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

聚焦计算赋能创新,第三届智能计算创新论坛成功举行

新型计算方法的最新发展状况如何?

能够帮助实现智能计算系统的先进技术是怎样的?

如何利用智能方法辅助计算系统设计、调度和理论研究?

怎样推动智能计算软硬件平台在科学研究、产业创新和社会发展中得到更广泛的应用?

10月19日-20日,由之江实验室与Science/AAAS共同主办第三届智能计算创新论坛顺利举行,美国国家工程院院士、摩根大通人工智能研究负责人Manuela Veloso,中国科学院院士、之江实验室计算材料首席科学家张统一,清华大学类脑计算研究中心主任施路平教授,英国帝国理工学院教授Björn W.Schuller等海内外院士专家带来了精彩的主旨报告,分享了全球智能计算领域最新研究进展。

“计算越来越重要,除了电以外,我们还没有看到任何一个技术影响到人类生活这么多领域。技术能够把人解放出来做更多更好的事情,激发很多意想不到的想法,推动创新。”之江实验室主任、中国工程院院士王坚在论坛开幕致辞中说道,“这是一个令人激动的时代,是一个‘out of box thinking’的时代,大家可以把你的想法从计算机这个盒子里拿出来。今天的论坛让大家能够在之江实验室面对面地讨论计算,探讨计算推动创新的可能,对于之江、对于行业都是非常重要的时刻。”

图片

Manuela Veloso是论坛首个主旨报告人,她专注于研究人工智能人机共生自治、持续学习系统以及人工智能在金融领域的运用。机器人足球赛、人工智能辅助金融交易决策、数据标准化、人工智能生成PPT文档,Manuela Veloso在报告中用丰富的实际案例展示了人工智能具备的能力,人类和人工智能之间新颖的互动方式,以及如何在知识和学习上进行优势互补。“随着时间的推移,人工智能会不断学习、执行更多任务,人类则将从事更加复杂的任务,一个人机共处的社会将是最终的发展方向。”Manuela Veloso说道。

当前,我们正处于一个高度数字化的世界之中,这个世界依赖于冯·诺依曼架构下的计算机体系。随着人工智能的发展,这一计算机体系正面临着越来越大的挑战。在冯·诺依曼架构下,当下的人工智能仅擅长解决有充足数据、完整静态知识的确定性问题,如果不满足这些条件,现有计算机体系将遇到问题。施路平指出,类脑计算(BIC)被认为是后摩尔时代最有前途的新技术之一,将为我们提供一条通向通用人工智能(AGI)的途径。施路平在报告中介绍了全球类脑计算研究现状以及面临的问题。他指出,融合计算和神经科学驱动的方法是类脑计算发展的最佳途径,同时需要理论、芯片、软件、系统、应用协同发展。图片

AI for Science方兴未艾,人工智能如何赋能科学研究也是全球关注热点。在主旨报告中,张统一院士介绍了材料信息学和材料GPT的概念,并以铁素体-马氏体钢在超临界水中的氧化行为、铁铬铝钴镍基高熵合金在高温下的氧化行为为案例,详细展示了人工智能软硬件如何让材料科学研究更加精准高效。

“计算机已经可以模拟社交技能,做到‘感同身受’,其他的还会远吗?”Björn W.Schuller在报告中为我们介绍了情感计算的发展现状,对人类情感和音频、视频、文本和生理数据等多模态数据进行综合分析,以不同的视角展示了情感在机器学习中的应用。

图片

图片

图片

两天时间,围绕人工智能和计算技术,瑞典皇家理工学院教授Danica Kragic、法国索邦大学教授Sylvain Gigan、复旦大学教授彭鑫、马里兰大学巴尔的摩郡分校副教授Cynthia Matuszek、加州圣莫尼卡高级意识研究所首席研究员Leonardo Christov-Moore、浙江大学长聘副教授高飞、Google DeepMind研究科学家Nicolas Heess,以及来自之江实验室的青年学者魏一雄、陈红阳、马大程分享了各自研究领域的最新进展。在圆桌讨论中,之江实验室高级研究专家蒋田仔、林峰、吴信东,研究专家玉虓,UCLA教授Aydogan Ozcan针对数字孪生脑、知识图谱、铁电芯片等技术进行了深入探讨。Science Robotics编辑Amos Matsiko、Intelligent Computing期刊编辑部执行主编张宏纲带来了两场专业的编辑讲座。

图片

图片

这是之江实验室连续第三年举办智能计算创新论坛,全方位呈现了全球智能计算相关领域的前沿问题和研究进展。“科技发展再一次将计算推到了创新的核心位置,计算+数据+模型已成为新的创新驱动力。”之江实验室总工程师赵志峰表示,在此背景下,之江实验室始终致力于用智能计算赋能科学发现,将高性能计算、密集数据、大模型融为一体,为科学研究构建强大引擎。未来,之江实验室将继续践行开放科学理念,打造国际化交流平台,探索智能计算赋能创新的更多路径。
产业智能计算创新论坛Science/AAAS之江实验室
相关数据
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
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/
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
吴信东人物

吴信东教授是数据挖掘研究与应用的知名学者,明略数据首席科学家、科学院院长。在加入明略数据前,曾任美国路易斯安那大学计算机科学终身教授,兼任该校计算与信息学院院长。此外,他也是长江学者、海外杰青、国家「千人计划」特聘专家、IEEE Fellow、AAAS Fellow。

冯·诺依曼人物

约翰·冯·诺伊曼(德语:John von Neumann,1903年12月28日-1957年2月8日),原名诺依曼·亚诺什·拉约什(匈牙利语:Neumann János Lajos),出生于匈牙利的美国籍犹太人数学家,现代电子计算机与博弈论的重要创始人,在泛函分析、遍历理论、几何学、拓扑学和数值分析等众多数学领域及计算机学、量子力学和经济学中都有重大贡献。

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。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

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)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

情感计算技术

情感计算(也被称为人工情感智能或情感AI)是基于系统和设备的研究和开发来识别、理解、处理和模拟人的情感。它是一个跨学科领域,涉及计算机科学、心理学和认知科学(cognitive science)。在计算机领域,1995年Rosalind Picard 首次提出affective computing。研究的目的是使得情感能够模拟和计算。这个技术也可以让机器人能够理解人类的情绪状态,并且适应它们的行为,对这些情绪做出适当的反应。这是一个日渐兴起的兴欣领域

数字孪生技术

数字孪生(*Digital twin*)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

人机共生技术

人机共生是人类和电子计算机之间合作互动的一个预期发展。这将涉及人类和电子设备之间非常密切的耦合。主要目的是1)让计算机促进公式化思维,因为它们现在促进了公式化问题的解决;2)让人类和计算机能够合作做出决策和控制复杂的情况,而不依赖于预先确定的程序。在预期的共生伙伴关系中,人类将设定目标,制定假设,确定标准,并进行评估。计算机将会做一些常规的工作,为人类在技术和科学思考方面的见解和决策做好准备。初步分析表明,共生伙伴关系将比单独的人能更有效地进行智力活动。实现有效合作关系的先决条件包括计算机分时、内存组件、内存组织、编程语言以及输入和输出设备的发展。

推荐文章
暂无评论
暂无评论~