机器之心编辑部报道

Hinton等6位图灵奖得主、百余位顶级学者邀你加入群聊,共话人工智能下一个十年

Geoffrey Hinton 等 6 位图灵奖得主亲临,百余位顶级学者邀请你加入群聊「2020 北京智源大会」,深入系统探讨「人工智能的下一个十年」。

自 2009 年深度学习崛起以来,第三波人工智能浪潮席卷全球,推动了新一波技术革命。

在这波澜壮阔的 11 年,我们见证了技术突破、应用创新与产业变革。

技术上,深度学习首先带来计算机视觉语音识别等领域的突破,让机器识别的准确率一步步突破人类水平;在应用上,深度学习强化学习联邦学习等学习范式在安防、游戏、金融等不同场景带来新的创新。人工智能技术,在这些领域由点到面的落地应用,逐步推动着整个产业的变革。

技术变革,需要不断的推陈出新。在这 11 年中,如果说前半期是深度学习的时代,那么近年来我们能够看到更多不同的概念继续推动这人工智能的发展:符号主义、因果关系、联邦学习,等等。

2020 年,是一个十年的结束,也是下一个十年的开始。

在未来的十年,人工智能技术将如何发展?如何推动 AI 技术在医疗、交通等领域的落地应用?如何构建 AI 基础设置、规范 AI 伦理,都是当前人工智能领域亟待解决的问题。

依托北京在人工智能领域的科研和人才优势,第二届北京智源大会将于 6 月 21-24 日线上开幕。

此届大会围绕技术、应用、基础设施等话题,广泛邀请国内外人工智能领域的顶级专家学者,探索人工智能前沿科技发展趋势,对人工智能基础研究发展现状及面临的机遇和挑战、人工智能技术未来发展的核心方向等话题展开分享与讨论。本届大会主席由智源研究院理事长、源码资本投资合伙人张宏江,智源研究院学术顾问委员会委员、中国工程院院士高文担任。程序主席为智源研究院院长、北京大学教授黄铁军,智源研究院学术副院长、清华大学教授唐杰

汇聚图灵奖得主、院士大咖的超强嘉宾阵容

为什么说这场北京智源大会不容错过?在机器之心看来,今年的大会确实有着非常多的亮点。

首先是嘉宾阵容十分强大,从目前更新的报告嘉宾中,我们看到了众多熟悉的名字和面孔:

其中就包括 6 位来自美国、加拿大和法国的图灵奖得主:Geoffrey Hinton、 Alan Kay、Judea Pearl、Manuel Blum、Joseph Sifakis、John Hopcroft。值得注意的是,在刚刚出炉的 Guide2Research2020 全球顶尖计算机科学家排名中,Geoffrey Hinton 在「Top 10 计算机科学家」榜单排名第 9 位。

此外,在榜单中排名第一位的 Anil Jain 也将来到本次大会。Anil Jain 兼有美国工程院院士、中国科学院外籍院士、密歇根州立大学教授等多个身份,H-index 高达 188,位居计算机科学领域全球第一。排名第 4 位的 Michael I. Jordan(美国三院院士,H-index 166)也将亲临大会,担任论坛主席一职。

大会也邀请到了人工智能各领域多位世界级的专家,包括英国两院院士、英国曼彻斯特大学教授、智源学术顾问委员会委员 Steve Furber,瑞士 AI 实验室教授、LSTM 之父 Jürgen Schmidhuber,美国工程院院士、数值优化权威 Jorge Nocedal,哥伦比亚大学数据科学研究院院长周以真(Jeannette M. Wing),美国工程院院士、MIT Connection Science 实验室主任 Alex Pentland,AAAI 候任主席、康奈尔大学教授 Bart Selman,MIT CSAIL 教授、智能医疗专家 Regina Barzilay,CMU 教授、苹果 AI 负责人 Ruslan Salakhutdinov 等。

还有多位大名鼎鼎的国内学术界和产业界领袖,包括中国科学院院士、智源学术顾问委员会主席张钹,创新工场创始人兼 CEO 李开复,奇绩创坛创始人兼 CEO 陆奇,清华大学教授张亚勤,英国皇家工程院院士、香港浸会大学副校长郭毅可等。

19 个专题论坛,追踪人工智能最新发展方向

除全体议程外,本次大会特设 19 个专题论坛,主题涵盖人工智能数理基础、自然语言处理、智能体系架构与芯片、人工智能伦理治理与可持续发展、机器学习、智能信息检索与挖掘、认知神经基础、机器感知、决策智能、AI 医疗、AI 创业、AI 交通、AI+大数据+防疫、AI 框架、神经网络、知识智能、强化学习、青年科学家机器学习前沿,以及 AI 科技女性,遍历人工智能基础研究及创新应用,结合时局解析人工智能最新动态,探索未来发展方向。

论坛主席汇集了加州大学伯克利分校教授、智源学术顾问委员会委员 Michael I. Jordan,中科院自动化所所长、智源研究院理事徐波,清华大学教授、智源研究院理事鲁白,中国科学院院士、智源首席科学家张平文,依图科技首席技术官、智源首席科学家颜水成,中国人民大学教授、智源首席科学家文继荣,中科院计算所研究员、智源首席科学家陈云霁,清华大学教授、智源首席科学家孙茂松,中科院自动化所研究员、智源人工智能伦理与安全研究中心主任曾毅,清华大学教授、智源研究员陈文光,滴滴人工智能实验室负责人、智源研究员叶杰平,清华大学副教授、智源青年科学家刘知远,北京师范大学教授、认知神经科学与学习国家重点实验室副主任刘嘉,北京航空航天大学教授吕卫锋等国内与国际不同研究方向代表。

尽管本次大会是以线上方式举行,但环节设置也十分完善,有学术报告、前沿对话、圆桌论坛、专访直播间等分享形式,还将上演 AI 现场挑战决策智能巅峰——即时战略游戏「星际争霸」的宗师级选手,为参会者开放更加全面的观会视角,创造更多互动话题。

大佬们要讲什么?

那么,你一定想提前知道,在这场大佬云集的会上,各位嘉宾都会分享什么主题?

首先我们来看下 Hinton 老爷子的主题。有着「深度学习之父」之称 Geoffrey Hinton 以其在类神经网络方面的贡献闻名。他的身份包括加拿大计算机学家和心理学家、多伦多大学教授、Google 工程 Fellow 等。2010 年,Hinton 获得了加拿大科学和工程领域的最高奖项——赫茨伯格金奖。2018 年,Hinton 因其在深度学习方面的贡献被授予图灵奖。

在研究上,Hinton 一直是无监督学习的推崇者,就像他总是提到的,「I always knew unsupervised learning was the right thing to do.」这一次,Hinton 老爷子的演讲主题是《Untethering Unsupervised Learning》,将介绍他在无监督学习领域的一些新的思考。

说起图灵奖得主,我们也总会联想到瑞士 AI 实验室教授、LSTM 之父 Jürgen Schmidhuber。此番线上参与智源大会,他分享的主题是《AI against Covid-19》,将聚焦人工智能技术在新冠疫情抗击行动中贡献的力量。

Manuel Blum 是卡内基梅隆大学计算机科学教授,他是密码系统和程序检验的先驱,也是计算复杂性理论的主要奠基人之一。1995 年,Manuel Blum 因其「奠定了计算复杂性理论的基础和在密码术及程序校验方面的贡献」被授予图灵奖。本次大会他分享的主题为《Towards a Conscious AI: A Computer Architecture inspired by Neuroscience》

Joseph Sifakis 是法国科学院院士、法国国家工程院院士、欧洲科学院院士、美国艺术与科学院院士、国家工程院院士、中国科学院院士。2007 年,他因其在模型检查理论和应用方面的贡献而获得图灵奖,模型检查是目前应用最广泛的系统验证技术。Joseph Sifakis 本次的分享主题为《Can we trust autonomous systems?》

Steve Furber 是英国计算机科学家、数学家和硬件工程师,目前担任英国曼彻斯特大学教授职位。Furber 以其对电子系统(尤其是微处理器)设计及分析的贡献而著称,他是 ARM 处理器的硬件体系架构的原始设计者。本次 Furber 的分享主题为《Building Brains - artificial and biological intelligence》

除此之外,每位受邀嘉宾都会分享自己所在领域的全新思考,作为有志于从事人工智能研究或已经身为人工智能从业者的你,千万不要错过。

本届大会现已开放注册,更多演讲主题将会持续更新,点击「阅读原文」通过机器之心专属链接免费注册。

产业人工智能大佬云集2020北京智源大会
相关数据
唐杰人物

唐杰是清华大学计算机系副教授。他以学术社交网络搜索系统Arnetminer而闻名,该系统于2006年3月推出,目前已吸引来自220个国家的2,766,356次独立IP访问。他的研究兴趣包括社交网络和数据挖掘。

张宏江人物

张宏江,生于湖北武汉,11岁时随家人移居河南叶县。1982年毕业于郑州大学无线电系。后来取得丹麦科技大学电子工程博士学位。2006年任微软亚太研发集团首席技术官、微软亚洲工程院院长,2011年10月至2016年12月任金山软件CEO。他被认为是计算机视频检索研究领域的“开山鼻祖”。

颜水成人物

颜水成,新加坡国立大学副教授、360集团副总裁、人工智能研究院院长、第十三批国家 "千人计划"专家。颜水成的主要研究领域包括计算机视觉、深度学习、信息检索应用与多媒体分析。他带领的团队曾提出的“Network in Network” ,对深度学习产生了很大的推动力,同时他的团队开发的”Purine”是全球第一个开源的支持多机多GPU的深度学习系统。

刘知远人物

刘知远,清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011 年获得清华大学博士学位,已在 ACL、IJCAI、AAAI 等人工智能领域的著名国际期刊和会议发表相关论文 60 余篇,Google Scholar 统计引用超过 2100 次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖,入选中国科学青年人才托举工程、CCF-Intel 青年学者提升计划。担任中文信息学会青年工作委员会执委、副主任,中文信息学会社会媒体处理专委会委员、秘书,SCI 期刊 Frontiers of Computer Science 青年编委,ACL、COLING、IJCNLP 领域主席。

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。

信息检索技术

信息检索(IR)是基于用于查询检索信息的任务。流行的信息检索模型包括布尔模型、向量空间模型、概率模型和语言模型。信息检索最典型和最常见的应用是搜索引擎。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

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。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图神经网络技术

图网络即可以在社交网络或其它基于图形数据上运行的一般深度学习架构,它是一种基于图结构的广义神经网络。图网络一般是将底层图形作为计算图,并通过在整张图上传递、转换和聚合节点特征信息,从而学习神经网络基元以生成单节点嵌入向量。生成的节点嵌入向量可作为任何可微预测层的输入,并用于节点分类或预测节点之间的连接,完整的模型可以通过端到端的方式训练。

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。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

认知神经科学技术

认知神经科学(英语:Cognitive neuroscience)是一门科学学科,旨在探讨认知历程的生物学基础。主要的目标为阐明心理历程的神经机制,也就是大脑的运作如何造就心理或认知功能。认知神经科学为心理学和神经科学的分支,并且横跨众多领域,例如生理心理学、神经科学、认知心理学和神经心理学。认知神经科学以认知科学的理论以及神经心理学、神经科学及计算机模型的实验证据为基础。

创新工场机构

创新工场由李开复博士创办于2009年9月,作为国内的创业投资机构,创新工场深耕在人工智能&大数据、消费和互联网、B2B&企业升级、教育、医疗等领域,并不断探索与创新,致力于打造集创业平台、资金支持、投后服务等的全方位生态投资服务平台。

http://www.chuangxin.com/
联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

孙茂松人物

孙茂松,教授,博士生导师,曾任清华大学计算机科学与技术系系主任,现任教育部在线教育研究中心副主任、清华大学计算机系党委书记、清华大学大规模在线开放教育研究中心主任。

推荐文章
暂无评论
暂无评论~