在澳门举办的IJCAI-19（第28届国际人工智能联合会议）会议期间，腾讯主办的分论坛TAIC（Tencent Academic and Industrial Conference）于8月13号晚上7点在澳门喜来登金沙城中心大酒店举行。腾讯AI Lab与Robotics X Lab负责人张正友在主题演讲环节中，围绕着腾讯AI的基本介绍，目前所取得的进展，以及未来的发展方向三个话题展开演讲，腾讯广告副总裁罗征等多位专家则出席论坛，并针对各自业务进行了介绍。
腾讯人力资源总经理陈双华上台开场发言，从个人职业成长以及公司文化角度对腾讯内部AI人才的发展做了介绍。他强调，在“科技向善”的公司使命背景下，AI人才能够在腾讯超过20个AI人工智能实验室中，结合不同的研究领域（包括计算机视觉、语音、自然语言处理等）和不同的业务场景（如社交、游戏、医疗等），获得超出预期的工作平台和成长机会。同时，腾讯开放且尊重员工的文化能够助力AI人才价值最大化地发挥，例如腾讯的“活水计划”每年帮助内部一千名以上的员工在内部转换个人职业生涯，员工在内部论坛“乐问”上可以随时发起、参与自己关心的公司业务等话题讨论等。多元化的发展路径与开放的公司文化都成为了AI人才发展的助力器。
随后，腾讯AI Lab与Robotics X Lab负责人张正友围绕着腾讯AI的基本介绍，目前所取得的进展，以及未来的发展方向三个话题带来了主题演讲。
据其介绍，腾讯目前已建立两大实验室矩阵——人工智能实验室矩阵，包括致力于全面基础研究与应用的腾讯AI Lab-深圳及西雅图、基于视觉的腾讯优图、基于语音与自然语言理解WeChat AI等四大实验室；以及基于前沿科技的实验室矩阵，涵盖机器人、量子计算、5G、边缘计算、IoT和音视频技术等，打造面向未来的科技引擎，推动自主技术创新。从2016年开始，腾讯积极与外部学界合作，包括建立8大联合实验室，参与53个研究合作项目，联合培养34位顶尖学生，接待了17位全球访问学者，通过一年一度的学术论坛、联合研究、访问学者、博士生及研究生奖学金等多种项目和形式，推动前沿研究应用及人才培养。
关于AI目前所取得的进展，张正友提出当下的AI专注于认知与大数据，例如在计算机视觉、语音识别和自然语言处理中。通过与不同的垂类合作，结合工程和科学研究，AI在腾讯赋能内部业务职能推动了行业变革。例如AI+游戏领域，腾讯一直走在行业前列。与王者荣耀共同探索的前沿研究项目 – 策略协作型 AI 「绝悟」今年8月初在吉隆坡举办的王者荣耀最高规格电竞赛事——世界冠军杯半决赛的特设环节中，在职业选手赛区联队带来的5v5水平测试中获胜，升级至王者荣耀电竞职业水平。测试结果代表腾讯在深度强化学习、多智能体决策智能课题上的国际级 AI 研究水准，也标志着公司在攻坚通用人工智能（ Artificial General Intelligence）难题上更进一步。实验室早在2016年研发的围棋 AI “绝艺”（Fine Art），现担任中国国家围棋队训练专用 AI ；2017年，“绝悟”开始研发并在一年后达到业余顶尖水平，腾讯还在清华联合团队在射击类顶级 AI 竞赛 VizDoom 夺冠，并在《星际争霸2》首先研发出击败内置 AI 的智能体。
未来腾讯AI将如何发展？张正友认为腾讯目前将继续立足脚下，利用好人工智能（AI）、大数据（Big Data）和云计算（Cloud Computing），即ABC科技，构建新型基础设施，做“数字化助手”的标配，形成科技创新与产业应用相互促进的良性循环，这在医疗、安防、零售、交通与娱乐行业已经有所体现。同时，腾讯也将放眼未来，在核心技术上推进前沿、原创和开放性的基础研究，并在关键性技术上前瞻性布局ABC 2.0技术版本，即人工智能（AI）、机器人（RoBotics）和量子计算（Quantum Computing）的全新ABC组合。
腾讯广告副总裁罗征在会上发表了题为《腾讯广告：有趣问题及独特挑战》的演讲。罗征首先回顾了腾讯广告[Tencent Marketing Solution, 简称TMS]的发展历程。腾讯广告以“美好连接，智慧增长”为品牌主张，汇聚腾讯公司全量的应用场景，拥有核心商业数据、营销技术与专业服务能力。互联网广告是驱动工业界大规模 AI 技术发展最重要的场景之一。罗征从智能定向、智能创意及智能出价三个领域，分享了腾讯广告在机器学习的应用研究。从智能定向出发，腾讯广告依托对用户人群画像的深刻洞察，提供包括基础属性、商业兴趣与行为在内的多维标签体系。实现智能定向的核心，离不开对文本信息的理解和对人群定向的准确拓展。腾讯广告的NLP基础技术开放平台DeepText致力于文本分类、文本表示、语义匹配及序列标注等研究方向，通过建模、调优等方式探索广告业务中的实际挑战，目前正在开源阶段。
在智能创意环节，罗征介绍了深度学习算法是如何通过分析文本和图片用于辅助广告审核，提升广告审核质量。而在综艺或影视剧中，AI技术可以进行视频广告素材的巧妙植入，能极大优化视频广告的制作成本和投放体验。此外，系统还提供了以动态商品广告为代表的智能创意产品，可通过算法自动生成优质广告素材，降低投放门槛，提高投放效率。
有了对用户人群的准确定向，也有了优质的广告创意，接下来便是智能出价阶段。智能出价的关键在于对转化率的准确预估（pCVR），而目前转化率建模的最大难题在于转化数据回流延迟，短则几秒，长则几天。腾讯广告通过大规模稀疏DNN训练框架的构建，能实现多转化目标联合训练，共享隐层提升建模效果，统一模型加快迭代效率；此外，其加速比接近线性，具有高扩展性，支持千亿样本训练。
腾讯CSIG医疗AI实验室和天衍实验室的吴贤博士和陈曦博士则带来了腾讯AI在医疗领域的成果分享。
据吴贤博士介绍，他所在的医疗AI实验室主要从临床需求出发，利用人工智能技术构建临床辅助决策系统，解决医患痛点，降低就医成本。医疗AI实验室致力于构建基于人工智能技术的数字诊疗平台，目前在心脑血管疾病（心衰、脑卒中）、皮肤病（银屑病）、运动障碍性疾病（帕金森）等方向都有落地产品。而陈曦博士所在的天衍实验室，成立于2018年，算是腾讯AI中的新成员。陈曦博士介绍，天衍实验室致力于通过大数据和应用机器学习能力在安全和医疗领域打造一个实时演进的知识和决策平台，其成果主要应用于腾讯To B和To C的安全和医疗领域产品。
两位博士在演讲中都提到，作为医疗健康的“数字化助手”，腾讯医疗希望做好三件事情：注重增强自身能力建设，为行业供应创新动力；注重生态开放，为产业链注入新活力；注重科技向善，用科技助力医疗更有温度。
腾讯IEG增值服务部总经理孙龙君上台介绍了增值服务部的主要工作和AI实践。增值服务部负责承担腾讯游戏数据分析和精细化运营的工作，涉及数据分析、机器学习、运营活动开发、运维等多方面的工作。腾讯运营了两三百款游戏，拥有海量的数据，每天新增的日志规模超过两百个T。孙龙君分享了几个案例来说明AI在游戏中的运用，例如游戏商场的推荐，通过用户画像的构建，通过对道具图片、描述文字、功能特点等的分析，采用基于内容的推荐方法为玩家进行个性化的道具推荐，使得用户翻页次数从平均18.5次减小到平均8次，并且商城收入也有平均5%的提升。总的来说，游戏领域有大量的数据和应用场景，可以做很多研究，据孙龙君介绍，增值服务部今年在多个领域发表了顶级会议和期刊的论文，解决许多实际应用问题；同时，也创作了368份专利，其中71件已经授权；还在积极寻求高校合作，目前与11所国内外著名高校保持合作。
腾讯PCG（平台与内容事业群）信息流平台产品部推荐平台研发中心总监熊义林上台向与会者介绍了PCG的概况以及几款主要的信息流产品，然后介绍了一些在信息流推荐系统实施过程中产生的技术思考和PCG AI中台的建设进展。
熊义林介绍了PCG的总体定位与产品矩阵，之后详细介绍了几个信息流产品的技术架构，并结合此次IJCAI大会主题讲解了工业化AI的在具体产品下的实际落地解决方案，以及目前PCG所面对的挑战和解决思路。他强调，PCG中台建设的目标，就是通过内部分布式开源协调，加强基础研发，在多个项目/多个团队/多种技术能力之间建立一个统一的技术平台，促成更多协作与创新，提高公司的技术资源利用效率，为PCG的产品矩阵提供创新动力与技术支撑。
腾讯微信团队的专家研究员郑吴杰博士和高级研究员陈凯则分享了基于大规模用户反馈的实时错误监测的算法研究和微信“看一看”推荐算法，吸引了不少与会者慕名前来交流和提问。
郑吴杰博士分享了微信如何基于大规模用户反馈来进行实时bug检测的算法研究。由于各种原因，bug很难在测试阶段全部发现。同时，传统的终端和后台监控方法有其局限性，不能很好的发现问题。微信团队提出并实现了一套iFeedback系统，通过精细地监控用户反馈中所有词及词的组合的出现频率，采用ElasticSearch进行快速索引，同时通过机器学习方法准确地减少噪声，达到了较好的报警效果。在微信支付、微信公众平台、微信游戏等业务上的报警精度达到70%～90%，严重bug的召回能力达到90%，报警时效性在几分钟到几小时内。同时也提供了bug集中的属性信息，如版本，活动，后台机房等，方便问题定位。该系统已应用到腾讯数百个应用当中。
高级研究员陈凯给大家介绍了微信“看一看”和“搜一搜”的推荐算法。微信里的“看一看”精选做的是内容推荐，其算法的整体架构与传统的推荐架构基本类似，主要包括三个部分：召回、排序和混合（重排）。除了推荐的整体架构外，陈凯老师还给大家深入浅出地介绍了排序模块、NLP的推荐算法、知识图谱的推荐算法以及检索模型的算法。
最后，腾讯TEG的张长旺博士主要介绍了三个研究方向：非监督的短文本层级分类、基于领域知识的兴趣点(POI)匹配，以及大规模图学习和挖掘。以实例介绍了非监督学习、小样本学习、LBS数据挖掘、复杂网络挖掘和图表示学习在真实场景上的优化和应用。优化后的方法相比现有前沿算法在真实数据集上均有显著的准确率提升。张博士也在现场表示，欢迎对相关领域感兴趣的老师和同学进行长线科研合作，一起研发兼有工业和学术价值的科研成果。
此次IJCAI-19的举办地回到中国，腾讯显然也更加重视，派出了豪华的演讲阵容，内容几乎涉及到全部业务。参与分论坛近两百人中，多是各领域内研究者，他们与演讲者形成的互动或许也能推进AI研究中新灵感的出现。而对于腾讯来说，如何抓住AI研究的机遇，实现向产业互联网的变革，实践“科技向善”的使命的确是极为重要的问题，也值得外界更多的期待。
