王教授介绍了毫米波在未来6G移动通信中的重要意义，并着重介绍了融合低频/毫米波终端的技术挑战和未来发展趋势。
毫米波通信热度很高，但有很多因素阻碍了其广泛应用，其中功耗、鲁棒性、成本等原因最为明显。如何使用人工智能技术降低功耗、提高鲁棒性、解决成本问题，就是毫米波技术突围的核心所在。
王教授介绍了基于深度学习的低频辅助毫米波波束预测。在使用毫米波进行通讯时，存在着多方面的问题，比如损耗大、成本高、功耗大、鲁棒性差等问题。
在王教授的工作中，核心思想为利用毫米波和低频的直射径/反射径达到角的一致性解决上述困难。
首先，在入网的阶段，王教授提出可以利用低频和高频信道的一致性降低终端功耗：当终端设备需要利用毫米波链路进行高速信息传输时，其功耗较大。因此可以使用低频估计直射径是否存在，如果有直射径的条件下才开启毫米波服务。
其次，在开启毫米波服务后，使用低频预测毫米波波束的到达方向。由于任务的复杂性和多模态特征，需要使用AI寻找最佳的到达角。王教授通过使用专门设计卷积神经网络、实部/虚部预处理、以及降采样等组合技术解决上述问题并得到极佳的实验效果。
随后，王教授介绍了基于深度学习的低频辅助毫米波波束跟踪。利用低频信道估计信息，实现毫米波终端的动态跟踪。特别地，利用LSTM网络来进行平滑跟踪，LSTM可以估计出通信中隐藏的重要中间变量，实现快速跟踪。
最后，王教授介绍了基于深度学习的毫米波快速波束训练，可以使用功率泄露的宽波速来进行最优波束的估计和扫描。
未来毫米波和人工智能的应用广泛，比如无线环境感知和工业物联网，王教授总结了当前的应用进展，并提出了多项技术挑战。

梅涛：感知智能到认知智能的关键蜕变

文章插图

梅涛博士（线上演讲）
第二位演讲者是梅涛博士，他的演讲题目是《从感知智能到认知智能的视觉计算》。
梅涛是IEEE/IAPR Fellow，京东集团副总裁，京东探索研究院副院长。 在演讲中，梅博士结合了自己在大型科技公司多年的工作经验，从生活和应用的角度为我们生动地总结了AI的各种成功应用，也以此由浅入深地介绍了从感知智能到认知智能的必要性。认知智能面临着多方面的挑战，而这正是学术和工业界未来的发展方向。相信终有一天，AI能够脱离领域的束缚，达到像人类一样多模泛化的程度。
当前的计算机视觉领域发展飞快，多项技术已经可以达到媲美人类甚至超越一般人类的能力。例如图像分类识别、目标定位。同时AI在内容合成（图像生成、图片描述生成）上进步飞速。但是这毕竟知识感知智能（学标），并非具有“认知能力”的真正人工智能（学本）。
在梅涛博士的演讲中，他分别介绍了视觉认知技术上的最新技术及应用情况、算法从感知智能到认知智能的必要，以及视觉领域的未来发展方向。
在过去的50年中，计算机视觉领域经历了巨大的变革。从最初的特征工程到目前的深度学习，其性能和精度都在同步的提升。最新的计算机视觉技术可以分为标签识别、目标跟踪、视频流行为识别、语义分割、文字生成图像、3D视觉感知等领域。
在细粒度的视觉识别研究中，基于各种模型结构技术（例如自注意力机制）已经可以实现精细物体、标签的识别。而在3D图像处理领域，很多技术能够辅助将日趋成熟的2D技术迁移至3D领域。在图像的文字描述方法中，很多商品图片的描述、根据文字自动生成模拟换装效果的技术也已经大规模使用。
随后，梅博士结合实际的产品为我们介绍了视觉AI的各种有趣应用，包括基于图片的商品搜索、搭配推荐、智能导播、智能客服等。这些技术已经深入到我们生活的方方面面。
梅博士介绍道，从感知智能过度到认知智能是一种宏观统筹的期望，希望算法达到从视觉迁移到知觉、触觉、听觉等方面的能力。在未来，这是AI发展的大方向。
在这个过程中，鲁棒性、数据偏见等方面的挑战十分严峻。从目标的角度上来说，传统人工智能能够增强人们的认知并且提供辅助。而感知智能则是希望能够理解人类的行为，并且拟人进行推理等功能。在能力方面，以前的人工智能方法希望能够找到模式，而感知智能是想将人类的意识和理解进行建模，并且找到解决事情的思路和逻辑。