8月30—31日，由OFweek中國高科技行業門戶、高科會主辦，OFweek人工智能網、OFweek智能硬件網承辦的“OFweek（第二屆）中國人工智能產業大會”在上海成功舉辦。在“OFweek（第二屆）人工智能產業大會--AI+智能硬件論壇”上，中國科學院計算技術研究所研究員，博士生導師，泛在計算系統研究中心主任，IEEE SMC交互與可穿戴計算機及設備技術委員會共同創始委員陳益強博士為現場觀眾帶來了“越來越'聰明'的智能硬件”主題報告演講，主要介紹智能硬件產品設計研究成果以及如何迎接產業面臨的前沿挑戰。
中國科學院計算技術研究所研究員，博士生導師陳益強先生出席演講
IoE（萬物智聯）是人工智能的發展方向
首先，他從著名的摩爾定律說起，該定律由行業巨頭英特爾公司創始人戈登摩爾提出：當價格不變時，集成電路上可容納的電子元器件數目，約每隔18到24個月便會增加一倍，性能也將提升一倍。“大約每過十年，新編程平臺、網絡、交互方面的技術進步會促成一個全新而且通常是價格更低廉的計算機平臺。這個平臺一旦形成，就會產生一個相對獨立的產業結構” 陳益強先生如是表示。而他認為IoE（萬物智聯）是繼移動終端後的一大信息化平臺，並認為萬物智聯中的語音對話輸入將逐漸取代移動終端中的多點觸控輸入成為第一交互方式。
互聯是基礎，智能是效率
陳益強先生表示：我們可以通過物端計算機實現無處不在的感知（包括移動感知、穿戴感知和環境感知），通過邊緣計算實現無需干預的機器學習，通過雲服務實現無所不達的服務。並且他認為，在智能硬件加成下，醫療健康、居家養老和兒童教育三大產業能夠成為有效地拉動內需的三駕馬車。
感知數據到機器學習的三大挑戰：標記少、調參繁、適配差
生成對抗學習可以解決數據標記少的問題，比如兩臺機器對抗學習生成訓練數據，進而能在圍棋人機大戰上與大師對決。無調參、無模型選擇、自動化的遷移學習方法可以有效解決調參繁的問題。增量學習，不斷調試適配可以緩解各設備、各網絡環節之間適配差的問題。
E-Health（電子健康）將向C-Health（認知健康）轉變
就是說，隨著智能硬件的進步，我們不僅僅是檢測數據，還可以把數據傳輸到處理中心，經過數據的處理、比對，最終我們可以從反饋中瞭解到自己的健康狀況。例如最近陳益強先生帶領團隊新開發的帕金森助手，可以輔助醫生智能量化評分病患的記憶認知能力和手指靈活性。認知健康需要連接數據、人、系統。陳益強先生同時認為：應該將可穿戴檢測數據標準化，使體徵數據可以統一共享到後臺；構建推廣遠程醫療服務系統，實現“面對面、手把手、心連心”的醫療健康關懷，滿足邊遠地區對於良好醫療條件的需求。
願景：無處不在的泛在計算，滿足人民對美好生活的需求
通過無處不在的泛在計算，構建醫院網絡聯盟應用，實現全科遠程醫療+可穿戴標準數據的落地，讓優質醫療資源普惠更多人民群眾；以及在其他渠道產業比如教育事業上更好地提升人民的生活水平。
閱讀更多 道普網 的文章
