Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

亚马逊研究奖获奖名单公布:邢波、杨笛一等多位华人入选

2022 年亚马逊研究奖已经正式公布,今年共有 26 位获奖者,华人学者占比近半。

近日,亚马逊公布了 2022 年春季研究奖(ARA,Amazon Research Awards)获奖名单,今年共有 26 位获奖者,来自 7 个国家 24 所大学。

亚马逊研究奖 (ARA) 成立于 2015 年,该计划旨在为多个学科研究主题的学术研究人员提供不受限制的资金。获奖者可以公开访问 300 多个亚马逊公共数据集,并可以使用亚马逊的 AI/ML 服务和工具。除此以外,获奖者还将与亚马逊专家建立联系,以获得咨询和建议,还可以参加亚马逊举办的活动、培训课程等。

图片

值得注意的是,今年的获奖名单中出现了很多熟悉的华人学者。

邢波

图片

  • 机构:卡耐基梅隆大学(CMU)

  • 研究方向:在云端提供更快、更准确的安全模型服务框架

邢波曾任卡耐基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了 Petuum 平台利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016 年 11 月,邢波创立 Petuum 公司,担任 CEO 和首席科学家。2020 年 11 月,邢波成为全球第一所人工智能大学 MBZUAI 校长。

杨笛一

图片

  • 机构:斯坦福大学

  • 研究方向:用于长文本生成的人在回路(Human-in-the-loop)

杨笛一为斯坦福大学计算机科学助理教授。作为知名的华人计算机科学家,杨笛一 28 岁就成为了佐治亚理工学院的助理教授,后来又凭借在 NLP 领域的卓越成就入选 2020 年「福布斯 30 位 30 岁以下科学精英榜」。目前,她在 Google Scholar 上的引用量已经超过 8000。

在拿到上海交通大学的计算机科学学士学位后,杨笛一前往美国卡内基梅隆大学攻读硕士和博士,师从人机交互领域开拓者之一 Robert Kraut 和 NLP 领域权威 Eduard Hovy。在这一时期的论文工作中,杨笛一通过将机器学习技术与社会学、社会心理学相结合,开发了与计算社会学相关的算法。

在完成博士学位后,杨笛一成为了佐治亚理工学院计算机学院的助理教授,领导佐治亚理工学院的社会和语言技术 (SALT) 实验室。该实验室致力于结合 NLP、机器学习和社会科学来研究人类如何在社会环境中使用语言。之后她离开佐治亚理工学院,加入斯坦福大学,在计算机科学系任助理教授,致力于「socially aware and positive NLP」方向的研究。

Muhao Chen

图片

  • 机构:南加州大学

  • 研究方向:信息提取的可靠性研究


Muhao Chen 是南加州大学计算机科学系的助理研究教授,是南加州大学语言理解和知识获取 (LUKA) 实验室负责人。他的研究重点是机器学习的稳健性和最小监督的数据驱动机器学习,用于自然语言理解、结构化数据处理和从非结构化数据中获取知识。Muhao Chen 本科毕业于复旦大学,2019 年获得加州大学洛杉矶分校计算机科学系博士学位,曾在宾夕法尼亚大学任博士后研究员。

淦创


图片

  • 机构:麻省大学阿默斯特分校

  • 研究方向:通过神经符号学习自动标记视觉和文本数据

淦创现任麻省大学阿默斯特分校教师,也是麻省理工学院和 MIT-IBM 沃森人工智能实验室的研究科学家。他在清华大学获得博士学位,师从姚期智教授。淦创的研究涉及计算机视觉人工智能、认知科学和机器人学的交叉领域。他研究的总体目标是建立一个类似于人类的,掌握常识的 AI 智能体,以在物理世界中进行感知、推理和行动。

李洲

图片

  • 机构:加州大学欧文分校

  • 研究方向:离散时序图上准确、可扩展和稳健的攻击来源

李洲是加州大学欧文分校电气工程与计算机科学系的终身助理教授,他的研究重点是系统安全和隐私保护。

乔潇

图片

  • 机构:香港城市大学

  • 研究方向:利用机器学习分析商业合作、投资的成功因素

乔潇现在是香港城市大学助理教授,主要研究方向是深度学习和金融经济学的交叉领域。

Dashun Wang

图片

  • 机构:西北大学

  • 研究方向:建模和实验分析团队的合作情况

Dashun Wang 是西北大学凯洛格管理学院和麦考密克工程学院管理与组织学教授。他的研究和教学曾获得多个奖项,包括 AFOSR 青年研究员奖、Poets & Quants 最佳 40 位 40 岁以下教授等。

Dashun Wang 希望使用和开发人工智能工具,以广泛探索近期激增的基础科学数据。他的研究发表在 Nature、Science、PNAS、Nature Human Behaviour、Nature Physics、Nature Reviews Physics、Nature Machine Intelligence、Nature Communications 等诸多期刊上。

Xiaolong Wang

图片

  • 机构:加州大学圣地亚哥分校

  • 研究方向:使用分组视觉 transformers 发现和跟踪开放世界物体

Xiaolong Wang 于 2020 年加入加州大学圣地亚哥分校,担任电气与计算机工程系助理教授,于 CMU 获得博士学位。他的研究兴趣包括计算机视觉机器学习、机器人、自监督学习、视频理解、常识推理

Yang Weng

图片

  • 机构:亚利桑那州立大学

  • 研究方向:强化学习双学习(twins):通过有限测试对亚马逊分类系统进行因果解释的粒度级建议

Yang Weng 为亚利桑那州立大学助理教授,主要研究方向为电力系统、机器学习、需求响应、数据分析、信息物理系统和凸优化

Heng Yin

图片

  • 机构:加州大学河滨分校

  • 研究方向:驱动下一代 AI 的二元差分

Heng Yin 为加州大学河滨分校计算机科学与工程系教授。在加入该校之前,Heng Yin 于 2009 年 9 月至 2016 年 6 月在雪城大学工作,先后担任助理教授和副教授。参加工作之前,他于 2009 年在威廉玛丽学院获得计算机科学博士学位。

他的研究包括计算机安全,尤其对各种开发技术感兴趣,如程序分析、虚拟化和机器学习 / 深度学习,并以此来解决计算机和软件安全问题,包括但不限于恶意软件检测和分析、漏洞发现、程序加固等。

Hanzhe Zhang

图片

  • 机构:密歇根州立大学

  • 研究方向:对科学合作的成功预测

Hanzhe Zhang 为密歇根州立大学经济学助理教授,主要研究领域包括微观经济学、匹配理论、博弈论、劳动经济学、家庭经济学,以及它们在跨学科和教学环境中的应用。

Hanzhe Zhang 于 2015 年在导师 Gary Becker 和 Phil Reny 的指导下获得了芝加哥大学的经济学博士学位,于 2010 年获得宾夕法尼亚大学的数学硕士、数学和经济学荣誉学士学位,并辅修了沃顿商学院统计学。他的研究得到了国家科学基金会、亚马逊、微软和雅虎等机构的资助。

除此以外,获奖者还包括:

  • Vardan Avagyan:鹿特丹伊拉斯姆斯大学经济学助理教授,主要研究方向为消费者心态指标在最佳广告决策中的作用;

  • Yakov Bart:美国东北大学市场营销学副教授,主要研究方向是使用视频摘要生成有效的短视频广告;

  • Stevie Chancellor:明尼苏达大学计算机科学与工程系助理教授,主要研究面向情感等主观因素的注释任务;

  • Bas Donkers:鹿特丹伊拉斯姆斯大学市场研究教授,主要研究方向为动态环境中的实时个性化;

  • Diego Gomez-Zara:圣母大学计算机科学与工程助理教授,主要研究方向为创建和设计破坏性团队,并评估团队破坏性的实验和模型;

  • Omer Levy:特拉维夫大学计算机科学学院的高级讲师,主要研究方向为通过自然语言指令解释和减轻大型语言模型中的偏见;

  • Vidya Muthukumar:佐治亚理工学院电气与计算机工程学院以及工业与系统工程学院助理教授,主要研究方向为在线竞价学习框架;

  • Gijs Overgoor:罗彻斯特理工学院市场营销学助理教授,主要研究方向为使用视频摘要生成有效的短视频广告;

  • Ashwin Pananjady:佐治亚理工学院助理教授,主要研究方向为在线竞价学习框架;

  • Christian Schlereth:来自 WHU 德国奥托贝森商学院,主要研究方向为气候方面;

  • Shuba Srinivasan:波士顿大学教授,主要研究方向为消费者心态指标在最佳广告决策中的作用;

  • Damien Teney:负责领导瑞士 Idiap 研究所,主要研究方向为解决对话式 AI 中公平性和鲁棒性不足问题;

  • Misha Teplitskiy:密歇根大学信息学助理教授,主要研究方向为通过回顾进行学习;

  • Berk Ustun:加州大学圣地亚哥分校计算机科学与工程系助理教授,主要研究方向为机器学习中的参与式个性化(Participatory personalization);

  • Gokhan Yildirim:帝国理工学院市场营销助理教授,主要研究方向为消费者心态指标在最佳广告决策中的作用。

参考链接:

https://www.amazon.science/research-awards/program-updates/26-amazon-research-awards-recipients-announced

理论人工智能奖项
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
复旦大学机构

复旦大学(Fudan University),简称“复旦”,位于中国上海,由中华人民共和国教育部直属,中央直管副部级建制,国家双一流(A类)、985工程、211工程建设高校,入选珠峰计划、111计划、2011计划、卓越医生教育培养计划、卓越法律人才教育培养计划、国家建设高水平大学公派研究生项目,九校联盟(C9)、中国大学校长联谊会、东亚研究型大学协会、环太平洋大学协会的重要成员,是一所世界知名、国内顶尖的全国重点大学。

相关技术
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
邢波人物

卡内基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了Petuum平台,利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016年11月,邢波创立Petuum公司,担任CEO和首席科学家。

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。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

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。

自然语言理解技术

自然语言理解是人工智能的核心课题之一,也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间,都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻,它一方面承载着机器和人的交流,另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯,机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA(Ask Me Anything)栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

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)

凸优化技术

凸优化,或叫做凸最优化,凸最小化,是数学最优化的一个子领域,研究定义于凸集中的凸函数最小化的问题。凸优化在某种意义上说较一般情形的数学最优化问题要简单,譬如在凸优化中局部最优值必定是全局最优值。凸函数的凸性使得凸分析中的有力工具在最优化问题中得以应用,如次导数等。 凸优化应用于很多学科领域,诸如自动控制系统,信号处理,通讯和网络,电子电路设计,数据分析和建模,统计学(最优化设计),以及金融。在近来运算能力提高和最优化理论发展的背景下,一般的凸优化已经接近简单的线性规划一样直捷易行。许多最优化问题都可以转化成凸优化(凸最小化)问题,例如求凹函数f最大值的问题就等同于求凸函数 -f最小值的问题。

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。

博弈论技术

博弈论,又译为对策论,或者赛局理论,应用数学的一个分支,1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》,标志着现代系统博弈理论的的初步形成,因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

IBM 沃森技术

沃森是能够使用自然语言来回答问题的人工智能系统,由IBM公司的首席研究员David Ferrucci所领导的DeepQA计划小组开发并以该公司创始人托马斯·J·沃森的名字命名。

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。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

文本生成技术

文本生成是生成文本的任务,其目的是使人类书写文本难以区分。

自监督学习技术

一个例子中的内容特别多,而用一个例子做一个任务,就等于把其他的内容浪费了,因此我们需要从一个样本中找出多个任务。比如说遮挡图片的一个特定部分,用没遮挡部分来猜遮挡的部分是一个任务。那么通过遮挡不同的部分,就可以用一个样本完成不同任务。Yann Lecun描述的这个方法被业界称作「自监督学习」

常识推理技术

常识推理是人工智能(AI)的一个分支,它关注模拟人类每天遇到的普通情境的类型和本质的假设。这些假设包括对人和物体的物理特性,目的,意图和行为的判断,以及他们的行为和相互作用的可能结果。展示常识推理的设备将能够预测结果并得出类似于人类民间心理学(人类对人们的行为和意图进行推理的天生能力)和天真物理学(人类对物理世界的自然理解)的结论。

视频摘要技术

视频摘要是将视频序列压缩至少量静止图像(即关键帧)的任务。

暂无评论
暂无评论~