的要求来迅速降低深度模型对于数据的标注需求，使得原本无法利用的数据如今都可以加入到模型的训练中去，进而由量变引发质变。在NLP领域，基于Transformer的无监督训练模型已持续霸榜各种NLP任务数据集；在CV领域，最新的MPL方法也通过额外的无标注数据集首次将ImageNet的Top-1分类准确率提升到了90%+的水平。可以预见的是，将有越来越多的人工智能企业会面临从前期的迅速扩张到稳定期高效化运作的新阶段，而在这个过程中，无监督/弱监督学习无疑将成为他们过渡到这个阶段的重要手段之一。 **3、3D视觉技术助力产业消费升级，淡化虚实边界** 作为视觉AI领域多年热点研究方向之一，3D视觉技术的核心任务是对三维空间、物体及环境进行真实还原与重建。随着相关算法与硬件计算能力的不断升级， 3D视觉算法效果得到大幅提升，三维几何重建更加精细，表面纹理重建更加清晰，带来更加逼真的视觉观感。近年来，诸多3D视觉研究成果为低成本高质量的3D内容生成提供了良好技术支撑，基于3D虚拟形象的舞台演出、直播带货、教育互动等应用层出不穷，成为AI内容产业全新发展方向。以此为基础，结合5G时代流量带宽的全面升级，带有交互功能的3D虚拟现实、增强现实、混合现实的3D视觉应用将用户体验向真实与虚拟的完美融合进一步迈进。用户会因为虚拟偶像生动自然的舞台表演进行打赏，会由于虚拟主播“卖力”地带货促销而下单购买，而线上平台则依靠3D视觉技术大大降低内容制作和IP运营成本，最终带来社会商业发展模式与个人消费习惯的颠覆与变革。展望未来，3D视觉技术将持续在包括游戏娱乐、影视制作、电商直播、医疗整形等众多领域广泛应用，虚拟与现实的边界将不断淡化。 **4、多模态融合加速AI认知升维** 深度学习在多个人工智能的细分领域（如视觉，自然语言处理等）已日趋成熟化和规模化，然而要真正实现通用人工智能，必然要将这些细分领域各自所针对的信息模态整合利用，即多模态融合。多模态融合的目标是建立在图像、文字、语音等的多模态信息识别的基础上，实现不同模态信息的统一表征框架，从而起到1+1>2的作用。典型的场景之一是通过图文语音联合识别，实现对隐晦和暗示性，招嫖广告，儿童不良表情包等图文混合内容识别，支持审核业务深度打击不良内容。除了图文融合等跨域模态融合，同域内的不同信息维度同样可以融合，如随着深度生成技术的发展，当前的人脸识别除了传统的RGB图外，还需要融合深度图、红外图等信息来更好的防御越来越多元化的人脸伪造攻击，实现更强的人脸防御。随着人工智能认知能力的提升，多模态融合也将会从图文等实质性模态，逐渐拓展到如物理关系，逻辑推断，因果分析等知识性模态，从感知智能迈向认知智能。 **5、人工智能推动数字内容生成向新范式演进** 随着数字文化产业的蓬勃发展，尤其是二次元文化渗透出圈，数字内容产业面临新一轮的需求升级，伴随着5G商业化进程的不断加深，多元化、精品化的优质数字内容将面临更快的消费节奏，与此同时，供给侧仍存在巨大的产能缺口，数字内容产业正处于劳动密集型向科技密集型的转型阶段。AI与数字内容产业的深度耦合，将有希望为行业释放更大的科技势能，以GPT-3、DALL-E为代表的AI技术，已在文本、语音、图像、视频等内容生成中取得了令人惊艳的结果，然而在精确性、泛化性、合理性方面仍然面临挑战，目前的前沿研究一方面探索从模型结构（自动化搜索等），训练形式（无监督对比学习等）等方面提升精度效果；另一方面引入知识图谱领域知识，向机器介绍常识和其他特定领域的知识进而提升常识推理效果。伴随着技术的持续升级演进，我们预见AI将逐步在数字内容生成领域释放引擎级的影响力，在内容、平台、技术多方合力引导下，构筑数字内容生成新范式。 **6、边缘计算与人工智能加速融合** 近年来，随着深度学习算法的迅猛发展，计算机视觉、自然语言处理、搜索推荐广告等各种领域的任务性能得到不断刷新。同时，随着边缘智能设备的广泛普及和硬件改进，基于深度学习的人工智能技术在边缘端应用落地成为了可能。然而，在边缘端上部署深度学习模型具有很大的难度。其主要挑战表现在，边缘端等智能设备在计算、存储、功耗等方面有很大的限制。因此，边缘端模型必须满足低计算复杂度、小模型尺寸、低模型功耗等要求。未来将趋向硬件友好型的剪枝加速。根据边缘硬件的CPU类型来设计特定的网络稀疏化模式，适配不同硬件的模型压缩与优化加速技术是未来研究热点趋势。其次，基于自动化的1-bit量化方法有上百倍的理论性能提升，因此也是未来研究热点趋势。 **7、人工智能内核芯片向类脑神经计算方向演进** 人工智能内核芯片已经成为人工智能时代的关键技术之一，在某些领域中的具体任务上人工智能内核芯片能够实现超越人脑的表现，但针对人工智能内核芯片的研究依然落后于人工智能的发展，人工智能内核芯片无法同时满足多种人工智能算法的加速要求，并且面对各种新型人工智能技术不断涌现的局面，人工智能内核芯片与人脑相比其自我学习能力与可扩展性存在明显不足。未来人工智能内核芯片将在结构上更接近人脑的神经构造，获得类神经计算的能力，通过不断整合最新的人工智能技术，定制型人工智能内核芯片将逐渐演变为通用型人工智能内核芯片，在提高自我学习能力的同时，实现对不同人工智能技术在不同任务上的加速计算，从而推动人工智能内核芯片实现真正的落地。 **8、算法公平性研究推动AI应用走向普惠无偏见** 由于数据偏差、算法本身缺陷、甚至是人为偏见的存在，现有AI算法普遍存在对于某些特定人群效果不公平的"歧视性现象"。随着AI算法在社会各行业的广泛落地应用，作为辅助人们决策的重要工具，算法的公平性问题正受到越来越多的关注。过去的几年业界已在逐步探索一些针对性的解决方案，包括构建更公正的数据集、算法训练中引入公平性约束损失、提高机器学习算法的可解释性等。但就整体而言，当前公平性研究在精度和公平性的平衡、不同场景的泛化性有效性等问题上正处于方兴未艾的阶段。随着欧盟发布《人工智能白皮书》《人工智能伦理:问题和倡议》，中国发布《协同落实人工智能治理原则的行动建议》，人工智能的治理正成为一个愈加热门的议题，而算法的公平性正是人工智能治理的关键问题。我们预见算法公平性的研究将持续深化，在人脸识别等最广泛的AI应用领域取得突破，为不同人群带来更加普惠无偏见的效果。 **9、隐私保护AI落地实用帮助算法可持续进化** 人工智能和机器学习算法的广泛应用，在为人们提供便利的同时，也带来了极大的隐私泄露风险。这种隐私泄露包括用户数据在授权范围以外被处理共享、机器学习算法训练后存在数据记忆等现象。AI算法开发中的数据隐私保护问题受到的关注以及监管日益增长，美国于2020年生效《加利福利亚消费者隐私法案》，中国于2020年公布《个人信息保护法(草案)》。针对机器学习中上述隐私保护问题，研究工作近年来逐步深入走向成熟，发展出了数据匿名化、联邦学习、差分隐私等一系列方法。我们预见能够保护用户数据隐私的更加灵活高效的AI学习方法将在金融、医疗、社交等场景实用化落地，消减用户的隐私担忧，帮助AI算法在场景中可持续地进化。 **10、人工智能技术向安全智能方向迈进** 随着人工智能技术在各行各业的广泛应用，滥用或恶意破坏人工智能系统将会给社会带来巨大的负面影响。近年来算法后门攻击、对抗样本攻击、模型窃取攻击等针对人工智能算法的攻击技术持续发展，通过篡改构造特殊数据诱骗人工智能应用产生不可信的错误结果，带来了更大的算法安全风险，因此保障人工智能应用安全可靠的需求日渐迫切。未来人工智能技术将向着安全智能方向持续演化，一方面从算法的可解释性入手提升模型的鲁棒性，另一方面化被动为主动，通过主动安全检测机制对各类攻击进行侦测与拦截，最终实现人工智能可用性与可信性双轨并重的现实需求，推动人工智能技术在更广泛领域的安全落地。 作为腾讯旗下顶级的人工智能实验室，腾讯优图始终专注基础研究、产业落地两条腿走路的发展战略，通过腾讯云持续输出顶尖的视觉AI能力。目前，优图实验室已拥有超过1000余项AI相关国内外专利，300余篇论文被CVPR、AAAI、ICCV等国际顶级AI会议收录，输出超过30个行业解决方案，在推动产业互联网发展中提供源源不断的动力。 （原标题《腾讯优图联合厦大发布2021十大人工智能趋势：AI与边缘计算加速融合，AI应用走向普惠》） （作者：深圳特区报记者 周雨萌 文/图)