回到顶部

2018年AI科学前沿论坛

2018年12月16日 8:30 ~ 2018年12月16日 17:30

收起

活动票种
    付费活动,请选择票种
    展开活动详情

    活动内容收起

    2018年AI科学前沿论坛

    为推进人工智能科学前沿理论与落地应用,深度融合智能科学与智能数学的前沿进展,实现从数据到知识、从知识到智能的飞跃,北京理工大学计算机学院与中国科学院人工智能联盟标准组将联合举办2018AI科学前沿论坛,届时将邀请全国人工智能科学界和数学界知名学者,深入探讨人工智能的重大前沿科学问题及其理论基础,拓展人工智能的研究范围和应用前景。欢迎高校师生、科研人员及业界人员莅临。

    时间:20181216830—1740    

    地点:北京理工大学中心教学楼一层报告厅  

    主办:北京理工大学计算机学院  

    中国科学院人工智能联盟标准组

                北京理工大学大数据创新学习中心  

    协办:Data Intelligence》期刊

    DataFun社区   

    支持单位: 中国科技网   

                         中国网    


    AI科学前沿组委会

     

    会议主席

    黄河燕  北京理工大学  

    李真真  中国科学院人工智能联盟标准组 

                中国科学院科技战略研究院

    学术委员会主席  

    戴彧虹  中国科学院数学与系统科学研究院

    学术委员会委员  

    安  波   新加坡南洋理工大学

    戴彧红 中国科学院数学与系统科学研究院

    郭  宪   南开大学

    吉建民 中国科学技术大学

    李玉喜 加拿大ATTAIN.AI. 

    刘铁岩 微软亚洲研究院

    罗定生 北京大学

    逄金辉 北京理工大学

    齐国君 华为美国研究所

    孙仕亮 华东师范大学

    吴焦苏 中国科学院人工智能联盟标准组

    许志钦 纽约大学

    宣晓华 SMALE数学与计算研究院

    姚  远   香港科技大学

    袁  泉   启元世界

      章宗长 苏州大学

    朱军   清华大学

    朱占星 北京大学

     

    会务组成员

      安泽武 白佳喜 陈达 刘振中 齐庆武 王娟

     

    论坛日程

     

    20181216

    地点:北京理工大学中心教学楼一层报告厅

    800—820

    签到

    820—830

    领导致辞    黄河燕 北京理工大学计算机学院院长

    李真真 中国科学院人工智能联盟标准组组长


    主持人:  戴彧虹 中国科学院数学与系统科学研究院

    830—910

    姚远

    Robust Estimation and Generative Adversarial Nets

    香港科技大学

    910950

    吴焦苏

    Symplectic Gamedynamics: Theory and Application

    中国科学院人工智能联盟标准组

    9501000

    会歇


    主持人:  罗定生  北京大学

    10001040

    王湘君

    Muli-agent Reinforcement Learning in StarCraft II---from competition to collaboration

    启元世界

    1040——1120

    张俊格

    实时战略游戏AI研究进展

    中国科学研究院自动化所

    11201200

    罗定生

    Towards bio-inspired intelligent robots with embodied cognition

    北京大学

    1200—1330

    午休


    主持人:  屠可伟 上海科技大学

    13301410

    屠可伟

    自然语言的无监督和隐向量句法解析

    上海科技大学

    14101450

    丁效

    基于表示学习的文本分类方法

    哈尔滨工业大学

    14501530

    毛先领

    Similarity-preserved Hashing for ANN Search

    北京理工大学

    1530—1540

    会歇


    主持人:  陈文光  清华大学

    1540—1620

    陈文光

    性能优先的大数据分析系统

    清华大学

    16201700

    何亮

    分布式知识图谱服务系统

    微软亚洲研究院

    17001740

    肖仰华

    Data-driven Approaches for Large Scale Knowledge Graph Construction

    复旦大学

     

     

     

     

     

     

    报告简介和嘉宾介绍

    领导致辞   

    黄河燕

    北京理工大学计算机学院院长,教授,博导。北京市海量语言信息处理与云计算应用工程技术研究中心 主任。主要学术研究方向为机器翻译和自然语言处理 ,主持承担国家自科基金重点项目、“973 计划课题、“863 计划项目等 20 多项国家级科研攻关项目,获得国家科技进步一等奖等十余项国家级和省部级奖励。

    李真真 

    中国科学院人工智能联盟标准组组长,中国科学院科技战略研究院研究员。成功主办以人工智能技术、伦理与法律的关键科学问题为主题的第S36次香山科学会议等重要学术会议,倡导以博弈统摄机器学习的观点。

     

    1 姚远

    报告题目:Robust Estimation and Generative Adversarial Nets

    内容摘要:Robust estimation under Huber's ε-contamination model has become an important topic in statistics and theoretical computer science. Rate-optimal procedures such as Tukey's median and other estimators based on statistical depth functions are impractical because of their computational intractability. In this paper, we establish an intriguing connection between f-GANs and various depth functions through the lens of f-Learning. Similar to the derivation of f-GAN, we show that these depth functions that lead to rate-optimal robust estimators can all be viewed as variational lower bounds of the total variation distance in the framework of f-Learning. This connection opens the door of computing robust estimators using tools developed for training GANs. In particular, we show that a JS-GAN that uses a neural network discriminator with at least one hidden layer is able to achieve the minimax rate of robust mean estimation under Huber's ε-contamination model. Interestingly, the hidden layers for the neural net structure in the discriminator class is shown to be necessary for robust estimation.

    嘉宾介绍:姚远,香港科技大学数学系副教授。2006年获得加州大学伯克利数学博士学位,2006-2009年在斯坦福大学数学与计算机科学系从事博士后研究工作。加入香港科技大学之前,他担任北京大学数学科学学院百人计划研究员。主要研究方向有高维数据分析的拓扑和几何方法、在线学习和随机优化、统计机器学习(尤其是数学方法)、计算机视觉和模式识别、凸优化和控制等。

     

    2 吴焦苏

    报告题目: Symplectic Gamedynamics: Theory and Application

    内容摘要:The Strategic Correlativity Principle (SCP), a kind of second-order structure in potential and Hamiltonian gamedynamics was proposed from the Ornstein-Uhlenbeck equation with discrete convolution and discrete Fourier transform and be applied to solve the challenge in multi-agent deep reinforcement learning in spatial-temporal gamedynamics. Some open problems in theoretical artificial intelligence, i.e., Population Conservation Law, Information Conservation Law and Coordination Conservation Law, are answered from symplectic gamedynamics prospective as suggested by Michael Jordan (2018) and David Balduzzi et al. (2018).

    嘉宾介绍:John J.S. Wu is a member of Ethical Standards Group of Artificial Intelligence Alliance of Chinese Academy of Sciences (AIACAS) and an expert of “Artificial Intelligence Ethics” research program of the Academic Divisions of the Chinese Academy of Sciences (CASAD). His current research interests focus on Gamedynamics---an innovative area of mathematical foundation of artificial intelligence. Inspired by John von Neumann and Robert Aumann, he has been developing a general theoretical framework of the Strategic Correlativity Principle(SCP) and Graceful AI Theory over recent sixteen years. In addition to more than 30 articles and working papers, he is co-author of four books. His papers were cited by the scientists from Google, Stanford University, Cornell University, Stockholm University, etc. He was an invited speaker and/or a keynote speaker of many conferences. He is a program committee member and also organized and/or co-organized a serial of top academic conferences. He serves as a member or council member of many scientific organizations.

     

    3 王湘君

    报告题目:Muli-agent Reinforcement Learning in StarCraft II - from competition to collaboration

    内容摘要:MARL( Multi-agent Reinforcement Learning) 近些年在DOTA2、星际争霸等游戏领域中取得了很大突破。本报告介绍MARL相关技术及其在游戏领域中的成功应用,重点介绍启元世界在星际争霸1和星际争霸2中前沿技术的研究工作。实验证明MARL模型通过self-play trainingmini game中能够取得接近人类顶级选手的水平。除此之外,游戏的体验不仅仅是对抗竞争,更重要的是人机合作。第二部分将会更多涉及更多启元在人机协作方向的探索和实验,以及未来的研究方向。

    嘉宾介绍:王湘君, 启元世界首席算法官,前Netflix资深算法专家,机器学习算法负责人,领导研发Netflix众多视频个性化推荐系统,及深度学习系统;驱动Netflix市值从数十亿到千亿的,用户数和观影量飞速增长,率团队多次获得推荐算法艾美奖。加入Netflix之前,曾就职于AT&T Research从事搜索,自然语言理解,和推荐个性化的研究。之前在Arizona State University读博期间研究方向为机器学习和NLP。他也是众多国际一流会议的审稿人,比如NIPS, ICML, KDD, ACM MM, RecSys等等。

     

    4 张俊格

    报告题目:实时战略游戏AI研究进展

    内容摘要:即时游戏AI研究有着悠久的历史,以游戏作为研究平台,研究人员一直致力于构建能打败最强人类玩家的机器人,以促进通用人工智能的发展。该报告将详细阐述即时类游戏的内涵,以及其作为AI平台的研究意义,同时将梳理即时类游戏AI的最新研究进展。之后,将会简要介绍我们在即时类游戏中做出的一些工作以及取得的成绩。最后,我们将给出即时类游戏AI的展望,报告其主要挑战以及可能的研究方向。

    嘉宾介绍:张俊格,博士,项目研究员。2013年获中国科学院自动化研究所工学博士学位。张俊格博士主要从事计算机视觉、模式识别以及通用人工智能相关领域研究,张博士是科技部中国创新挑战赛和中关村军民融合专家委员会成员,是国家外国专家局和国际人才基金专家委员。博士论文获得2013年中国人工智能学会全国优秀博士论文提名。张博士带领团队先后4次蝉联国际顶级挑战赛PASCAL VOC物体检测识别国际冠亚军。此外,2017年张博士带领团队参与通用人工智能国际顶级挑战赛星际争霸AI比赛AIIDE,击败人工智能巨头Facebook以及知名高校斯坦福大学和哈佛大学等,获得全球第四名,2018年,张博士团队获得该比赛国际季军,得到媒体的广泛关注和报道。

     

    5 罗定生

    报告题目:Towards bio-inspired intelligent robots with embodied cognition

    内容摘要As robots are more and more used in human society, being high-level intelligent becomes necessary so that to face various challenges derived from real-world environment. To approach robots with high-level intelligence, embodied cognition is involved, where the critical role of the body is emphasized. Under the insights of developmental robotics, which borrows mechanisms within how human babies develop their cognitive skills and intelligent behavior, a bio-inspired semantic framework is established, and several selected research progresses are introduced.

    嘉宾介绍:北京大学智能科学系副教授、副系主任、博士,机器感知与智能教育部重点实验室机器学习与智能仿人机器人课题组负责人,曾在香港中文大学访问研究。获第23届人工智能国际联合大会(IJCAI-2013 “机器人技能国际竞赛(IJCAI-13机器人大赛) ”一等奖、IEEE ICIA国际学术会议最佳论文提名奖” 。现为IEEE会员,AAAI会员,国际爬行机器人协会会员(登山和步行机器人协会),中国人工智能学会高级会员等,多次担任多个国际学术会议程序委员会主席及委员,如RiTA 2016 IEEE AMC 2016 IEEE M2VIP 2017 AAAI 2017AAAI 2018等。 

     

    6 屠可伟

    报告题目:自然语言的无监督和隐向量句法解析

    内容摘要:报告的前半部分我将讨论无监督句法解析。无监督句法解析旨在不使用树库、仅从没有标注解析树的训练文本中学习句法解析器。我将介绍我们组近几年在该方向的一系列工作,包括非歧义性正则化方法、结合神经网络的生成式模型、以及基于条件随机场自编码器的判别式方法。

    在报告的后半部分,我将介绍我们今年提出的隐向量文法。隐向量文法将传统的上下文无关文法与深度学习中的符号向量化思想相结合,给文法中的每个非终结符关联一个向量空间,空间中的每个点表示该非终结符的一个子类型。我们使用混合高斯函数建模子类型产生式规则的权重密度函数,从而可以使用动态规划进行推理以及计算梯度的闭式解。

    嘉宾介绍:屠可伟博士,上海科技大学信息科学与技术学院助理教授、博士生导师。于20022005年在上海交通大学计算机科学与工程系获学士和硕士学位;2012年于美国爱荷华州立大学获计算机科学博士学位;20122014年在美国加州大学洛杉矶分校统计系与计算机系从事博士后研究工作。研究方向包括自然语言处理、机器学习、知识表示等人工智能领域,目前侧重于研究文法和文法解析器的表示、学习与应用。发表论文三十余篇,其中包括ACLEMNLPNIPSIJCAIAAAIICCV等国际顶级会议论文。曾任ACLCVPRIJCAIAAAI等多个国际顶级会议程序委员会委员。

     

    7 丁效

    报告题目:基于表示学习的文本分类方法

    内容摘要:表示学习已经成为深度学习甚至人工智能领域中一个重要的研究课题,在语言、语音、图像、视频等领域都取得很大的研究进展。本报告介绍面向自然语言的表示学习的研究趋势和现状,从词汇级、事件级、句子级和篇章级四个层次对表示学习的方法进行介绍,并进一步表示学习在文本分类任务上的应用,以及存在的问题和挑战。

    嘉宾介绍:丁效,哈尔滨工业大学助理研究员。主要研究方向为人工智能、自然语言处理、社会计算和智能金融。2016年获得哈尔滨工业大学博士学位,已在AAAIIJCAIACLEMNLPNAACLCOLING等人工智能领域的著名国际期刊和会议发表相关论文20余篇。承担国家自然科学基金青年项目等省部级以上项目四项,参与国家重大科技基础设施建设项目、国家自然科学基金重点项目、面上项目等多项。荣获全国青年人工智能创新创业大会三等奖、第五届全国青年计算语言学研讨会优秀论文奖等荣誉。担任中国中文信息学会社会媒体处理专委会委员、中国中文信息学会青年工作委员会委员。

     

    8 毛先领

    报告题目:Similarity-preserved Hashing for ANN search

    内容摘要:In the past decade, we have witnessed an explosive growth of data on the Internet, and it brings both challenges and opportunities to traditional algorithms developed on small to median scale data sets. Particularly, nearest neighbor search has become a key ingredient in many large-scale machine learning and data management tasks. Approximate nearest neighbors (ANN) are enough to achieve satisfactory performance in many applications, such as the image retrieval task in search engines. Due to the low storage cost and fast retrieval speed, similarity-preserved hashing is one of the popular solutions for ANN search. In this talk, we will introduce our recent work in this area.

    嘉宾介绍:毛先领,男,北京理工大学副教授,博导。主要研究机器学习与网络数据挖掘,具体研究Deep Neural ComputingLearn to Hashing等方向。目前是ACM TOISACM TISTSIGIRAAAIIJCAI等期刊和会议的程序委员会委员或评审;担任计算机学会中文信息技术专委会委员,中文信息学会青工委委员以及语言与知识专委会委员;已在AAAIIJCAI, TKDE, CIKM, EMNLP, COLING等国际期刊会议上发表10余篇论文。承担或参与国家863计划、国家自然科学基金重点项目、面上项目等多项。

     

    9 陈文光

    报告题目:性能优先的大数据分析系统

    内容摘要:现有大数据分析系统,如MapReduceSpark,主要以编程的简易性、可扩展性和容错能力为设计原则,牺牲平台的处理性能。我们将讨论容错与性能的关系,指出性能与容错并非是相互排斥的设计理念,并介绍高性能分布式图计算系统的实例GeminiGemini在图的划分方法、数据结构、局部性优化、细粒度负载平衡和通信与计算重叠方面提出一系列优化技术。在典型的图处理应用中,该系统需要的内存是约为GraphX的十分之一,性能是Spark GraphX100倍以上。

    嘉宾介绍:陈文光博士,清华大学计算机系教授,主要研究领域为操作系统、程序设计语言与并行计算。现为中国计算机学会杰出会员和杰出讲者,副秘书长,青年科技论坛荣誉委员;ACM中国理事会主席。多次担任高性能计算和并行计算重要国际会议如OSDIPPoPPCGOSCICSPLDIASPLOSAPSYS的程序委员会委员。

     

    10 何亮

    报告题目:分布式知识图谱服务系统

    内容摘要:近年来,人工智能技术在科学研究和实践应用中得到广泛发展和应用,知识图谱相关技术作为人工智能的重要课题也得到迅速发展。知识图谱数据如雨后春笋般在各个领域中涌现,单个公开可用的知识图谱数据量已经包含超过百亿条事实,这些单独的数据源又互相连通,从而形成数以百亿计的超大规模的知识图谱。与此同时,知识图谱的抽取技术也在不断进步,增量的知识图谱数据不断汇入。在此背景下,高效地管理和服务这些超大规模知识图谱数据已经成为当前知识型应用的紧迫任务。该报告将从图系统角度介绍知识图谱数据管理所面临的挑战,并分享所在团队完成的百亿量级知识图谱的实时服务中采用的系统架构和设计经验。 

    嘉宾介绍:何亮,微软亚洲研究院机器学习组副研究员,中国科学技术大学计算机应用专业博士。他参与开发微软开源分布式内存图处理引擎 Microsoft Graph Engine, 是开源项目分布式知识图谱服务系统 Stylus的主要作者。参与开发的知识图谱管理系统可以支撑百亿量级知识图谱,为微软多个产品提供实时知识查询服务。主要研究兴趣包括:知识图谱、分布式图数据系统、机器学习、生物信息学等。

     

    11 肖仰华

    报告题目:Data-driven Approaches for Large Scale Knowledge Graph Construction

    内容摘要:Building large scale knowledge graphs has attracted wide research interest due to the wide applications of knowledge graphs in search, recommendation, QA and many other tasks related to text understanding. Despite of the great progress in this direction, there are many weakness of the current approach in terms of effectiveness and efficiency. First, the knowledge extraction still requires huge human efforts both in feature engineering and data labeling. Second, the knowledge base after extraction usually suffers from low quality especially inconsistency and incompleteness. Third, the domain-specific knowledge base construction suffers from the sparsity of labeled data.  In this talk, we will present solutions of my team (KW@FUDAN) in attacking these problems. Based on these solutions, our knowledge base published online including CN-DBpedia and ProbasePlus has served industries with 1 billions of API calls.

    嘉宾介绍:肖仰华,复旦大学计算机科学技术学院教授、博导,复旦大学知识工场实验室创始人、上海市互联网大数据工程技术中心副主任,曾任多家规模企业高级顾问或首席科学家。国内最早从事知识图谱研究的学者之一。在国际顶级学术会议包括SIGMODVLDBICDEIJCAIAAAI发表论文学术100多篇,授权10多项知识图谱专利。领导构建知识库云服务平台(知识工场平台kw.fudan.edu.cn),发布一系列知识图谱,以API形式对外服务近8亿次。



    举报活动

    活动标签

    最近参与

    • jerry
      报名

      (6年前)

    • 胡椒园主
      报名

      (6年前)

    • 报名

      (6年前)

    • 当一个人成了谜
      报名

      (6年前)

    • 水水水水水冰月
      收藏

      (6年前)

    • 潘晶晶
      报名

      (6年前)

    您还可能感兴趣

    您有任何问题,在这里提问!

    为营造良好网络环境,评价信息将在审核通过后显示,请规范用语。

    全部讨论

    • 薄荷凉 6年前 0

      很好的活动,在大学里,意境特别好。

      • 大川 6年前

        谢谢参与,希望对您有帮助

    微信扫一扫

    分享此活动到朋友圈

    免费发布