人工智慧學會余凱

① 余凱離開百度2年半造出兩顆AI晶元落地三大場景是真的嗎

12月20日消息，今天嵌入式AI創企地平線發布其首款嵌入式人工智慧視覺晶元——「征程」1.0處理器和「旭日」1.0處理器，面向智能駕駛和智能攝像頭，並落地智能駕駛、智慧城市、智能商業三大場景。至此，歷時兩年半，地平線的「晶元夢」塵埃落定。

在會後的采訪中，地平線創始人&CEO余凱表示，這兩款晶元都是基於高斯架構，針對不同場景的兩個封裝，並在今年成功流片，而且走的是量產流片，但並沒有表明具體的量產量。該晶元具備低功耗、高性能、低延遲三個特點，通過「晶元+演算法」面向三大場景提供解決方案。此外，地平線的晶元架構演進更快，明年會推出伯努利架構的晶元。

地平線由前網路研究院副院長、網路深度學習實驗室主任余凱於2015年7月創辦，致力於面向B端提供完整的嵌入式人工智慧解決方案。前不久地平線剛剛完成由英特爾領頭的近億美元A+輪融資，目前投資方包括英特爾、紅杉資本、高瓴資本、晨興資本、金沙江創投、創新工場等。

一、從演算法出發 定義晶元

地平線做AI晶元這件事可以追溯到2015年5月，當余凱從網路離開時，就談到創業要做「AI晶元」，主要面向智能駕駛和智能家居領域。

結語：火熱的AI晶元行業

近期，隨著華為麒麟970晶元、蘋果A11晶元、高通845晶元等的發布，推動著AI晶元不斷走向火熱，也使AI晶元、端智能成為未來發展的趨勢。AI晶元的火熱也催生了地平線、寒武紀、深鑒科技、啟英泰倫等一批創業公司走向前台，成為時代的「弄潮兒」。

隨著AI的發展，端側智能的需求越來越多，將一些簡單、實時、涉及隱私的需求放在本地去做計算，更加及時、穩定、安全的滿足行業或用戶的需求已是一種趨勢。智東西(公眾號:dxcom)圍繞智能晶元產業已累計進行了近30篇重磅報道，AI晶元快速發展正成為人工智慧產業落地的一大助推引擎。

而各家的發展也使AI晶元呈現不同的路徑，比如高通845晶元走的是一種相對「溫和」的通用路線，深鑒科技的FPGA（現場可編程門陣列）晶元，地平線此番發布的則屬於ASIC專用晶元。

此次地平線推出的嵌入式視覺AI晶元以及解決方案再一次推動AI晶元，使更多的設備智能化，推進AI晶元在智能駕駛、智慧城市、以及智慧商業等場景的落地。

但是從落地場景來看仍是幾個競爭激烈的場景，以智能攝像頭的應用為例，主要一個就是安防領域，在這方面有安防巨頭海康威視、大華等，也有獨角獸計算機視覺公司商湯科技、Face++等，包括晶元領域的深鑒科技等都在圍繞攝像頭等安防場景進行布局，競爭尤為激烈。

如何快速落地場景，如何發現更新的落地場景和商業模式，都是地平線接下來面臨的問題。

② 余凱的人物評價

余凱是深度學習領域的領軍人物之一，Facebook人工智慧實驗室主任Yann LeCun在2014年的一次訪談中評價到，最近五年裡余凱領導的NEC加州實驗室是世界上最活躍的五家早期開展深度學習卷積神經網路的研究團隊之一（其餘為Yann LeCun實驗室，Geoffrey Hinton實驗室，Andrew Ng實驗室，Yoshua Bengio實驗室，和瑞士Juergen Schidhuber實驗室)。
余凱在深度學習領域另一位領軍人物Yoshua Bengio維護的網站www.deeplearning.net上，列出了世界上主要的深度學習研究機構，其中來自企業界的有5家，包括「NEC, Kai Yu』s group」 （註：在余凱加入網路後，該條目改為「Bai, Kai Yu』s group」)。

③ 中國人工智慧學會的理事成員

第七屆理事會 姓名 性別 工作單位 職稱 職務 李德毅 男 總參第六十一研究所 研究員 理事長 楊放春 男 北京郵電大學 教授 常務副理事長 譚鐵牛 男 中科院自動化研究所 研究員 副理事長 黃河燕 女 北京理工大學 教授 副理事長 焦李成 男 西安電子科技大學 教授 副理事長 馬少平 男 清華大學 教授 副理事長 王國胤 男 重慶郵電大學 教授 副理事長 劉 宏 男 北京大學 教授 副理事長 蔣昌俊 男 東華大學 教授 副理事長 任福繼 男 日本德島大學 教授 海外副理事長 楊強 男 香港科技大學 教授 海外副理事長 王衛寧 女 北京郵電大學 研究員 秘書長 馬華東 男 北京郵電大學 教授 副秘書長 何清 男 中科院計算所 研究員 副秘書長 余凱 男 網路深度研究院 教授 副秘書長 余有成 男 《中國科技獎勵》雜志社 副秘書長 張新鈺 男 清華大學 高工 副秘書長 董晶 女 中科院自動化所 副研究員 副秘書長 張躍 男 北京語言智能研究院 研究員 副秘書長 劉江男CSDN程序員雜志副秘書長岳東男南京郵電大學教授副秘書長洪林 女 北京理工大學 副秘書長

④ 2020世界智能網聯汽車大會干貨：滴滴無人計程車申請體驗者近4萬

上汽的智能網聯汽車發展情況

在業務落地方面，祖似傑表示，5G智能汽車示範體驗區項目已經於今天上午交付使用，以實現高速、城區擁堵以及泊車等自動駕駛場景的市場化落地。

按照計劃，上汽將在年底正式投產L3級的5G智能汽車MARVELR。

同時上汽還計劃在今年完成2萬個標准集裝箱的運輸任務。「我們已經開始小范圍的商業運營，明年爭取完成20萬個標准集裝箱，按照商業實際場景進行運營。」祖似傑在現場說道。

除了這些，上汽也在圍繞電子電器架構、軟體平台、數據平台進行布局，以此打造智能網聯汽車基礎能力。

四、滴滴孟醒：報名體驗自動駕駛的人數已接近4萬

滴滴自動駕駛公司COO孟醒分享了滴滴自動駕駛在過去四年內做的一些工作以及思考。

據孟醒介紹，滴滴自動駕駛公司於4年前在北京成立，目前在加州、北京、上海、蘇州四個地方設有辦公室。上海是當前最重要的一個測試運營場景。

今年6月底，滴滴在上海嘉定汽車城上線了滴滴自動駕駛體驗，截至今天，報名人數已經達到近4萬人。

那麼，滴滴是如何來做自動駕駛的？

孟醒表示，滴滴是一家出行公司，在做自動駕駛出行時，考慮到了如何把傳統出行和自動駕駛出行融合在一起。這也是滴滴做「混合派單」的原因所在。

此外，滴滴認為能把自動駕駛做起來需要三個方面。一個是AI，即車上的智能能力。一個是需要足夠多的數據，作為AI的燃料。其次是需要具備出行生態網路。

在技術能力上，首先要具備全棧的能力。這是因為「每個模塊之間上下游的關系，連接是非常緊密的，你只有每個模塊都有自己的研發能力，才可以迭代足夠快。我們今天關注的不是每一個模塊或者說整體系統水平多高，更重要的是迭代速度有多快。」孟醒在演講中說道。

總結來說，滴滴自動駕駛的業務涉及三方面內容，即AI、數據和網路。在滴滴看來，只有這三個方面都做好了，自動駕駛出行服務才算被搞定了。

五、地平線余凱：2030年智能汽車晶元會成為半導體最大的垂直市場

地平線創始人兼CEO余凱分享了地平線在車載AI晶元方面的思考。

在余凱看來，如果認為傳統燃油車時代，發動機是汽車的核心競爭力、最核心的部件。那麼在軟體定義汽車的時代，在大數據和人工智慧的時代，數據就是石油、就是能源；而晶元就是那個發動機。

當前，整個汽車產業的價值鏈正發生著深刻的變化和轉型。未來汽車將成為四個輪子上的超級計算機。這個過程中，晶元和操作系統是至關重要的。「這里可能是顛覆式創新而不是增量創新」。余凱在現場說道。

余凱進一步強調了數據和數據處理能力的重要性。

在他看來，對比Waymo和特斯拉採集到的數據量，Waymo可以算是研究院模式的創新。相比之下，特斯拉則通過影子模式，打造了算力、演算法、數據於完整一體的、可以快速進化的連機版AI體。雖然特斯拉的自動駕駛能力並不完美，但真正可怕的是它的進化速度。

余凱在演講中說道，「如果說它的進化速度其他車企很難跟得上的時候，它就成為了智能汽車時代的定義者，平台的定義者，它對這個產業的控制力將會超過微軟、英特爾、蘋果。」

關於未來，余凱認為今天大部分的自動駕駛和未來的需求相比仍有較大差距。他預計到2030年，智能汽車晶元會成為整個半導體領域當中的第一大市場。與此同時，在這個領域，很可能會誕生巨型計算平台企業，而這樣的巨頭企業則很可能出生在中國。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑤ 中國人工智慧產業還存在哪三項弱點

如今，「智能+」社會已步步臨近，社會各界也正積極勾勒未來社會圖景。國外人工智慧巨頭動作不斷，在基礎技術、應用領域方面都有諸多突破，可以總結為三點：基礎研究能力強、跨界創新密集、人才紅利持續發揮。

騰訊研究院發布的《中美兩國人工智慧產業發展全面解讀》，從企業人數分布可以看出中美之間的巨大差異。報告顯示，截至2017年6月，美國共有1078家人工智慧企業，員工數量為78700名；中國有592家人工智慧企業，員工數量為39200名，約為美國的50%。分領域來看，在處理器/晶元領域，美國員工人數是中國的13.8倍，美國17900人，中國1300人。中國在技術層領域的企業人數也遠遠落後於美國，僅在智能機器人領域人才稍多，為6400人，是美國同領域人數的3倍。

根據全球職場社交平台「領英」的數據，7成美國人工智慧人才從業10年以上，而中國僅有4成相關人才有這樣的從業經驗。報告分析，這源於中國人工智慧產業起步比美國晚，人才培養模式尚存差距。

中國高校在很長時間內並沒有人工智慧專業，而美國是人工智慧概念的誕生地，基本上大院校都有人工智慧專業和研究方向。根據美國國家科技委員會的人工智慧全球大學排名，前20名中有16所是美國大學，這些大學源源不斷地向科技企業輸送人才。

業內人士表示，由於人才匱乏，人工智慧工程師的年薪水漲船高。博士畢業進入企業，起薪或可高達百萬元，「否則根本留不住人」。而且，即便這樣的人也很難「上手就用」，都要在公司經過數月至一年的專業培訓。

目前，中國正在快速追趕美國人工智慧人才的培養步伐。從論文發表數量來看，華人作者的領先優勢日益明顯。在「深度學習」領域，中國的論文數量從2014年開始超越美國。專家認為，人才培養是「智能+」發展的關鍵，而且，人才培養要與重點項目相結合，真正做到核心人才本土化、核心項目自主化。

《中國機器人產業發展報告》建議，應建立機器人行業亟須的多層次、多類型技能人才培養體系，建立校企聯合培養人才的新機制。同時，建立培養標准體系，運用職業培訓和職業資格制度加深與汽車、電子、化工、消防等相關行業合作，實現人才培養與企業需求的良好對接。

國務院2017年印發《新一代人工智慧發展規劃》，提到將「加快培養聚集人工智慧高端人才」。伴隨著巨大的市場需求和應用場景，我國有望吸引更多人才來華從事人工智慧行業。

在面向2030年對我國人工智慧發展進行的戰略性部署中，我國新一代人工智慧發展規劃也明確提出了我國人工智慧發展的「三步走」目標：

第一步，到2020年，人工智慧總體技術和應用與世界先進水平同步，人工智慧產業進入國際第一方陣，成為我國新的重要經濟增長點；第二步，到2025年，人工智慧基礎理論實現重大突破、技術與應用部分達到世界領先水平，人工智慧產業進入全球價值鏈高端，成為帶動我國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展；到2030年，人工智慧理論、技術與應用總體達到世界領先水平，我國成為世界主要人工智慧創新中心，人工智慧產業競爭力達到國際領先水平。

專家認為，要想讓機器人滲透到人們生活，真正實現智能社會，一定要把相應的基礎設施建設好，建立知識庫、大資料庫、面向各類具體問題的智能系統等。「這不僅要有技術，還涉及整個社會體系、服務體系和治理體系等。」業內人士呼籲，要加快機器人向各領域的應用，實現人機協調、跨界融合、共創分享，營造有利於機器人發展的良好生態。

瑞銀研究報告顯示：至2030年AI每年將為亞洲貢獻經濟價值高達1.8萬億至3.0萬億美元，將對金融服務、醫療保健、製造、零售和交通等行業產生巨大影響。這些行業加起來，相當於目前亞洲GDP的三分之二。

據統計，2000至2016年，中國人工智慧企業數量累計增長1477家，融資規模達27.6億美元。其中，2014至2016年三年是中國人工智慧發展最為迅速的時期。這三年裡新增的人工智慧企業數量占累計總數的55.38%。另據艾瑞咨詢公開數據，中國人工智慧產業規模2016年已突破100億元。

面對優勢，還需戒驕戒躁；面對補足，還需踏實補強；我國應在人工智慧產業發展的浪潮中爭當「弄潮兒」。

未來已來，當時代的鍾聲緩緩敲響，新科技革命和產業變革將是最難掌控但必須面對的不確定性因素之一，抓住了就是機遇，抓不住就是挑戰，必須在日新月異的科技大變革中、在國際合作與競爭的征程中加速前進。

⑥ 人工智慧產業將尋求哪三方面的突破

未來將扎實推進理論發展，加強新技術整合能力

如今，「智能+」社會已步步臨近，社會各界也正積極勾勒未來社會圖景。國外人工智慧巨頭動作不斷，在基礎技術、應用領域方面都有諸多突破，可以總結為三點：基礎研究能力強、跨界創新密集、人才紅利持續發揮。

第一步，到2020年，人工智慧總體技術和應用與世界先進水平同步，人工智慧產業進入國際第一方陣，成為我國新的重要經濟增長點；第二步，到2025年，人工智慧基礎理論實現重大突破、技術與應用部分達到世界領先水平，人工智慧產業進入全球價值鏈高端，成為帶動我國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展；到2030年，人工智慧理論、技術與應用總體達到世界領先水平，我國成為世界主要人工智慧創新中心，人工智慧產業競爭力達到國際領先水平。

專家認為，要想讓機器人滲透到人們生活，真正實現智能社會，一定要把相應的基礎設施建設好，建立知識庫、大資料庫、面向各類具體問題的智能系統等。「這不僅要有技術，還涉及整個社會體系、服務體系和治理體系等。」業內人士呼籲，要加快機器人向各領域的應用，實現人機協調、跨界融合、共創分享，營造有利於機器人發展的良好生態。

瑞銀研究報告顯示：至2030年AI每年將為亞洲貢獻經濟價值高達1.8萬億至3.0萬億美元，將對金融服務、醫療保健、製造、零售和交通等行業產生巨大影響。這些行業加起來，相當於目前亞洲GDP的三分之二。

據統計，2000至2016年，中國人工智慧企業數量累計增長1477家，融資規模達27.6億美元。其中，2014至2016年三年是中國人工智慧發展最為迅速的時期。這三年裡新增的人工智慧企業數量占累計總數的55.38%。另據艾瑞咨詢公開數據，中國人工智慧產業規模2016年已突破100億元。

面對優勢，還需戒驕戒躁；面對補足，還需踏實補強；我國應在人工智慧產業發展的浪潮中爭當「弄潮兒」。

未來已來，當時代的鍾聲緩緩敲響，新科技革命和產業變革將是最難掌控但必須面對的不確定性因素之一，抓住了就是機遇，抓不住就是挑戰，必須在日新月異的科技大變革中、在國際合作與競爭的征程中加速前進。

⑦ 國內深度學習領域比較厲害的教授有哪些

在過去的三十年，深度學習運動一度被認為是學術界的一個異類，但是現在， Geoff Hinton（如圖1）和他的深度學習同事，包括紐約大學Yann LeCun和蒙特利爾大學的Yoshua Bengio，在互聯網世界受到前所未有的關注。Hinton是加拿大多倫多大學教授和研究員，目前就職於Google，他利用深度學習技術來提高語音識別、圖像標簽以及其他無數在線工具的用戶體驗，LeCun在Facebook做類似的工作。當下人工智慧在微軟、IBM以及網路和許多其它公司受到極大的關注。
我非常興奮，我們發現一種可以使神經網路變得更好的方法，尤其是這種方法能夠揭示大腦是如何工作的時候——Geoff Hinton。
Geoff Hinton 等人親手締造了深度學習的復興
Hinton本科階段在劍橋學習心理學，他意識到科學家們並沒有真正理解大腦——不能完全掌握數十億神經元之間的交互以及如何提升智力。這些科學家可以解釋電信號沿著一個軸突連接一個神經元到另一個，但他們無法解釋這些神經元是如何學習或計算的。Hinton認為這些都是大問題，答案可能最終讓我們實現1950年代人工智慧研究人員的夢想。

圖1： Geoff Hinton（AI領袖級人物，目前就職於Google）
他也沒有答案，但他將盡全力尋找答案，至少改進的人工神經網路可以模擬人腦的某些方面。「我非常興奮，我們發現一種可以使神經網路變得更好的方法，尤其是這種方法能夠揭示大腦是如何工作的時候，」Hinton說，洋溢著青春的熱情。

這些人工神經網路可以收集信息，並且能夠做出反應，它們可以理解東西看起來什麼樣或聽起來像什麼。當你將單片語合起來，它們在做決定的時候會變得更聰明，而在完成這些過程中不需要人類提供物體或對象的標簽，這是傳統的的機器學習工具做不到的。
隨著人工智慧的發展，這些神經網路將更加快速、靈活、高效，它們隨著機器規模的增加而變得更加聰明，隨著時間的推移將能夠解決越來越多的復雜任務。
早在80年代初，當Hinton和同事開始這個想法時，那時的電腦性能還遠遠不能處理神經網路需要的巨大數據集，成功是有限的，隨後人工智慧社區背棄了他們，轉而去尋找類人腦的捷徑，而不是嘗試模仿大腦的運作。
但仍然有一些研究人員堅定地支持Hinton的工作。根據Hinton和LeCun回憶，這極為艱難，甚至直到2004年——已經是Hinton和LeCun第一次開發「反向傳播」演算法神經網路20年之後了——學術界對這些毫無興趣。
但是那一年，從加拿大先進項目研究所（CIFAR）拿到的極少量資金，並在LeCun以及 Bengio 的支持下，Hinton建立了神經計算和自適應感知項目，這個項目只邀請一些計算機科學家、生物學家、電氣工程師、神經科學家、物理學家和心理學家。
通過招聘這些研究人員，Hinton旨在創建一個世界級的團隊，致力於創建模擬生物智能的模擬——模擬大腦如何篩選大量的視覺、聽覺以及書面線索來理解和應對它的環境。Hinton認為建立這樣一個組織會刺激人工智慧領域的創新，甚至改變世界，事實證明，他是對的。
Geoffrey Hinton 曾感慨自己的學術生涯就像 ANN （人工神經網路）一樣起起伏伏，所幸的是，這位 Gatsby 的創立者一直沒有放棄 ANN 的研究。他們為實現早期的想法，定期聚集在一起召開研討會，構建了更強大的深度學習演算法，操作更大的數據集。期間贏得全球人工智慧比賽，再然後互聯網的巨頭開始注意到他們。
2011年，一位NCAP研究員和斯坦福的Andrew Ng在Google建立了深度學習項目，今天，公司用神經網路在Android手機和社交網路以及Google +上標記圖像。去年，Hinton加入Google公司，其目的是進一步把這項工作做的更為深入。
每年不到一百萬美元的CIFAR投資，Hinton和他的夥伴們帶來的回報是豐厚的，這不僅發生在Google也發生在一些國家，包括加拿大。
在這個過程中，Hinton和NCAP已經改變了這個曾經拋棄他們社區的面貌，當下大學生從傳統機器學習項目轉到深度學習這種現象無處不在了 。毫無疑問，現在深度學習是主流。「我們不再是極端分子了」Hinton說，「我們現在可是炙手可熱的核心技術呢。 」
Hinton也周遊世界並為深度學習積極佈道，Hinton有一個習慣就是喜歡突然大喊：「我現在理解大腦是如何工作的了！」這很有感染力，他每周都會這樣做，你很難模仿。
通過NCAP 和CIFAR，Hinton開辦了一家暑期學校，致力於培養新一代的人工智慧研究人員。有這么多的商業公司進入這一領域，這是比以往任何時候都更加重要。不僅僅是科技巨頭加入這個領域，我們也看到大量的深度學習初創公司包括Ersatz,、Expect Labs以及 Declara。
「我們希望把AI和CIFAR帶到一個美妙的新領域，」Hinton說，「一個還沒有人或者程序到達的境界。」
和Geoff Hinton一起共同締造深度學習復興的大神還包括Yoshua Bengio（如圖2）和 Yann LeCun（圖3）教授，他們是Hinton堅定的支持者。
Yoshua Bengio（如圖2）教授也是機器學習大神之一，他的研究工作主要聚焦在高級機器學習方面，致力於用其解決人工智慧問題。他是少有的幾個仍然全身心投入在深度學習學術界的教授之一，好多其他教授早已投身於工業界，加入了Google或Facebook公司。

圖 2：Montreal大學教授及AI研究者 Yoshua Bengio
Yann LeCun和Yoshua Bengio不同，他目前就職於Facebook，任Facebook人工智慧研究院主任，也是人工智慧尤其是深度學習領域最知名的學者之一，在多倫多大學隨Hinton讀博士後即加盟貝爾實驗室，期間研發了卷積神經網路（Convolutional Neural Networks）與曾廣泛用於手寫識別和OCR的圖變換網路方法。2003年加入紐約大學，從事廣度與深度兼具的各類研究，涉及機器學習、計算機視覺、移動機器人和計算神經學。

圖3：紐約大學AI研究者及Facebook人工智慧研究院的主任 Yann LeCun
毋庸置疑的是，深度學習以及整個人工智慧領域已成為互聯網巨頭競爭的一個焦點。
深度學習領域人才極度稀缺
Montreal大學全職教授Yoshua Bengio表示：「深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺。」
據說目前深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是數據，對於解決某些領域的問題，獲取數據並非易事；其次是計算基礎架構工具，包括計算機硬體和軟體；最後是這個領域的工程師培養時間非常長。所以科技巨頭們包括Google、Facebook、Twitter、網路等紛紛通過收購深度學習領域的初創公司來招攬人才。
Google 2013年3月收購了一家名為DNNresearch的初創公司，這家公司隸屬多倫多大學計算機科學院，只有三個人——Geoffrey Hinton 與他的研究生學生 Alex Krizhevsky 和 Ilya Sutskever。之後，Google今年1月份斥資4億美元收購人工智慧初創企業DeepMind，DeepMind由人工智慧程序師兼神經科學家Demis Hassabis等人聯合創立，是前沿的人工智慧企業，其將機器學習和系統神經科學的最先進技術結合起來，建立強大的通用學習演算法。另外，Google還收購烏克蘭面部識別技術開發商Viewdle。
Google不斷的收購深度學習領域的公司最主要的目的是「搶購」一批世界上最一流的專家，在一個迅速成長的人工智慧領域裡面，這些專家無一不是佼佼者。
Facebook也在2012年以近6000萬美元的價格收購以色列人臉識別公司Face.com。人事方面，任命計算機科學家Yann LeCun（圖3）作為人工智慧研究院的主任，用深度學習專業知識來幫助創建解決方案，更好地在每天上傳到Facebook上的3.5億張照片和視頻中識別人臉和對象。去年8月13日Facebook又宣布收購了語音識別及機器翻譯公司Mobile Technologies，後者將會幫助我們從圖片識別拓展到語音識別領域。假以時日，Facebook可能會開發出交互更加自然的服務，而且相對於任何現有技術，它還會幫助解決多得多的問題。
Twitter 今年7月29日收購了基於深度學習的計算機視覺創業公司Madbits。Madbits這家公司是由Facebook人工智慧實驗室主任Yann LeCun以前兩名學生創辦的，開發了可自動理解、組織和提取媒介內容信息的視覺智能技術。這項基於深度學習的計算機視覺技術已經開發完成，正在測試。Twitter上每天都會出現無數的圖片。收購Madbits可以幫助Twitter推出諸如圖像搜索的功能，基於圖像內容改進搜索排名，甚至是通過分析圖像來更好地理解人們的推文內容。
其他公司。雅虎收購深度學習公司LookFlow和圖像標注公司IQEngine；QualComm收購圖像識別公司Kooaba； Pinterest收購物體識別公司VisualGraph；Dropbox收購圖像標注公司Anchovi Labs；網路成立李彥宏親自掛帥的深度學習研究院，有Andrew Ng、余凱等技術大牛加盟； 至此，深度學習領域的幾位大牛基本上都各有所屬。
深度學習的誤區及產品化浪潮
網路首席科學家Andrew Ng表示：「目前圍繞Deep Learning存在著某種程度的誇大，它不單出現於媒體的字里行間，也存在於一些研究者之中。這是一種不健康的氛圍。將Deep Learning描繪成對人腦的模擬，這種說法非常具有吸引力，但卻是過於簡化的模仿，它距離真正的AI或人們所謂的『奇點』還相當遙遠。」
目前這項技術主要是從海量數據當中學習，理解數據，這也是現今有關Deep Learning技術研究和產品發展的驅動力。而具備與人能力相匹配的AI需要無所不包，例如人類擁有豐富的感情，這些都是當下Deep Learning研究尚未涉及的。今天，AI領域最大的挑戰和短板是Perception，如何讓機器更好地理解人的意圖；而這正是 "深度學習"可以發光發熱的范疇。
一項技術能夠快速成為主流，一個主要原因就是能夠快速推出成熟的產品，深度學習也不例外，所以深度學習產品化是一個大趨勢，追求不切實際的「天網」或者電影情節的高科技未免太急功近利、不切實際。目前 "深度學習"讓Google產品在語音，文本和圖像的識別上變得更加聰明，可以更准確地洞悉我們的信息輸入，更人性化地理解我們的意圖。現在，每個安卓手機的語音識別以及Google街景中的圖像處理都有"深度學習"的影子。筆者認為，隨著深度學習的發展和科技公司加大投入，會有越來越多的產品推向市場。

⑧ 余凱的個人榮譽

余凱組建並領導了中國第一家以深度學習為核心的大數據人工智慧研發機構IDL。余凱帶領的團隊在語音識別，計算機視覺，互聯網廣告，網頁搜索排序等互聯網核心業務上取得突破性進展，並因此創紀錄的連續三次榮獲百萬美金「網路最高獎」。2014年以來，余凱還領導了網路大腦，自動駕駛，BaiEye， 以及DuBike等一系列創新項目，在國內外業界產生重大影響。
除了在工業界所取得成就以外，余凱還是機器學習領域的國際頂尖學者，發表論文被引用超過7000次，獲著名的國際機器學習大會ICML-2013的最佳論文獎銀獎，余凱曾任機器學習兩大會議ICML和NIPS的領域大大。2011年應邀在斯坦福大學計算機系作為Adjunct Faculty，主講了研究生課程「CS121：Introction to Aritificial Intelligence」(人工智慧緒論）。余凱曾帶領團隊在ImageNet等著名人工智慧演算法競賽中屢次榮獲國際第一名。
美國NEC研究院曾經是國際上機器學習研究的重鎮之一，VladimirVapnik（支撐向量機SVM和統計學習理論之父）, Yann LeCun（卷積神經網路CNN之父）, Leon Bottou（隨機梯度下降演算法SGD專家）等都在此工作過。余凱博士擔任美國NEC研究院的Department Head, 在加州矽谷建立起一支有高度聲譽的技術研發團隊。在深度學習方面，余凱們是國際上最早投入研發而且最活躍的研究團隊之一。自2009年以來，余凱領導開發出一系列有重大影響力的技術，在世界范圍內將圖像物體識別推上一個新的台階，多次在著名國際評測中獲獎，包括：
2009年，在PASCAL VOC視覺識別競賽中獲得第一名。
2008年和2009年，美國國家技術與標准局組織的TRECVID圖像事件檢測評比中兩次獲得多項第一名。
2010年，帶領團隊在首屆ImageNet大規模視覺識別競賽中獲得第一名(Geoffrey Hinton團隊於2012年獲得第一名）。
余凱在深度學習，特徵學習，貝葉斯學習，高斯過程，推薦系統，圖像識別，圖像檢索等領域多有建樹，在著名學術會議和雜志上發表了幾十篇高質量論文，被同行引用達7000次以上。曾獲得1999中國信號處理學會年會優秀論文獎，第9屆PKDD國際會議最佳論文獎銀獎，和第30屆機器學習國際會議(ICML)的最佳論文獎銀獎。
2013年到2014年，余凱所帶領的語音技術團隊，深度學習技術團隊，和圖像技術團隊，相繼3次獲得業界著名的百萬美金「網路最高獎」，創造了網路公司內部各個技術&業務團隊的記錄。