二十一世纪的计算大会：人工智能·未来之路

微软亚洲研究院 · 公众号 · AI · 2017-10-13 19:59

正文

请到「今天看啥」查看全文

人工智能已经到达一种前所未有的科技高度，大批科学家和技术人员正在人工智能领域倾注他们的热情与专业技术，商界领袖和学者们也同样对人工智能的产业应用充满信心、翘首以待。

在微软，人工智能的元素渗透在几乎所有的产品和服务中，为用户带来巨大的收益。然而，创造和部署这样的人工智能应用并非易事，需要大量的专业知识和手动设计的解决方案。在这个意义上，可以说我们正处于“手工AI”的时代。在本演讲中，微软全球资深副总裁Peter Lee将着重解析当前人工智能应用的手工性质，展望一个更加工业化的未来。

John Hopcroft: 深度学习高效运作的秘诀

康奈尔大学计算机系教授、 1986年图灵奖获得者、电气电子工程师学会（IEEE）及美国计算机协会（ACM）院士 John Hopcroft

在人工智能的驱动下，一场信息革命正在轰轰烈烈地上演。15-20年前，支持向量机模型的出现点燃了这场革命的引火线，而最近，深度学习的快速发展将信息革命推向新的高潮。众所周知，深度学习在许多应用领域中都取得了标志性的成功，但这种高效运作背后的原因却知之甚少。

在本演讲中，康奈尔大学计算机系教授、1986年图灵奖获得者John Hopcroft将带领大家回顾机器学习的基础知识，并分享深度学习领域中一些比较有趣的研究方向。

Lise Getoor: 从图数据科学到有效推论

加州大学圣克鲁兹分校计算机科学系教授、美国人工智能学会（AAAI）院士 Lise Getoor

我们正处于数据爆炸的时代，图数据无处不在，比如通信数据，由金融交易网络、协作网络、组织层次结构、社交媒体等产生的数据。尽管这些观测数据有一定价值，但局限性也相当突出，比如往往会带有很多“噪声”，模型也不够全面，对实际存在的深层社会、科学或技术结构只是浅触皮毛。因此，大数据分析的挑战之一就在于如何能够合理利用这种大型、异构、不完整且带有噪音的集成数据进行合理推论。

在本演讲中，加州大学圣克鲁兹分校计算机科学系教授Lise Getoor将介绍图数据所需的一些常见推理模式，以及解决这些问题所需的一些关键功能。

Raymond Mooney: 深度学习革命