CNCC 2019 次日,吴建平、徐扬生、俞士纶等人的特邀通知来了!

 社会新闻     |      2019-10-22 16:25

原标题:CNCC 2019 次日,吴建平、徐扬生、俞士纶等人的特邀通知来了!

作者 | 丛末

编辑 | 杨晓凡

AI 科技评论将全程跟踪报道CNCC 2019,敬请关注!

10 月 17 日至 19 日,由 CCF 主理、苏州工业园区管委会、苏州大学承办的 CNCC 2019 在秋意正浓的苏州依约而至。今年大会以「智能 引领社会发展」为主题,选址苏州金鸡湖国际会议中间召开。比之大会首日,今天会场的人口浓密度又添补了不少。

随着昨天七场特邀通知告一段落,盈余的八场特邀通知也准期在今天 CNCC 的演讲舞台上精彩表现。

今天的首场通知由清华大学教授、中国工程院院士吴建平带来,他的通知主题为「互联网体系结构的演进、创新和发展」。

他指出,互联网体系结构是互联网的关键核心技术,是剖析和钻研互联网各片面功能构成及其相互有关网络层承上启下保证全网通达的核心。而随着传送格式由 IPv4 演进到 IPv6、转发手段实现了无连接存储转发,唯一可变的路由限制成为了实现体系结构技术的创新点,现在其面临着五大主要的技术挑衅,包括可扩展性、坦然性、实时性、高性能、移动性。因而在这种情况下,推进路由限制一连已足通信和行使发展需求(复杂多变量)达到全网最优成为了互联网钻研的壮大科学难题。

张开全文

中国工程院院士、香港中文大学(深圳)首任校长徐扬生带来主题为「智能机器人钻研:题目和思考」的通知。一登场,他便谈首本身参添 CCF 布局活动的经历:「其实吾比较少参添 CCF 布局的活动,上次参添还是 1993 年,那时现场的一些朋侪能够还异国出生,因此今天能够站在这边做分享,吾特意激动。」

他外示今天将基于本身在机器人领域 35 年的钻研经历,分享一些钻研感悟,其中通知中挑及的题目大无数都是机器人领域现在尚未解决的题目。「在场的各位博士生能够听听,说不定行家能够从中找到一些能够做钻研的课题。」

现在,机器人的定义照样因袭其早期对这一切念的定义:感知 认知 走为。然而在以前的 30 多年时间里,机器人领域的钻研有 85%-90% 都荟萃在走为倾向,另外的 5-15% 旁边荟萃在感知和认知倾向,而操作、移动以及抓取等都属于走为的钻研范畴。

接下来,他基于本身这些年的钻研收获,包括爬树机器人、管理宠物的机器人、在柔性物体上爬走的机器人、书法机器人以及全方位驾驶车,分享本身在机器人钻研中所面临的一些挑衅和启发。「许多人问吾,这些机器人有什么用,吾的回复是,吾的大无数机器人做出来都是没用的,吾主要是有趣驱动,但是做出来以后一片面有效一片面异国用,科研就是不及太功利的。」

随后,针对现在「智能为何外现得如此愚昧,而无数钻研都荟萃在走动」这一题目,徐扬生也外达的本身的看法:行家往往都认为走动才是最基本的,然而实际上智能才是最基本的。以人类类比,人体中最基本的器官就是心脑,即智能,对人如此,对机器人亦如此。

那智能来自那里?智能是学习的过程。机器人现在主要学自算法,而他认为,机器人更答该从人类走为、自然界学习。

末了,他还针对「机器人的学习能力实现到什么样的水平能够通用化」、「答该钻研动态还是静态的机器人」两个主要的机器人钻研题目分享了本身的思考。

韩国高丽大私塾人造智能系主任教授、韩国科学技术翰林院院士、IEEE Fellow 李晟瑍(Seong-Whan Lee)是第二位出场的嘉宾,他基于其钻研做事——人造智能冰壶机器人体系「Curly」给行家带来了深度深化学习方面的通知,通知题现在是「深度深化学习:实际中的回相符制策略游玩」。

最先,他对冰壶策略游玩进走了科普:冰壶策略游玩是奥运会的一个比赛项现在,选手必要在冰面上将石球向中间位置投掷,被称作「冰上国际象棋」。而人造智能冰壶机器人体系议定追求到最优策略来完善比赛,集体来看包括四个片面:

第一片面是理解博弈状态,即识别出石球每移动一次的实幸行动轨迹; 第二片面是构建匹配的大数据,即搜集和学习与最优化策略匹配的大数据; 第三片面是实在模拟,即基于石球的碰撞、磨蹭以及冰面的情况来进走实在模拟; 第四片面则是规划最优策略,即基于 DNN 和 MCTS 算法来解决不确定性题目以实现策略最优化。

随后,他对其钻研收获——人造智能冰壶机器人体系「Curly 」在在实在的冰壶赛场上的比赛视频进走演示,表现了「Curly 」体系的三个构成片面:基于 AI 的冰壶策略和模拟引擎能够考虑冰面的高度不确定性;投掷型机器人可议定牵引力限制实现自动驱动;跳跃型机器人基于视觉技术能够识别冰壶场地以及石球在场地上的集体布局。

据悉,不论是在传统的游玩环境,还是与人类对手(即排名第一的韩国女子冰壶队)互动时,该体系都外现得特意不错。

接下来,是来自坦然、滴滴、百度的三位企业嘉宾挨次带来通知,他们从企业行使的角度起程,以分歧的视角为行家带来了人造智能技术创新方面的分享。

坦然集团首席科学家肖京在主题为「智能化金融战略—追求与实践」的通知中, 国风音游《阳春艺弯》团队:诗词本答雅俗共赏基于坦然对智能化技术的研发及行使实践,分享了对于智能化大数据分析发掘在金融营业行使方面的追求。

他指出,相对于互联网 ,智能 更添复杂,前者互联网只是模式的创新,相对简单实现;而后者则是技术上的创新,必要具备数据、技术(算法和算力)、场景和走业行家四大要素,让营业流程的每个环节都实现智能化。

在「智能 」的能力建设上,他从坦然对智能 的案例实践起程,指出能够分三步走:

第一阶段是婴儿阶段,即形成包括听觉、视觉、浏览理解能力在内的基础认知; 第二阶段是学习阶段,即构建海量新闻和知识图谱的详细知识体系; 第三阶段是行家阶段,即能够具备打造专科解决方案的能力,能够让 AI 赋能金融服务、医疗、伶俐城市等走业行使场景。

末了,他也挑及坦然对于 AI 伦理题目的极大关注,不光积极参与各大部委对于 AI 伦理的标准制定,还特意成立了坦然人造智能伦理委员会,创建了一套完善的体系来保证 AI 不会被滥用。

滴滴出走说相符创首人、首席技术官、自动驾驶 CEO 张博立足于滴滴「AI for Transportation」的科技战略,带来了「AI 引领出走变革」的分享。

他最先分享了滴滴成立的初衷很浅易,即解决出租车司机和乘客的痛点:一方面,出租车司机大约 30% 的时间和燃油都消耗在追求乘客的过程中,同时也带来了交通拥堵、尾气排放等一系列题目;而另一方面,乘客也必要走到路边花时间往拦车。在以前的七年时间里,滴滴主要朝着地域和出走车品类两个维度发展,现在营业也遮盖一千多个城市,5.5 亿多万用户,运送人次超过 100 亿次,这些也为滴滴积淀了海量的出走大数据。

他将交通分为三层结构来谈本身对于异日交通的展看:从智能交通基础设施来看,包括异日答该如何更好地设计路网或红绿灯来限制车流和人流;从智能交通工具上来看,异日十年内会发生两个方面的变革,一是能源从汽油变成电,二是智能驾驶会隐微挑高交通的坦然和效率;在人和车的有关上,会从每人拥有一辆车变为多人共享一辆车。

基于这三层结构,他重点介绍了滴滴在共享出走和智能驾驶方面所做的一些做事或积淀的上风:

在共享出走方面,滴滴现在已拥有较强的供需展看能力,例如,滴滴现在对异日 15 分钟的供需展看的实在率达到 85%,从而对司机进走最好调度和派单,挑高效率和优化。 在智能驾驶方面,滴滴能够聚相符其在科技、数据和运营方面已经积淀下来的上风来实现智能驾驶的现在的。「实际上,异日智能驾驶的最好落地场景就是滴滴如许的出走互联网领域。」

百度集团首席技术官王海峰则从深度学习平台在产业智能化中发挥的作用起程,带来了主题为「深度学习平台撑持产业智能化」的通知。

他指出,以前两百多年历史中已经经历了三次工业革命,在对历史的回顾中能够发现驱动工业革命的核心技术具有很强的通用性。固然某项技术一路先能够首于某一走业,但最后会行使到人类生产、生活的方方面,并推动社会进入工业大生产的阶段。而这种工业大生产阶段具有标准化、自动化和模块化三大特点。

当下吾们正处在第四次工业革命的起头,而人造智能则是科技和产业变革的核心驱动力量,推动人类社会逐渐步入智能时代,其经历的三个典型阶段包括:从人造规则到机器学习再到深度学习。

随后,他以 OCR 技术和机器翻译为例,阐述了深度学习对于人造智能义务所带来的革命性转折,具有很强的通用性,与此同时,深度学习行为智能时代的操作体系,能够向下对接芯片实现集体优化,向上承接各种行使将技术落地到实际场景,处于一个特意核心的位置。

然而,现在深度学习大规模产业化也面临来自开发、训练和安放方面的挑衅。对此,百度开发了飞桨深度学习平台,并且具备标准化、自动化、模块化的特征,在农业如水培蔬菜智能种种、工业如详细零件智能分拣以及社会公好等实际场景的智能化行使中发挥出了很好的撑持性作用。

深度学习在现在人造智能领域的地位自不消多言,而对于已在大数据领域深耕多年的美国伊利诺大学芝添哥分校(UIC)教授俞士纶而言,解决实际题目,数据发掘不光必要深,还必要广。俞士纶基于本身最近的钻研做事带来了「Broad Learning: A New Perspective on Mining Big Data」的分享。

他外示,实际上,大数据时代并非数据量很大,而是指五花八门的数据,而广度学习则能够融相符各类的数据,从而发掘出更多新闻,详细而言能够分三步走:

最先,定义并获取有关的有效数据源,也即找到对你的题目有效的数据; 其次,设计一种模型来将异质数据源新闻融相符首来; 末了,基于模型集体的需求从各种数据源中深度地往发掘新闻。

与此同时,他指出广度学习的类型可分为三类:

第一类是在联相符个实体上有分歧类型新闻的学习,即某一实体能够存在文本、图片、音频、链接平分歧类别的数据,包括多视角学习、多源学习和多模态学习; 第二类是在分歧的但类型相通的实体上新闻的学习,如迁移学习,比如说某一实体的数据太少,而另一实体的训练数据较多的话,就能够将数据更多的一方的数据迁移到数据较少的一方; 第三类是存在复杂网络类型有关的分歧类型实体新闻的学习,如许的话要采用基于融相符的异质新闻网络(HIN)的手段来对实体之间的有关来进走融相符和发掘。

随后,他基于药物发现、外交网络的选举等案例详细讲述了如何将深度学习和广度学习结相符首来行使,以实现更好的数据发掘奏效。

末了一位上场的通知嘉宾是北京大学钻研员、2019CCF 青年「两秀讲者」袁晓如,他的通知题现在是「从遇见到意料 - 数据可视化的异日」。

袁晓如指出,在计算机产生之前,可视化就已经有各种各样的式样,比如说在宋朝期间就有了苏州的城区图——平江图,行家还能够在博物馆里看到,也就是说人类在很早首的阶段,就期待用一些手段来更好地表现界限的世界,而图则是一个最方便的式样之一。而现在的可视化,更多地指将复杂、海量的大数据转化为更好地读懂的式样,并且随着数据日好复杂化,可视化要外达的内容也要雄厚得多。

实际上,可视化内心上是指在数据和人之间创建一个序言,即对外界事物竖立模型,以协助人类更好理解复杂的事物。现在,可视化面临的主要挑衅在于可视化构型的设计空间庞大,包括如何用几何的部件和视觉通道组相符首来形成可视化构型,该构型能够外示高维数据,也能够外述网络数据,但这些构型原由行使的视觉通道纷歧样,彼此之间并不等价,它们针对某一题目能够有效,而针对另一题目能够并不有效,因此如何对其进走组相符是一个复杂题目。

随后,他从面向更复杂数据的可视化、可视化的生成更方便、可视化的行使更方便三个维度,结相符一系列案例来阐述可视化在实际数据中的行使情况。

「这两天的通知中,有人讲人造智能,有人讲大数据,也有人讲兴旺的计算力,吾们将这三个方面视作推动社会挺进的三驾马车,而与此同时吾们不要忘了马车上还坐着一幼我,因此吾们还必要一个好的界面来协助吾们更好地与三驾马车进走交互,而吾期待可视化异日能够扮演好这一角色,协助人类更好地驾驭好马车!」他末了总结道。

本次大会的一切特邀通知环节到此完善落幕,现在天下昼的技术论坛照样一连了昨日的精彩,包括「类脑计算」、「人造智能前沿技术:追求、实践和机遇」、「微外情检测和识别」、「集成电路设计——促进芯片的迅速开发」等在内的 28 场技术论坛场也都人满为患。

与此同时,万多憧憬的 CNCC 授奖晚宴也将在今晚落下帷幕,AI 科技评论后续将为行家带来有关报道,敬请憧憬!

雇用

1

雇用

2

AI研习社是一个服务AI弟子、学者、从业者的UGC内容平台,现在的是从教学课程、技术经验分享、学术见解商议、比赛和做事机会等角度挑供资讯,也是用户输出不悦目点、互相交流、打造幼我品牌的土壤。

做事内容:

任职请求:

雇用

3

AI研习社是一个服务AI弟子、学者、从业者的UGC内容平台,现在的是从教学课程、技术经验分享、学术见解商议、比赛和做事机会等角度挑供资讯,也是用户输出不悦目点、互相交流、打造幼我品牌的土壤。

做事内容:

任职请求: