機器之心GMIS 2017全面揭秘:六大亮點開啟全球機器智能頂級盛宴

5 月 27 日至 28 日,機器之心 SYNCED 主辦的 2017 全球智能機器峰會(GMIS 2017)將在北京舉行。從大咖參會、「人機大戰」,到六場主題 Session 和 IME 主題展的設置,GMIS 2017 上有許多吸引眼球的亮點。在人工智慧浪潮正在席捲全球的當下,這樣的行業盛會究竟意味著什麼?其又將為業界帶來什麼?離大會開幕還有 40 天的時間,機器之心在這裡歸納了將在 GMIS 2017 上出現的六大亮點。

亮點一:眾多大咖的首次齊聚,共議機器智能下一波浪潮

GMIS 2017 參會嘉賓的陣容異常強大,既有「LSTM 之父」Jürgen Schmidhuber、人工智慧「標準教科書」《人工智慧:一種現代方法》的作者 Stuart Russell 、微軟人工智慧首席科學家鄧力、香港科技大學教授&第四範式聯合創始人楊強、紐約大學心理學教授 Gary Marcus 、阿爾伯塔大學教授&計算機圍棋頂級專家 Martin Müller 、北師大教授吳思這樣的國內外頂尖科學家,也有英偉達 AI Cities CTO Milind Naphade 、GE Transportation Digital Solutions CTO Wesly Mukai 、科大訊飛執行總裁胡郁、螞蟻金服 VP 漆遠、騰訊 AI Lab 副主任俞棟、今日頭條副總裁馬維英這樣的全球工業界領域。

這是首次如此多的國內外頂級專家齊聚中國,下面機器之心對即將參會 GMIS 2017 大會的部分「大咖」們進行了簡單的梳理介紹。

Jürgen Schmidhuber,瑞士人工智慧實驗室 IDSIA 的科學事務主管,曾在上世紀九十年代中期提出了現已得到廣泛應用的循環神經網路 LSTM,被譽為「LSTM 之父」。Jürgen Schmidhuber 和 DeepMind 創始人 Demis Hassabis 有共同的人工智慧願景——實現通用人工智慧。

Stuart Russell,加州大學伯克利分校計算機科學教授兼加州大學舊金山分校的神經外科副教授,人工智慧「標準教科書」《人工智慧:一種現代方法》的作者;這本標準教科書被全世界 1300 多所大學選為教材。在當今深度學習所引發的人工智慧熱潮中,他也呼籲我們保持理性思考:「人工智慧的應用越來越火爆,相應也帶來了一系列挑戰,因為人工智慧並不是萬能的,它不能代替人類思維,當發生突發事件時,機器就沒有人腦靠譜了。」

Gary Marcus,紐約大學語言與音樂中心主任、心理學和神經科學教授、Geometric Intelligence 聯合創始人兼 CEO 以及暢銷書作家。去年 12 月,他將自己的創業公司 Geometric Intelligence 賣給了 Uber 並幫助創立了 Uber 的人工智慧研究團隊,四個月後,Marcus 就宣布從 Uber 離職。作為紐約大學科學家,Gary Marcus 是人工智慧領域的一名「反叛者」。為了推動實現通用人工智慧的宏偉目標,他認為我們應該「更加認真地對待認知科學,尤其是發展心理學和發展認知科學。」

鄧力,微軟深度學習技術中心領導深度學習應用開發的 Partner Research Manager、微軟應用與服務組(ASG)首席人工智慧科學家、華盛頓大學 Affiliate Full 教授。他曾首次提出了將深度神經網路應用到大規模語言識別中的構想並實際推動了相關技術的發展,其研究和實踐顯著提高了機器對語音的識別率,極大推動了人機交互領域的發展與進步。在去年 4 月的一次專訪中,他告訴機器之心:「將來人工智慧的成功一定是不同種類方法的整合,就像人一樣,擁有各種思維方法的完整系統,應該很自然的把神經網路方法、貝葉斯理論方法,符號式邏輯推理等其他理論方法整合在一起。」

胡郁,科大訊飛執行總裁、消費者 BG 總裁。中國科學技術大學信號與信息處理專業工學博士,教授級高工;國務院特殊津貼專家;中國優秀青年科技人才獎獲得者;國家百千萬人才工程-有突出貢獻的中青年專家;語音及語言信息處理國家工程實驗室執行主任;中國科學技術大學兼職教授、博士生導師;科技部 863 類人智能重點項目首席專家。胡郁分別榮獲國家信息產業重大技術發明獎、國家科學技術進步二等獎各兩次,並多次榮獲安徽省、部級,合肥市級科技獎勵,其在國內外核心期刊和重要國際會議上發表學術論文 60 余篇。1999 年,胡郁作為創始人之一創立科大訊飛公司。現擔任科大訊飛執行總裁、消費者 BG 總裁,負責主持公司語音合成、語音識別、語音評測、自然語言理解等智能語音及語言核心技術的研究工作,總體牽頭科大訊飛人工智慧前瞻項目——訊飛超腦計劃。其帶領的科研團隊在上述領域取得了豐碩的研究成果,在核心技術研究和產業化方面均取得了創新性成就。2017 年 1 月,他獲得由中央電視台、中國科學院、科學技術部和教育部等8家單位共同評選出的「2016 年度創新人物」獎。

漆遠,螞蟻金服副總裁、首席數據科學家、創建了並領導著螞蟻金服的人工智慧團隊。漆遠博士 39 歲被評為美國普渡大學計算機系和統計系終身教授、40 多歲就成為國家千人計劃特聘專家。目前,他作為阿里巴巴和螞蟻金融的數據技術線負責人,致力於大規模機器學習平台的建立及其在智能客服、芝麻信用、小額貸款等領域的應用。

俞棟,騰訊 AI Lab 副主任、前微軟研究院的首席研究員、頂級語音專家;迄今為止,他已經出版了兩本專著,發表了 160 多篇論文,是 60 余項專利的發明人及深度學習開源軟體 CNTK 的發起人和主要作者之一。

馬維英,今日頭條副總裁兼人工智慧實驗室主任、前微軟亞洲研究院常務副院長。馬維英博士的研究領域包括機器學習、自然語言處理、多媒體分析和理解、信息檢索、互聯網搜索技術、知識圖譜和大規模數據挖掘。今年 2 月宣布加入今日頭條後,他將如何代領今日頭條用人工智慧技術重新定義信息與內容的平台呢?這會是此次大會的精彩內容之一。

Martin Müller,阿爾伯塔大學教授、計算機圍棋頂級專家;其帶領的團隊在博弈樹搜索和規劃的蒙特卡洛方法、大規模並行搜索和組合博弈論方面頗有建樹。參與了大師級圍棋程序 AlphaGo 的設計研發的 David Silver 和黃士傑(Aja Huang)(他們分別是 DeepMind 的 AlphaGo 相關 Nature 論文的第一作者和第二作者)都曾師從於他。

吳思,北京師範大學腦與認知科學研究院/認知神經科學與學習國家重點實驗室教授、博士生導師。吳思教授的主要研究方向為計算神經科學和機器學習。通過和實驗神經科學家緊密合作,以數學理論和計算機模擬來構建神經系統的計算模型,解析神經系統處理信息的基本原理,並在此基礎上發展類腦的人工智慧演算法。目前開展的工作主要包括:神經信息表達的正則模型-連續吸引子網路、神經突觸短時程可塑性的計算功能、多模態信息處理的神經機制、類腦視覺信息處理技術等。已發表論文近百篇,作為第一或通訊作者發表的論文包括:神經科學頂級刊物 Neuron,Nature Neuroscience,PNAS,J. Neurosci.,人工智慧頂級國際會議NIPS (8篇)等。

亮點二:聚焦機器學習的前沿研究

近幾年,深度學習的發展使人工智慧出現了突破進展,但機器學習需要在無監督學習、遷移學習、強化學習等領域的研究取得新的進展。在 GMIS 2017 全球機器智能峰會上,將有十餘位國內外嘉賓為我們帶來機器學習技術的最新研究與系統性探討。

在前沿研究的探討上,微軟人工智慧首席科學家鄧力和香港中文大學教授、第四範式聯合創始人楊強將分別分享無監督學習和遷移學習兩個熱門研究方向的最新進展;此外,阿爾伯塔大學教授、計算機圍棋頂級專家/ DeepMind 首席科學家 David Silver 博士導師 Martin Müller 、亞馬遜 AWS 總監 Leo Dirac 、第四範式創始人戴文淵、清華大學副教授朱軍等人將就機器學習的最新研究從不同角度帶來精彩演講。

而在機器學習技術的應用層面,俄亥俄州立大學感知與神經動力學主任/大象聲科首席科學家汪徳亮、地平線機器人創始人余凱、等人將在 5 月 27 日下午「機器學習」Session 里分享基於深度學習的語音降噪技術和自動駕駛應用。

此外,作為機器學習領域的優秀青年代表,師從 Stuart Russell、NIPS 2016 最佳論文《Value Iteration Network》作者之一吳翼也將帶來關於價值迭代網路(Value Iteration Network)的精彩內容。

亮點三:探索交叉學科間的無限可能

對計算機科學、神經科學、心理學、機器人等學科交叉領域研究一直是機器之心的重點關注方向,這也是 GMIS 2017 全球機器智能峰會的亮點之一。

神經認知科學和機器學習領域最具代表性的人物之一、紐約大學心理學教授、 Geometric Intelligence 創始人和暢銷書作者 Gary Marcus 前段時間剛發表了有別於業界對深度學習態度的言論。作為前 Uber 人工智慧實驗室的負責人之一,Gary Marcus 一直對業界的各種狂熱有著不同的看法。在本次大會上,我們也期待他在這個主題下的更多獨到觀點。

另一個值得關注的主題是北師大認知神經科學與學習國家重點實驗室教授、IDG/McGovern 腦科學研究所研究員和博士生導師吳思帶來的演講——「視覺信息處理的動態法則」(Dynamical Principles of Visual Information Processing)。吳思曾先後工作於香港科技大學、比利時林堡大學、日本理化學研究所、英國謝菲爾德大學和英國薩斯克斯大學,2008 年入選中科院「百人計劃」人才工程。研究涉及廣義相對論、統計物理、人工智慧、機器學習和計算神經科學等多個領域。

在人工智慧領域,自然語言處理正嘗試讓計算機理解人類語言,比如,採用了深度學習技術的谷歌翻譯工具,其翻譯質量有了質的飛躍。在今年年初上映的電影《降臨》異常火爆,路易斯和伊恩通過數據和計算機技術來破解外星人語言,這也引發了大眾對計算機與語言更大範圍上的關注和探討。

該影片的科學顧問、麥吉爾大學語言系副教授 Jessica Coon 也應邀出席 GMIS 2017 全球機器智能峰會,對於語言學家的研究來說,人工智慧技術究竟扮演著什麼樣的角色?在電影《降臨》之外,又有哪些不為人知的故事?Jessica Coon 的分享將會為我們帶來關於《降臨》以及人工智慧和語言學研究的更多認知。

亮點四:如何打造一款機器智能時代的垂直應用?

從技術研究到垂直應用,機器應該如何學習?垂直領域人工智慧應用的方向又在哪裡?機器之心選取了交通、金融、推薦、自動駕駛和法律等人工智慧應用的熱門方向,本次峰會選取了,來自國內外人工智慧產業界和學界的眾多優秀代表將共同探討機器智能時代下的人工智慧垂直應用。

在 GMIS 2017 全球機器智能峰會上,「機器智能時代的垂直應用」將成為眾多嘉賓和與會者討論的重要話題。其中,NVIDIA AI Cities CTO Milind Naphade、螞蟻金服 VP 首席數據科學家/普渡大學終身教授漆遠、今日頭條副總裁兼人工智慧實驗室負責人馬維英、地平線機器人創始人余凱、以及上海交大教授/思必馳聯合創始人兼首席科學家俞凱等嘉賓將分別就人工智慧技術在交通、金融、信息流推薦、自動駕駛和自然對話等領域的垂直應用進行演講,來自灣區的明星創業公司 Ross Intelligence CTO Jimoh Ovbiagele 也會介紹如何用人工智慧來幫助律師。同時,我們還會對人工智慧的應用場景探索、產業化、商業化展開深入討論。

亮點五:全球化人工智慧頂級盛宴

機器之心是覆蓋全球的人工智慧信息服務提供商,而人工智慧發展到今天,越來越多的機構需要在研究、應用場景、數據和資本等層面開展全球化探索。因此,「全球化」也是本次峰會的一大亮點。

首次,近四十位的嘉賓陣容中有超過半數的海外嘉賓將悉數登場,是真正的一場「全球峰會」。他們涵蓋了海外頂尖科學家、科技巨頭代表、優秀創業公司和頂尖人工智慧孵化器等,相信他們的國際化視野將會為國內觀眾帶來更多啟發與思考。

其次,在 5 月 28 日下午專門設置了「人工智慧全球化」(AI Globalization)Session,百度風投 CEO、百度副總裁劉維、聯想之星 Comet Labs 管理合伙人 Saman Farid 和 Jean-Sebastien(Investment Committee Advisor at Element AI)等多位嘉賓將針對「人工智慧全球化」這一主題進行演講和圓桌討論。

第三,另外一個體現本次大會「全球化」的項目是機器之心的「AI00」頒獎,機器之心通過自身的內容積累,以及覆蓋全球的信息渠道,按照基礎研究、技術和產品、行業潛力、公司運營能力、資本實力等五個考量維度,甄選出全球範圍內最具前途的 100 家人工智慧公司,它們中包括那些已被大眾熟知的科技巨頭和垂直行業獨角獸,也有尚在萌芽的初創公司。本次大會中,自 2016 年 10 月啟動的開源項目「AI00」將舉辦首次頒獎典禮。來自全球各地 100 家人工智慧公司的優秀代表將在大會上進行公開展示並接受頒獎。

亮點六:神秘人機大戰直播巔峰對決

作為人工智慧先進技術展示的舞台,GMIS 2017 全球機器智能峰會特別設立了「人機對戰」環節,搜狗「汪仔」將第一次走到線下,與觀眾一起互動,並在直播狀態下與人類選手進行角逐。在本次人機對戰中,搜狗「汪仔」將在共計五輪的對決中向人類戰隊發起挑戰。

一邊是依靠語音識別、圖像識別、語音合成和自然語言理解與計算實現答題和思考的人工智慧機器,一邊是由擅長速記與讀寫的高智商精英組成的專業團隊,人工智慧同人腦的巔峰對決,勢必將成為整場大會的亮點。

本次人機對戰將是首次峰會級別的現場直播對戰,因此更加具備突破性,觀眾感受也更為直觀。除此之外,相較於之前大多圍繞「基礎速記」展開的「對戰」,此次比賽的維度與難度均實現了升級,搜狗將以何種方式參與比賽、人腦同人工智慧將在哪一領域進行最終對決、對戰在維度與形式上是否有所創新等尚在保密中,這也為這場人機大戰增添了幾分神秘色彩。

可以肯定的是,作為峰會級別的現場直播對戰,此次人機對決將首次挑戰相關領域內的技術難點,以期為業界及受眾帶來全新的體驗。在現場直播條件下「汪仔」究竟表現到底如何?讓我們拭目以待!

大會所有嘉賓及日程見下圖

查看機器之心大會官網:機器之心 | GMIS 2017 全球機器智能峰會

購票鏈接: GMIS全球機器智能峰會—— A Machine That Learns?

推薦閱讀:

TAG:人工智能 | 机器学习 | 机器智能 |