开场致辞

这次大会从启动到举办用时近六个月，先后邀请超过100位人工领域技术专家进行前期筹备工作，最终呈现10大专题，49场分享的精彩大会内容。本次分享就，AISummit全球人工智能技术大会举办的意义进行了解析，就AI技术现阶段的意义及产业融合中的矛盾与问题进行了剖析，对本次大会核心理念进行了高度的凝练与概括，提出了“科技向善”的核心要义。

下一代智能搜索技术展望

搜索引擎从诞生之初到现在已经有二十多年，其形式和架构一直没有发生很大改变。随着互联网的发展和智能设备的普及，我们对信息，尤其是复杂信息的需求日益高涨，传统的搜索方式然无法满足。本次分享,对新一代智能搜索技术的发展趋势和核心特征进行了解读，同时就交互式、多模态、可解释搜索、及以大模型为中心的去索引化搜索等技术做出了详尽分析。

现实世界场景决策的机遇与挑战

近年来，深度学习在处理自然数据输入(如计算机视觉、语音识别和自然语言处理)方面成绩斐然。然而，怎样用深度神经网络来处理结构化的数据，（如日志，优化问题的结构化描述，代码)，为一些离散优化问题找到一条替代人力启发式策略的神经网络方案，仍然是个未解决的问题。本次分享，将介绍如何使用强化学习和搜索方法搭配神经网络，从而寻找复杂优化问题的启发式算法。涉及到的应用领域包括：化简符号表达式、在线事务调度、神经网络架构搜索。

人工智能技术发展趋势探讨

AI核心技术持续进步，向多模态融合感知和软硬一体发展，AI技术应用广泛落地，赋能各行各业，给予行业更优解决方案，但是目前还存在很多挑战。 本次分享就如何形成更自然、情感贯穿、虚实结合的交互方式，如何形成行业解决方案、软硬一体，数据贯穿，持续进化，人机协同的复杂智能系统等问题进行回答。

影响谷歌人工智能芯片设计的十点认识

随着数年来计算机处理器摩尔定律的失效，机器学习和人工智能应用日趋广泛，均带动了对于算力需求的爆发式增长。在这种趋势下，谷歌率先发现并提出了基于特定领域处理器（DSA）的解决方案。本次分享从人工智能应用、芯片设计、软硬件协同演进等方面总结谷歌内部的十点认识，就其对新一代推理芯片的架构、设计的影响进行梳理，并对谷歌芯片、软件的协同演进进行了解读。

大规模机器学习算力的技术演进

从2014年深度学习热度提升开始，到今天GPU的算力提升了几十倍。提升算力给业务带来了巨大的影响，无论是对推荐广告、CV、NLP等都有巨大的效能提升，同时也为大模型的落地做了铺垫。本次分享，就大模型落地重所遇到的技术难点和边界收益递减等问题进行回答，及对近几年和未来算力发展进行解读，同时对算力与机器学习行业间的促进与影响进行深入剖析。

多样化搜索广告文本生成及在线实时匹配

广告文本生成的过程中，需要系统具备离线及在线系统，并且需要生成模型有预训练、引导式文本生成、文本质量评价、增强学习等细分生成模型，同时需要保证在线文本能够进行实时匹配。本次分享以微软Bing DeepGen项目为例，介绍了广告文本生成技术，包括系统简述、基础和多样化生成模型，广告在线文本实时匹配的算法模型及模型特征，及商业影响。