魏子敏记者

北邮成立人工智能研究院:整合全校AI资源,面向社会开展广泛合作

7月19日,北京邮电大学(北邮)创新研究院在该校宏福校区正式揭牌成立。作为创新研究五大研究方向之一,北京邮电大学人工智能研究院同时揭牌。

北京邮电大学乔建永校长在揭牌仪式上致辞

据介绍,北邮人工智能研究院是学校打造研究院集群的重要举措,也是创新研究院优先启动建设的五大研究院之一,另外四个方向还包括物联网、信息功能材料、网络空间安全和军民融合技术。

人工智能研究院以人工智能基础理论、认知计算技术与应用、知识推理技术与应用、智慧教育技术与服务为方向开展原创和应用研究,以“高精尖”、“产业化”为特色和目标,致力于形成有重要影响力的品牌技术和产品,建设一支具有国际一流学术水平和开发能力的研究队伍, 成为人工智能领域知名的研究基地。

据大数据文摘了解,北邮希望通过人工智能研究院整合全校的研究力量,目前已有50多位老师和500多位研究生加入。

人工智能研究院负责人由郭军副校长担任,研究院将面向社会开展广泛合作。

据了解,北邮人工智能研究院未来将侧重视频监控、自然语言理解、AI+医疗,以及人工智能娱乐四大板块。希望以人工智能研究院为平台,链接校内外相关政府企业社会和学术界。

北邮的人工智能研究由来已久

揭牌仪式后,北邮也发布了一部宣传片,介绍人工智能研究历史,并宣告人工智能研究院的成立👇


上世纪70年代末80年代初,北邮蔡长年教授和罗耀光教授分别研制数字语音电话拨号系统和邮政编码识别系统,开启了人工智能行业应用的先河。

90年代初,钟义信教授开始对人工智能理论进行系统研究,出版著作《智能理论与技术》后又提出信息、知识、智能转换理论、机制主义人工智能理论等,在国内外产生重要影响,钟义信教授2001年担任人工智能学会理事长,2012年获首届吴文俊人工智能科学技术成就奖。

1990年代,北邮蔡安妮教授和孙景熬教授在国内率先研究多媒体和图像识别技术,为公安部研制的自动指纹识别系统,首次突破了面向50万人数据库的大关,并荣获北京市科技进步二等奖。

1992年郭军教授提出基于整形变换的手写汉字识别算法,使国际技术水平大幅跃升,2009年编著出版创新教材《Web搜索》并开设研究生课程,2011年提出分析复杂网络的激活力模型,在词亲和度计算等应用中获得成功。

1998年以来,模式识别与智能系统实验室、多媒体与模式识别实验室、智能科学技术中心、数据科学中心相继成立,50多名教师和500多名研究生工作在这些基地,形成了一支强大的科研队伍。

有心的同学可能也注意到了,由大数据文摘字幕组推出的三门人工智能课程就是和北邮模式识别实验室合作进行的。

感兴趣的同学通过以下链接就可以进行学习👇

牛津大学xDeepMind 自然语言处理

https://study.163.com/course/introduction/1004336028.htm

MIT6.S094深度学习自动驾驶

https://study.163.com/course/introduction/1004938039.htm

斯坦福李飞飞-深度学习计算机视觉

https://study.163.com/course/introduction/1003223001.htm

十多年来,北京邮电大学在国内外最具影响力的人工智能领域技术竞赛中也屡拔头筹,在人脸检测和文本分类、汉语命名实体识别、汉语词性标注、汉语词义推导、知识库填充、自动摘要技术、汉语切分技术、视频事件检测等领域获得了多个奖项。

在刚刚结束的CVPR2018: DeepGlobe Road Extraction Challenge(全球卫星图像道路提取)比赛中,北京邮电大学信息与通信工程学院模式识别实验室张闯老师指导的研究生周理琛同学,脱颖而出,取得第一名的好成绩。

北邮的年轻教师在人工智能领域也有不俗表现:邓伟洪博士在Science上发表技术评论;陈光副教授开设人工智能学术微博、创办AI脱口秀网络节目;马占宇副教授等获2017年度吴文俊人工智能科学技术一等奖。

视频的最后,人工智能研究负责人郭军教授也对北邮人工智能实验室做出了寄语:

“北邮人工智能研究院承载着北邮人的梦想,我们要乘势而上,让梦想成真。”

北邮人工智能研究院是落实国家《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划(2018-2020年)》和《高等学校人工智能创新行动计划》的重要举措。据不完全统计,目前全国已有中国科学院大学、西安电子科技大学、南京大学、重庆邮电大学、湖南工业大学、长春理工大学、天津大学、南开大学、南京大学加入这个行列。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业人工智能研究院北邮
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

文本分类技术

该技术可被用于理解、组织和分类结构化或非结构化文本文档。文本挖掘所使用的模型有词袋(BOW)模型、语言模型(ngram)和主题模型。隐马尔可夫模型通常用于词性标注(POS)。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

词性标注技术

词性标注是指为分词结果中的每个单词标注一个正确的词性的程序,也即确定每个词是名词、动词、形容词或其他词性的过程。

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

命名实体识别技术

命名实体识别(NER)是信息提取(Information Extraction)的一个子任务,主要涉及如何从文本中提取命名实体并将其分类至事先划定好的类别,如在招聘信息中提取具体招聘公司、岗位和工作地点的信息,并将其分别归纳至公司、岗位和地点的类别下。命名实体识别往往先将整句拆解为词语并对每个词语进行此行标注,根据习得的规则对词语进行判别。这项任务的关键在于对未知实体的识别。基于此,命名实体识别的主要思想在于根据现有实例的特征总结识别和分类规则。这些方法可以被分为有监督(supervised)、半监督(semi-supervised)和无监督(unsupervised)三类。有监督学习包括隐形马科夫模型(HMM)、决策树、最大熵模型(ME)、支持向量机(SVM)和条件随机场(CRF)。这些方法主要是读取注释语料库,记忆实例并进行学习,根据这些例子的特征生成针对某一种实例的识别规则。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~