出品人:马国俊 
字节跳动智能服务部门技术负责人
负责客服体验、生态治理、AI+质量等多业务方向的智能化建设,主导了多个公司级AI应用系统落地,技术上主要涉及计算机视觉、NLP、多模态、LLM、数据与服务工程等领域,带领团队连续获得字节跳动2021、2022年度最佳技术贡献团队奖。申请发明专利50多项。                                                                                                                                                                           

AI应用开发

大模型的出现开启了强人工智能时代的闸门,多轮对话、写作助手、图片生成等各类ToC场景下的创意应用开始不断涌现,也逐步受到企业的关注和重视。基于大模型的应用可以涉及文书、策划、设计、客户服务、营销等,本专题聚焦高价值场景:企业客户和营销服务,分享在对外服务、对内运营等场景下的落地应用案例和技术实践经验。                                                                                                                                                                                                                                          
基于LLM的抖音理性内容识别技术与实践                       
万明阳
字节跳动智能服务团队风险挖掘算法负责人
现就职于字节跳动互娱研发智能服务团队,风险挖掘算法负责人                              
内容简介:
基于大模型和多模态技术识别理性内容            

演讲提纲:
1、背景介绍
1)什么是理性内容
2)理性内容对产品的业务收益是什么
2、传统理性识别技术方案
1)基于Bert的理性识别方案
2)传统理性识别方案的挑战
3、大模型理性识别技术方案
1)大模型理性识别方案
2)大模型识别方案的优势与效果
4、业务落地与实践
1)抖音生态场景落地效果
2)更多落地场景探索
5、总结与展望
  
听众受益:
了解大模型与传统模型的技术区别和优势        
                                                                                                             
Copilot everywhere -- 打造全栈AI应用开发基座                      
揭光发
腾讯技术专家
18年研发与团队管理经验,前腾讯云TVP,全栈低代码开发专家,腾讯低代码Oteam负责人,大模型应用早期实践者与布道师。在团队中深度践行LLM对研发提效,个人代码中AI含量达90+%。国内顶级行业及技术峰会担任大模型相关话題讲师或出品人10+次。                        
内容简介:
探讨大型模型时代下,代码产品的演变趋势,以及如何在全新的AI应用开发领域中构建全栈AI应用开发基座,实现"Copilot everywhere"的愿景。                                                                                                                                                                           
演讲提纲:
1、后大模型时代码产品形态与趋势
2、全新的开发领域 -- AI应用开发
3、全栈的AI应用开发基座
4、应用Case 聊开发     

听众受益:       
1、深入了解大型模型时代对代码产品的影响和演变趋势,有助于他们跟上技术的最新发展。 
2、理解全新的AI应用开发领域,包括相关的技术栈和方法论,为他们在这一领域中的探索和创新提供指导。 
3、掌握构建全栈AI应用开发基座的关键概念和技术,包括调度后端和交互前端,以及如何有效地管理全生命周期。 
4、了解"Copilot everywhere"愿景的实际应用案例,如通过自然语言对话生成应用和进行日常运营数据查询,为听众提供实际的灵感和解决方案。                                                                               
AI 范式演进对AI落地的影响                      
李  烨
微软(亚洲)互联网工程院首席算法工程师
曾在SUN、EMC 等跨国IT公司的核心研发部门工作,20年软件研发经验,10+ 年 AI 产品研发经验
微软商用人工智能团队 AI 架构师, 7 年 AI to Business 经验
微软AI Talent Program 创始人,设计研发AI 实训平台及相关教育产品
专家领域:知识图谱、智能对话、自然语言理解、人工智能行业解决方案、人工智能行业赋能
科普作家,著有 《算法第一步》、《机器学习极简入门》、《人工智能入行实战:从校园到职场》等书。                                     
内容简介:
首先,我们将介绍生成式 AI 的兴起及其与 AI 范式演进的关系。在这一部分,我们会探索生成式 AI 的定义,以及 GPT 和 Diffusion 模型的工作原理和特点。
随着 AI 范式的不断演进,提示工程也逐渐崭露头角,我们将探讨它对各行业产生的深远影响。
接下来,我们将深入讨论 AI 落地的各种挑战和问题。客户对 AI 落地的根本诉求是什么?在 AI 落地过程中,我们面临哪些技术和非技术层面的问题?随着 AI 范式的不断演进,旧有问题会受到怎样的冲击?
最后,我们将探讨如何打通 AI 落地的最后一公里,确保技术能够真正为企业和个人带来价值。
                                                                                                                                                                           
演讲提纲:
1、生成式 AI 的兴起与 AI 范式的演进
1)什么是生成式 AI
2)GPT 模型与 Diffusion 模型
3)AI 范式的演进
4)提示工程的兴起及其对各行业的冲击
2、AI 落地的挑战和问题
1)客户对 AI 落地的根本诉求
2)AI 落地面临的问题(技术层面&非技术层面)
3)AI 范式演进对旧有问题的冲击
4)打通 AI 落地的最后一公里     

听众受益:
1、成功与失败的教训:演讲者拥有7年AI落地的一线实践经验,为多家不同行业的头部企业研发过AI赋能的行业解决方案。经历过AI落地的成功与失败,演讲者将为您揭示AI落地过程中可能遇到的各类问题,并提供实际应对策略。
2、技术演进的见证:演讲者的经验涵盖了从特定任务的小模型到现今的通用大模型的AI技术发展全程。这不仅能帮您洞察AI技术的历史演进,还能为您展望未来发展趋势。
3、理论与实践的结合:此次分享将为您提供从实践中摸索出的宝贵经验。此外,演讲者也对遇到的问题进行了深入的理论总结,将为您提供更系统、全面的知识体系。
总之,此次分享将为您提供宝贵的第一手资料,演讲者希望通过分享自己的经验和洞见,帮助AI应用领域的同行们少走弯路,更高效地推进AI项目落地。 
                                                                                                             
阿里云人工智能平台PAI的MaaS实践    
罗义云
阿里云智能资深技术专家
毕业于北京大学,曾任微软高级研发经理、旷视科技AI平台高级技术总监,现任阿里云资深技术专家、AI平台工程技术负责人。在机器学习、人工智能、大数据等方向有着深厚的技术积累和丰富的行业经验。
                 
内容简介:
1、【WHY】预训练模型和开源模型社区对模型生产范式带来了新的变化,模型即服务(MaaS)的概念应运而生。平台应该更多的融入生态,通过对优质内容的集成,支持企业和开发者高效的完成这一范式的转变,享受“AI平民化”带来的红利。
2、【WHAT】PAI通过快速开始(QuickStart)、SDK、DLC、EAS等产品,将ModelScope、HuggingFace等模型社区的优质模型与平台优化能力深度集成,让用户在平台上享受到一站式的模型训练和部署的体验。
3、【HOW】通过demo,演示如何在PAI快速开始中完成一个LLM的训练和部署。

 演讲提纲:
1、MaaS的起源和定义
2、PAI的MaaS实践
2.1 PAI整体架构
2.2 PAI的MaaS理念
2.3 PAI的MaaS实践
3、未来展望
   
听众受益:
1、了解模型即服务(Model-as-a-Service, MaaS)的起源、定义和组成部分
2、了解主流云厂商的MaaS实践
3、深入了解阿里云AI平台PAI的MaaS实践                                                                                                          
京ICP备2020039808号-4