分享讨论
本次论坛交流嘉宾：中文知识图谱zhishi.me创始人王昊奋、四川大学计算机学院副院长章乐、AWS云计算解决方案架构师、AWS云计算华西区首席架构师、AWS云计算业务发展经理等。各位导师为企业家们带来创新文化分享、技术讲解以及实战指导。
与会代表就新经济企业的创新战略、机器学习基本流程、前沿趋势、未来机遇等内容进行了深入学习和探讨，共同挖掘机器学习在当前新经济发展趋势下的应用前景。
（新经济发展研究院iNED创新中心总监李颖女士主持现场）
上午的主题为创新领导力工作坊，由中文知识图谱zhishi.me创始人王昊奋率先开讲，从企业创始人的角度先对人工智能的发展困境与行业优势进行分析，之后剖析优秀产品经理需要具备的品质，最后以智能客服为例，从市场调研开始讲述设计AI产品的全步骤，帮助企业形成较为全面的行业认知。
（中文知识图谱zhishi.me创始人王昊奋先生进行现场分享）
AWS亚马逊云计算业务发展经理则以亚马逊创新的四个信条：用户至上、长期效益优先、创新发明的前提是接受失败、接受长期被误解为指引，辅以生动细致的事例进行解读。并从四个角度提出确保创新不偏离方向的关键：机制上可以采取逆向工作法流程，架构上尝试构建微服务架构、松耦合应用和自服务平台，文化上需重视创新简化、崇尚行动、勤俭节约，组织上力求打造目标一致而又松耦合的、为速度而优化的双披萨团队。
（“新经济企业创新文化”分享）
聚焦热点话题DevOps（研发运维一体化），AWS亚马逊云计算华西区首席架构师将其解构为组织架构和文化、工程实践和模式以及工具，以Amazon、Netflix、Airbnb的部署为例，带领企业总结持续交付的要点，如保留模版以供内部知识分享、自动化一切、建立自服务门户等。
（“研发运维一体化（DevOps）的落地实践”分享）
立足“CTO——企业管理中的硬实力”，王昊奋先生认为CTO要同时注重对内和对外的职能，对外应知道企业在产业链中的位置，对内应提升开发效率、开拓眼界、平衡团队人员。就AI机器学习与成都结合的应用场景，AWS亚马逊云计算业务发展经理认为最为关键的是要把控解决什么问题、受众是否买单和受众出资金额三个要点。四川大学计算机学院副院长章乐先生指出，成都因其地理及人文环境，在医疗、无人驾驶、5G等行业蕴藏潜在发展空间。
机器学习动手训练营
在“机器学习动手训练营”中，由AWS亚马逊云计算解决方案架构师带领新经济企业技术人员完成客户流失预测的动手实验，涵盖数据的探索和转换，模型的训练、托管、优化及部署全过程。他同时指出，高质量的数据是构建良好数据模型的基础，如何设置考虑了真阳性，假阳性和假阴性结果成本的最佳阈值是建立最佳推理模型，使企业获得最高收益率的关键。
对于机器翻译项目，我们面临的是快速迭代、快速试错的需求。数据搜集->数据清洗->数据预处理->训练模型->模型测试->模型部署是一整套的流程，分离职责，关注接口，CICD这种自动化测试部署的流程规范贯穿始终。这样可以使我们专注于代码功能的改进与开发，对于固定的流程要形成标准化的流水线任务作业。对于后期开发，公司内部也将建立一套DevOp式的开发管理工作流。
（机器学习动手训练营）
牵手AI，语你同行
机器翻译是AI发展三次浪潮中都得到快速发展的领域，对于分享中提到的工业界落地AI的三大困境，语言桥设立了三项指导要求。
1
深挖行业痛点。对于机器翻译项目来说，有效的将机器翻译与行业需求紧密结合，在做产品的过程中应当着重解决人工翻译中发现的痛点。
2
清楚AI的边界，管理期望。目前AI毕竟还无法做到真正理解语言，作为产品经理和技术人员应当清楚认识AI的边界，对于产品有正确的目标预期。
3
建立清晰评价标准，质量体系。对于机器翻译项目来说，我们不能仅仅以BLEU值作为评价标准，应当建立综合机器、人工、用户评价的综合评价体系，可以为产品迭代提升指明方向。
为了让翻译服务高效化、流程化、多元化，公司自主研发并成功发布了多款技术产品，其中与机器翻译相关联产品有：在线翻译辅助平台LanCAT、机翻平台MT.doc和会议云同传“手机听会”。
展望未来，公司将以“翻译智能化”为目标打造AI之路。我们将结合公司自身语料数据特性打造一个在垂直领域精准度和相关度方面都很高的“机器翻译”引擎（确定AI边界），通过优化垂直领域相关度和准确率来提升翻译质量，将“机翻引擎”应用在其他有语言服务需求的教育、医疗、游戏动漫、影音制作等领域，开拓“垂域机翻”系列产品道路。
