15201033833
20世紀最偉大的數(shù)學家馮·諾依曼希望計算機和人工智能能帶來一場震撼我們這個星球的科學革命，菲爾茲獎和沃爾夫獎得主Stephen Smale繼承和發(fā)揚了馮·諾依曼的科學思想，提出了著名的關于人工智能的Smale第十八問題。
為進一步繼承和發(fā)揚馮·諾伊曼的科學思想，中國科學院人工智能聯(lián)盟標準組與北京理工大學計算機學院去年成功舉辦了“2018 AI科學前沿論壇”，論壇探討了AI科學前沿的數(shù)學基礎及其應用。由于該論壇反響熱烈，應與會人士的要求，主辦方?jīng)Q定將“AI科學前沿論壇”更名為“AI科學前沿大會”，擬定于2019年4月11日-12日在北京舉辦。
本次大會聚焦AI科學前沿的數(shù)學基礎、算法、關鍵共性技術及其應用，邀請全國AI數(shù)學界、科學界知名學者和業(yè)界資深專家分享最新理論成果，展望AI科學未來。
本次會議主題包括：智能數(shù)學、深度強化學習、分布式機器學習、語音識別、自然語言處理、計算機視覺、機器人學、自動駕駛、無人機、AI行業(yè)應用——搜索、推薦、隱私保護、反欺詐、音樂、運動、教育等。
會議熱忱歡迎國內外AI數(shù)學、科學及應用相關領域的科研人員、高校師生、業(yè)界人士蒞臨。
大會福利: 注冊費由主辦方承擔。
日程安排
（以會前最終安排為準）
嘉賓介紹
開幕致辭嘉賓
李真真
中國科學院人工智能聯(lián)盟標準組組長，中國科學院科技戰(zhàn)略研究院研究員。成功主辦以人工智能技術、倫理與法律的關鍵科學問題為主題的第S36次香山科學會議等重要學術會議，倡導以博弈統(tǒng)攝機器學習的觀點。
黃河燕
北京理工大學計算機學院院長，人工智能研究院院長，教授，博導，中國人工智能學會副理事長，北京市海量語言信息處理與云計算應用工程技術研究中心主任。主要學術研究方向為機器翻譯和自然語言處理 ，主持承擔國家自科基金重點項目、“973 計劃”課題、“863 計劃”項目等 20 多項國家級科研攻關項目，獲得國家科技進步一等獎等十余項國家級和省部級獎勵。
學術報告嘉賓
1. 陳炳文 騰訊云
報告題目：營銷風控的反欺詐技術
內容摘要：本報告針對視頻/電商等業(yè)務平臺方在流量營銷/線上線下活動營銷中存在的“羊馬牛”黑產(chǎn)演變情況，基于大數(shù)據(jù)無監(jiān)督平臺的反欺詐技術，提出騰訊云天御對抗黑產(chǎn)團伙的解決方案。
嘉賓介紹：陳炳文（Bink Chen），騰訊云天御流量風控業(yè)務負責人，博士畢業(yè)后曾就職于軍工研究所，主導多項基于大數(shù)據(jù)智能引擎的軍工指揮信息系統(tǒng)，17年加入騰訊云，主導流量營銷風控、活動營銷風控等風控業(yè)務，發(fā)表十六篇學術論文，擁有4項發(fā)明專利\國防專利。
2. 陳桂生 中國電子系統(tǒng)研究院信息化總體研究部
報告題目：智能機器人需求理解與意圖表達的元模型
內容摘要：TBA
嘉賓介紹：陳桂生，清華大學計算機系工學博士，中國電子系統(tǒng)研究院信息化總體研究部研究員，中國人工智能學會知識工程專委會理事，中國指揮與控制學會無人系統(tǒng)專委會理事。曾任中國人工智能學會副秘書長。陳桂生博士在人工智能與機器人技術領域長期從事理論研究與工程研究開發(fā)工作，在人工智能、智能交通、機器人傳感器信息感知、網(wǎng)絡傳輸、智能信息處理與決策、控制器及執(zhí)行機構設計、人機交互設計，以及多智能車交互與協(xié)同等技術領域取得較好成果，擁有豐富的國家大型信息化項目需求分析、總體論證和設計經(jīng)驗，近年來參加的科研項目有：《機器人化工程機械研究》、《臨場感技術》、《國家信息化水平測評指標體系研究》、《基于互聯(lián)網(wǎng)海量信息的情報分析與處理需求論證》、《網(wǎng)絡化數(shù)據(jù)挖掘》、《需求工程—對復雜系統(tǒng)的軟件工程的基礎研究》、《室外移動機器人多車交互協(xié)作關鍵技術研究》等，在高校講授《不確定性人工智能》課程，對人工智能感知和認知過程中的雙向認知云模型有深入的研究。
3. 陳小平 中國科學技術大學計算機學院
報告題目：人工智能理論基礎問題的新思考和新動向
內容摘要：總結人工智能三次高潮產(chǎn)生的核心成果——暴力法和訓練法，以及AlphaGo Zero對暴力法和訓練法的融合與超越。分析當前人工智能發(fā)展的根本性瓶頸——不確定性問題，闡述不確定性給人工智能理論基礎帶來的挑戰(zhàn)。介紹人工智能及理論基礎研究在兩個方向上的新動向——知識整合與融差操作。
嘉賓介紹：陳小平博士，現(xiàn)任中國科學技術大學機器人實驗室主任，機器人技術標準創(chuàng)新基地主任，計算機學院教授，中國人工智能學會AI倫理專委會主任，中國RoboCup委員會主席，國際RoboCup聯(lián)合會理事。曾任2015世界人工智能聯(lián)合大會機器人領域主席、2015和2008RoboCup機器人世界杯及學術大會主席。中科大“杰出研究”校長獎獲得者，IEEE ROBIO’2016最佳大會論文等國際論文獎、世界人工智能聯(lián)合大會最佳自主機器人獎和通用機器人技能獎、機器人世界杯12項世界冠軍等團體獎獲得者。
4. 戴彧虹 中國科學院數(shù)學與系統(tǒng)科學研究院
報告題目：Training GANs with Centripetal Acceleration
內容摘要：Training generative adversarial networks (GANs) often su?ers from cyclic behaviors of iterates. Based on a simple intuition that the direction of centripetal acceleration of an object moving in uniform circular motion is toward the center of the circle， we present the Simultaneous Centripetal Acceleration (SCA) method and the Alternating Centripetal Acceleration (ACA) method to alleviate the cyclic behaviors. Under suitable conditions， gradient descent methods with either SCA or ACA are shown to be linearly convergent for bilinear games. Numerical experiments are conducted by applying ACA to existing gradientbased algorithms in a GAN setup scenario， which demonstrate the superiority of ACA.
嘉賓介紹：戴彧虹，數(shù)學家，中國科學院數(shù)學與系統(tǒng)科學研究院院長助理、研究員、博士生導師。1992年畢業(yè)于北京理工大學；1992年中國科學院計算數(shù)學與科學工程計算研究所博士畢業(yè)后留所工作，先后擔任助理研究員、副研究員、研究員、馮康首席研究員；2011年獲國家杰出青年科學基金資助；2015年獲得馮康科學計算獎；2017年獲第十六屆陳省身數(shù)學獎；2018年獲首屆蕭樹鐵應用數(shù)學獎。戴彧虹主要從事計算數(shù)學、應用數(shù)學、運籌學和人工智能的研究。
5. 范欣欣 網(wǎng)易大數(shù)據(jù)
報告題目：AI平臺的時序數(shù)據(jù)技術
內容摘要：本報告就時序數(shù)據(jù)平臺在大數(shù)據(jù)AI平臺建設中主要應用場景，提出時序數(shù)據(jù)平臺的核心系統(tǒng)及技術架構，重點分享時序數(shù)據(jù)庫系統(tǒng)的功能特性和核心優(yōu)化思路。
嘉賓介紹：范欣欣，網(wǎng)易大數(shù)據(jù)技術專家，就職于網(wǎng)易研究院后臺技術中心數(shù)據(jù)庫技術組，專注于HBase的開發(fā)運維，熱衷于MySQL等相關數(shù)據(jù)庫技術。
6. 馮超 滴滴AI Labs
報告題目：A Review of Progresses on Deep Reinforcement Learning: Implementing Distributed Frameworks and Overcoming Sparse Reward Challenges
內容摘要：Deep reinforcement learning has received more and more attention and achieved breakthroughs in academic and industrial fields recently. Nowadays， deep neural network models already can beat human professional players in many games， such as Atari， Go， and even Dota (a multiplayer online battle arena game)， with constrained environment. Reinforcement learning usually contains two major parts: 1. finding the state-action sequences that lead to the positive/negative rewards， 2. memorizing good decisions from the historical experience utilizing deep models with large scale training. Most of the work is enhancing the performance of these two parts. In this talk， recent developments of implementing distributed frameworks and overcoming sparse reward challenges will be reviewed， and some future work will be discussed.
嘉賓介紹：馮超，現(xiàn)就職于滴滴出行AI Labs時空數(shù)據(jù)組，擔任專家算法工程師，負責路徑規(guī)劃算法與圖像、視頻應用算法的研發(fā)工作，曾任小猿搜題拍照搜題算法負責人。著有書籍《強化學習精要》《深度學習輕松學》，個人的研究方向有計算機視覺，分布式機器學習框架和深度強化學習。
7. 宮士敏 小米大數(shù)據(jù)部
報告題目：移動搜索技術
內容摘要：AI賦能和數(shù)據(jù)驅動使得小米互聯(lián)網(wǎng)業(yè)務得到了持續(xù)的增長，也助推了搜索和推薦系統(tǒng)的發(fā)展。本報告就AI技術在移動搜索場景下遇到的問題，提出相關性計算、查詢分析和排序方面的算法設計與架構，并基于用戶行為大數(shù)據(jù)，提升優(yōu)化算法效果和用戶體驗。
嘉賓介紹：宮士敏，小米大數(shù)據(jù)部算法團隊Leader，帶領團隊構建了小米移動搜索算法體系。研究領域主要包括搜索引擎、機器學習、推薦系統(tǒng)等。對搜索中的相關性計算、排序、NLP等相關技術有深刻理解，并對深度學習在搜索推薦領域應用有豐富的實踐經(jīng)驗。畢業(yè)于中科院計算所，之前在搜狗搜索負責網(wǎng)頁搜索算法相關工作。
8. 胡翔宇 百度搜索
報告題目：基于深度學習的識圖搜索
內容摘要：本報告結合百度下一代智能搜索的發(fā)展趨勢和搜索業(yè)務的最新進展，融合傳統(tǒng)CV與深度學習，應用CNN特征，構建千億級別圖片庫和視覺索引，結合圖像分類、細粒度識別、檢索和大規(guī)模GPU 在線加速技術，給出識別萬物的移動端深度學習識圖搜索系統(tǒng)，該系統(tǒng)實現(xiàn)千萬級別 DAU、過億的 PV 訪問量。
嘉賓介紹：胡翔宇，百度搜索公司資深策略工程師，AI領域（圖像識別，視覺檢索，視頻理解，大規(guī)模深度學習，LTR）的資深專家。目前正負責百度下一代視覺搜索的研發(fā)工作，通過最新的AI 技術將百億級線下信息數(shù)據(jù)化，構建千億級行業(yè)知識庫和多模態(tài)的索引，從文本檢索升級到語義索引，用圖像/視頻/XR 技術，升級搜索引擎的 I/O 交互及索引內核，打造新的AI搜索體驗，讓搜索無處不在。
9. 胡曉光 百度深度學習技術平臺部
報告題目：PaddlePaddle核心技術
內容摘要：本報告將分享PaddlePaddle 總體架構；深入框架設計原理及實現(xiàn)；PaddlePaddle 新特性，移動端部署、并行等；結合百度 AI 實踐，NLP、圖像等應用。
嘉賓介紹：胡曉光，百度深度學習技術平臺部主任工程師，多年深度學習算法實踐經(jīng)驗，2015 年帶領團隊上線全球首個基于深度學習的在線翻譯引擎；現(xiàn)負責 PaddlePaddle 模型應用，致力于打造最好用的深度學習平臺。
10. 黃智生 荷蘭阿姆斯特丹自由大學人工智能系
報告題目：智能機器人與網(wǎng)絡自殺監(jiān)控預警
內容摘要：青少年自殺已經(jīng)成為社會普遍關注的重要問題之一。自殺是15歲到34歲青少年人群死亡的主要原因。據(jù)估計15到24歲青少年中120萬人受到抑郁癥折磨，大學生中抑郁率高達23.8%。抑郁癥是自殺死亡的主要原因。許多年輕人在自殺之前通過網(wǎng)絡媒體表達了各種自殺情緒和愿望，這為采用人工智能及大數(shù)據(jù)技術對網(wǎng)絡媒體作分析并進行自殺救助提供了可能性。我們開發(fā)的網(wǎng)絡智能機器人采用知識圖譜技術，每天監(jiān)控對應的網(wǎng)絡媒體并發(fā)布自殺監(jiān)控通報。我們組織的“樹洞行動救援團”根據(jù)監(jiān)控通報采取自殺救助行動。自2018年7月起，我們已經(jīng)對數(shù)以百計的人提供自殺救助，暫時緩解了她們的自殺行為。我們將介紹構建網(wǎng)絡智能機器人的基本技術，并闡述這種智能機器人如何用于發(fā)現(xiàn)自殺人群并發(fā)布對應的監(jiān)控通報。
嘉賓介紹： 黃智生博士是荷蘭阿姆斯特丹自由大學人工智能系終身教授， 出版了《海量語義數(shù)據(jù)處理-平臺，技術，與應用》、《生物醫(yī)學語義技術》等教材，發(fā)表過論文論著超過二百篇， 擔任超過一百個國際學術會議的程序委員會委員，超過二十個國際會議的聯(lián)合主席，擔任六個國際學術刊物的編委，特約主編或特約編委。主持歐盟第七框架重大項目LarKC中推理工作組的工作。主持歐盟第七框架智慧醫(yī)療重大項目EURECA中基于語義技術的臨床試驗系統(tǒng) SemanticCT的開發(fā)；主持了基于語義技術的抗菌藥物合理用藥系統(tǒng)SeSRUA的開發(fā)。他參與開發(fā)的E-Culture項目在2006年世界語義萬維網(wǎng)技術挑戰(zhàn)賽上獲得冠軍。作為第一作者獲得2014世界健康信息技術學術年會（HealthInfo2014）最佳論文獎。他所開發(fā)的網(wǎng)絡自殺監(jiān)控機器人具有很高的科學價值，已經(jīng)取得明顯的社會效益。他所發(fā)起的“樹洞行動救援行動”已經(jīng)成功地挽救數(shù)以百計的生命。這些事跡已經(jīng)被科技日報、健康界、揚子晚報、和北京青年報等媒體廣泛報導。
11. 江會星 美團點評搜索與NLP部
報告題目：對話理解技術
內容摘要：智能客服是一種使用自然語言與用戶交互的人工智能系統(tǒng)，通過分析用戶意圖以人性化方式與用戶溝通，向用戶提供客戶服務。本報告首先給出美團智能客服的對話交互設計框架，然后詳細分析意圖挖掘、意圖理解、情緒識別、對話管理等的機器學習算法核心技術及其效果。
嘉賓介紹：江會星，博士，美團點評搜索與NLP部NLP中心研究員，智能客服團隊負責人，主要負責美團智能客服業(yè)務及智能客服平臺的建設。曾在阿里達摩院語音實驗室從事智能語音對話交互方向研究，主要負責主導的產(chǎn)品有斑馬智行語音交互系統(tǒng)、YunOS語音助理等。
12. 李衡宇 Pony.ai
報告題目：自動駕駛從0到1之路
內容摘要：從1886年汽車誕生，到1925年人類進行無人駕駛的首次嘗試，近年，隨著車輛技術、算力和芯片、傳感器、大數(shù)據(jù)等各項技術的發(fā)展，使自動駕駛成為可能。本報告將從0說起自動駕駛的發(fā)展，指出安全可實用的自動駕駛系統(tǒng)中各環(huán)節(jié)所面臨的挑戰(zhàn)，并解析機器人出租車（Robotaxi）案例，最后探討離自動駕駛的1還有多遠。
嘉賓介紹： 李衡宇，Pony.ai北京研發(fā)中心負責人，四川大學電子信息學碩士，前百度廣告搜索部和自動駕駛事業(yè)部資深工程師，曾獲“百度最高獎（百萬美元大獎）”，目前在Pony.ai負責自動駕駛整體技術研發(fā)。
13. 李亞楠 阿里大文娛
報告題目：通用對話系統(tǒng)
內容摘要：本報告重點分析通用信息服務領域的對話交互技術中的難點，包括對話理解、對話管理、任務型對話、智能問答、通用聊天等任務。
嘉賓介紹：李亞楠，中科院計算所博士，先后工作于騰訊、微軟、百度、阿里，研究方向為信息檢索、自然語言處理、推薦。目前負責阿里神馬智能對話，探索下一代AI搜索技術，打造更加自然的對話問答系統(tǒng)，提供更加智能的通用信息服務能力，服務天貓精靈、阿里云IoT、車載OS、優(yōu)酷電視、螞蟻客服、UC頭條、夸克智能瀏覽器等多個阿里重要業(yè)務?；趪鴥鹊诙笸ㄓ盟阉饕婧蛢|級用戶數(shù)據(jù)，我們擁有深厚的技術沉淀和海量的日志數(shù)據(jù)。
14. 李旸 深覺智能
報告題目：通用知識表達框架的數(shù)學基礎
內容摘要：知識體系是智能系統(tǒng)中極為重要的一環(huán)，而有關傳統(tǒng)理論研究雖然歷史悠久，但大多都是從哲學層面進行定義和考慮，還停留在基于文字的層面。目前人工智能的現(xiàn)狀是基于數(shù)字和符號的計算，本talk探討如何構建通用知識表達框架的數(shù)學基礎，使知識體系能夠被智能系統(tǒng)有機和有效利用，進而推動人工智能的發(fā)展。
嘉賓介紹：李旸博士，本科畢業(yè)于清華大學電子工程系。 后在美國伊利諾伊大學香檳分校智能人機互動實驗室，師從計算機視覺大師Thomas Huang 和人機對話之父Stephen E. Levinson教授，并獲得自然語言理解領域的電子工程博士。 李旸博士在美國有多年的創(chuàng)業(yè)高科技企業(yè)研發(fā)帶隊的經(jīng)驗，從事過多媒體壓縮和傳輸，基于區(qū)塊鏈的分布式云存儲系統(tǒng)等的算法研發(fā)和產(chǎn)品開發(fā)工作，擁有3項美國技術發(fā)明專利，多項技術創(chuàng)新。李旸博士在人工智能理論研究方面獨樹一幟，把物理哲學思想引入人工智能領域，擁有一套未公開的完整的人工智能核心理論，并重點研發(fā)人工智能理論在自然語義理解和智能對話系統(tǒng)中的應用。 李旸博士目前在國內創(chuàng)立了上海深覺智能科技有限公司，帶領團隊致力于研發(fā)通用人工智能引擎的核心算法，并把這一算法用于重點開發(fā)智能對話產(chǎn)品。李旸博士目前重點研究知識學的基礎理論，通用知識表達框架，以及知識的自動生成方法。
15. 李子晉 中國音樂學院
報告題目：音樂人工智能發(fā)展現(xiàn)狀
內容摘要：近年來音樂與人工智能結合發(fā)展迅速，本報告將分享人工智能在音樂創(chuàng)作制作、音樂表演、音樂教育、音樂研究等的應用情況，分類總結歌聲信息處理、音樂處理、樂器識別等任務中涉及的聲學技術、認知感知、信號處理、聲音合成技術等概念、原理、應用、基本技術框架，并展望其未來發(fā)展趨勢。
嘉賓介紹：李子晉，中國音樂學院音樂科技專業(yè)副教授，音樂聲學博士，麥吉爾大學國家公派訪問學者。長期從事音樂科技相關科研與教學活動。發(fā)表期刊及會議論文近30篇，出版專著1部，獲國家專利4項，主持和參與國家科技部基礎項目《中國傳統(tǒng)樂器聲學測量及頻譜分析》、國家藝術基金《中國傳統(tǒng)樂器數(shù)字博物館傳播平臺建設》、北京市社科基金《西山文化小鎮(zhèn)聲音景觀設計研究》等10余項項目。參與組織全國樂器學研討會、全國計算機聲音與音樂技術會議（CSMT）中國傳統(tǒng)音樂技術論壇、音樂人工智能發(fā)展研討會等10余場學術會議及論壇。
16. 林會杰 網(wǎng)易有道
報告題目：智慧教育系統(tǒng)
內容摘要：本報告基于有道智慧教育系統(tǒng)AI技術，包括作業(yè)批改、自適應學習、口語評測，探討計算機視覺、語音、自然語言處理等相關技術在教育領域中的應用。
嘉賓介紹：林會杰，2011年和2016年在清華大學獲得計算機學士和博士學位，主要研究興趣包括情感計算、人機語音交互及移動計算?，F(xiàn)任網(wǎng)易有道技術總監(jiān)，負責有道語言翻譯及教育類工具產(chǎn)品和智能硬件產(chǎn)品研發(fā)工作。
17. 劉青山 南京信息工程大學
報告題目：視覺特征學習
內容摘要：機器視覺的目標就是讓機器能像人眼視覺系統(tǒng)一樣自動‘’看懂‘’外部環(huán)境，因此是人工智能領域的一個重要研究方向。本報告將介紹機器視覺研究中特征學習方面的一些最新進展及其面臨的問題，并重點從高維視覺特征表達和深度視覺特征學習兩個方面，介紹我們團隊近年來在目標檢測、遙感圖像分類等方面的研究進展。
嘉賓介紹：劉青山博士現(xiàn)任南京信息工程大學教授、博導。2003年4月畢業(yè)于中科院自動化所模式識別國家重點實驗室獲博士學位，隨后留實驗室工作，2006年4月赴美國Rutgers大學訪問、工作。2011年9月加盟南京信息工程大學。先后入選江蘇省特聘教授、江蘇省雙創(chuàng)團隊領軍人才、江蘇省優(yōu)秀教育工作者、科技部中青年創(chuàng)新領軍人才等。是江蘇省人工智能學會副理事長、中國自動化學會模式識別與機器智能專委會副主任、中國計算機學會多媒體專委會和計算機視覺專委會常務委員等。主要研究方向為圖像與視頻分析、計算機視覺、和機器學習。先后主持承擔國家杰出青年基金項目，國家自然基金重點項目、面上項目、江蘇省杰出青年基金等。先后獲2016年度教育部自然科學二等獎、2017年江蘇省教學成果二等獎、2018年江蘇省高校自然科學一等獎、和2018年中國電子學會自然科學一等獎等。
18. 劉武 京東AI研究院
報告題目：Empowering Retailing Experiences with Computer Vision
內容摘要：作為人工智能的眼睛，計算機視覺研究的發(fā)展正在對我們的生活和生產(chǎn)產(chǎn)生巨大的影響，其中包括整個零售業(yè)態(tài)。京東提出了“零售即服務”的概念，將零售定義為內容與交互的自然結合。在本次報告將展示京東AI如何通過研發(fā)計算機視覺技術，更好地感知和了解顧客、產(chǎn)品以及零售場景，從而對顧客提供更加自然、更個性化的交互服務，推動整個零售業(yè)的發(fā)展。
嘉賓介紹：劉武，京東AI研究院高級研究員，ACM未來計算協(xié)會創(chuàng)始委員，中科院計算所博士。研究方向為多媒體與計算機視覺，在IEEE CVPR、ACM MM、IJCAI、AAAI、UBICOMP等一流國際會議和期刊上發(fā)表文章30余篇。獲得過中國科學院優(yōu)秀博士學位論文獎、中國科學院院長特別獎、國際會議IEEE ICME 2016 Best Student Paper、京東集團AI平臺與研究部技術創(chuàng)新獎等，并入選2017年微軟鑄星計劃。在JD率領團隊獲得過IEEE CVPR 2018全球人體姿態(tài)估計挑戰(zhàn)賽兩個任務的冠軍。曾擔任SCI期刊MTAP、MVA客邀編輯，國際會議ICME 2019 Web Chair， BIGMM 2018 Publicity Chairs，ICIP 2017、PCM 2016等分會主席。
19. 呂超 北京理工大學智能車輛研究所
報告題目：智能車輛類人駕駛行為學習與建模
內容摘要：隨著智能系統(tǒng)理論和技術的快速發(fā)展，具有自主學習能力，能夠學習人類駕駛經(jīng)驗和駕駛行為的智能車輛開始成為學者和公眾共同關注的焦點。然而，現(xiàn)有的駕駛行為學習方法旨在通過模仿到達學習的目的，對數(shù)據(jù)依賴性強，不能有效地將已有的知識和經(jīng)驗遷移到新任務的學習中，具有學習效率低、泛化能力差的缺點，限制了其在復雜動態(tài)駕駛場景中的應用。本次報告將介紹一種針對智能車輛的駕駛行為建模與學習方法。該方法基于遷移學習（Transfer Learning），可以實現(xiàn)不同駕駛任務與駕駛員之間的知識遷移，大大提高了系統(tǒng)的學習效率和泛化能力。
嘉賓介紹：呂超，北京理工大學智能車輛研究所講師，2015年于英國利茲大學獲博士學位。主要從事強化學習、駕駛行為建模、智能控制系統(tǒng)、智能車輛與智能交通系統(tǒng)的研究。主持國家自然基金項目和上汽聯(lián)合基金重點項目，參與了包括歐盟COST組織項目，國家863課題等在內的多項國際和國內項目。發(fā)表SCI /EI收錄論文20余篇 ，對深度學習和強化學習在智能交通系統(tǒng)中的應用有豐富經(jīng)驗。所在團隊為無人車技術工業(yè)和信息化部重點實驗室和無人平臺國防科技創(chuàng)新團隊。
20. 彭佩璽 中國科學院自動化所
報告題目：Unsupervised Cross-dataset Transfer Learning for Person Re-Identification
內容摘要：The problem of Person Re-identification (ReID) is to associate pedestrians captured from multiple non-overlapping cameras. It has many important applications in video surveillance such as person search or cross-camera tracking. Most existing person ReID approaches follow a supervised learning framework， in which a large number of labelled matching pairs are required for training. This severely limits their scalability in real-world applications. To overcome this limitation， we introduce a novel unsupervised cross-dataset transfer learning method to person ReID， which aims to transfer discriminative representations from the labeled source dataset collected from elsewhere to the unlabeled target dataset. The experimental results on several benchmarks demonstrate the proposed method can achieve state-of-the-art performances.
嘉賓介紹：Peixi Peng received the B.S. degree of Mathematics and Applied Mathematics from Xi’an Jiaotong University in 2010. He received the ph.D. degree of Computer Applied Technology from National Engineering Laboratory for Video Technology of Peking University in 2017. At present， he is an assistant researcher in the Institute of Automation of the Chinese Academy of Sciences. His research interests include the machine learning and computer vision. As the first author， he has published more than 5 papers in the top international conferences and journals. Also， he was ranked as one of the best performers in NIST TRECVID SED tasks and IEEE PETS.
21. 彭 鵬 啟元世界
報告題目：啟元決策智能平臺與多智能體機器人競賽
內容摘要：近年來，以深度強化學習為代表的新一代的智能決策技術，在圍棋、Dota2以及星際爭霸、機器人等多個行業(yè)先后取得突破。但是，深度強化學習也由于其探索效率低、訓練收斂性差以及復現(xiàn)難度大等問題飽受質疑。啟元世界歷時兩年搭建的支持單智能體和多智能體決策訓練平臺，可同時訓練上百個決策智能體，具備配合智能資源分配以及自動調參的元學習方法，使得智能體的能力Skill能穩(wěn)定提升與疊加。本報告將以啟元世界參加2018年NeuraIPS 的AI for prosthetics以及Pommerman比賽中所用的技術為例，介紹啟元世界智能決策平臺中包括持續(xù)學習（Continual Learning）以及多智能體博弈優(yōu)化 (Multiagent Policy Optimization)等多項核心技術。
嘉賓介紹：彭鵬，香港科技大學博士，前阿里巴巴算法專家，目前為啟元世界研究科學家，專注于深度強化學習和智能決策的研究與應用。2016年，作為國內最早使用深度強化學習研究星際爭霸的阿里認知計算實驗室核心成員，與UCL合作發(fā)表BiCNet，受到DeepMind、牛津大學等國內外同行的引用與高度評價。
22. 馬利莊 華東師范大學計算機與軟件學院
報告題目：計算機視覺最新進展
內容摘要： TBA
嘉賓介紹： 馬利莊，理學博士，博士生導師，國家杰出青年基金獲得者，華東師范大學特聘教授、多媒體與視覺實驗室主任，上海交通大學特聘教授、上海交通大學人工智能研究院副院長、上海中醫(yī)藥大學信息科學與技術中心主任（兼）、上海交大-商湯科技聯(lián)合“深度學習與計算機視覺”實驗室主任、上海深度人工智能聯(lián)合創(chuàng)新中心主任、中國人工智能學會理事、“智能CAD與數(shù)字藝術專委會”副主任、中國圖像圖形學會理事、“動畫與數(shù)字娛樂專委會”主任；中國青年科技獎、國家教育部科技進步獎獲得者；國家“百千萬人才工程”（第一、二層次）首批人選。
23. 錢若函 百度鳳巢
報告題目：大規(guī)模廣告拍賣機制設計
內容摘要：廣告拍賣機制設計是大規(guī)模在線廣告系統(tǒng)的基石，其目標是通過制定廣告分配、計費策略，解決在多智能體環(huán)境中的多目標優(yōu)化問題。本次報告剖析拍賣機制設計的一般問題和行業(yè)應用挑戰(zhàn)，給出拍賣機制設計在在線廣告拍賣領域的關鍵解決方案。
嘉賓介紹：錢若函，百度鳳巢拍賣機制技術負責人。主要研究領域包括算法博弈論、機制設計、深度學習、強化學習等。推動鳳巢從GSP機制升級到序列拍賣機制，實現(xiàn)鳳巢拍賣的頁面級別激勵兼容和全局優(yōu)化；推動實現(xiàn)鳳巢基于深度強化學習的自動拍賣機制設計，解決復雜拍賣場景下多目標優(yōu)化的機制問題。
24. 秦曾昌 Keep
報告題目：運動科技與人工智能
內容摘要：在無線互聯(lián)網(wǎng)經(jīng)濟發(fā)達的時代，可以不離開沙發(fā)而觸摸到整個世界。我們可以看電影、電視和娛樂節(jié)目，可以秒殺很多商品，可以在游戲的世界里面馳騁縱橫，也可以打車和點外賣。科技的發(fā)展某種層面只關心人們的大腦，然而實際上人們的軀體與大腦一樣重要，只有有了健康的體魄才有人的一切。 本報告將基于機器學習、數(shù)據(jù)挖掘算法討論Keep的運動科技與用戶體驗。
嘉賓介紹：秦曾昌，Keep首席科學家，人工智能研究院院長；英國布里斯托(Bristol)大學碩士、博士；美國加州大學伯克利分校 (UC Berkeley) 博士后。曾在英國牛津 (Oxford) 大學與美國卡內基梅隆大學 (CMU) 做訪問學者。主要研究方向為人工智能，曾在包括機器學習、不確定性建模、自然語言處理、多媒體檢索、計算博弈與醫(yī)療影像分析等領域出版英文專著1本、論文集2本與專業(yè)論文近100篇，引用過千次。兼任果殼網(wǎng)科學顧問，曾參與我國第一次太空授課專家團。是國內科技創(chuàng)新大賽、機器人大賽、小小科學家等青少年科技創(chuàng)新比賽評委，出版翻譯科普著作2本。
25. 邱從賢 阿里巴巴
報告題目：Apache Flink賦能機器學習
內容摘要：本報告基于Apache Flink賦能機器學習，包括特征提取、行為識別、模型訓練、迭代計算、實時預測等。
嘉賓介紹：邱從賢，Apache Flink Contributor，向社區(qū)貢獻了狀態(tài)數(shù)據(jù)多線程上傳和下載的功能，序列化器遷移等相關代碼，正在對狀態(tài)存儲做重大重構。目前任職阿里巴巴高級工程師，主要從事 Flink 中狀態(tài)管理相關工作。
26. 宋士吉 清華大學自動化系
報告題目：基于強化學習的深海機器人水下作業(yè)與運動控制方法
內容摘要：深海機器人一直以來都是深?？碧降暮诵墓ぞ咧?，搭配多種傳感設備和作業(yè)工具可代替人完成危險且復雜的水下作業(yè)。但是，水下復雜的水動力學環(huán)境及感知環(huán)境給深海機器人的自主作業(yè)帶來了巨大的挑戰(zhàn)，為本領域研究提供了很多熱點方向。本報告結合近幾年來強化學習方法及其各應用領域取得的主要進展，重點闡述強化學習在深海機器人水下作業(yè)和運動控制兩個領域的理論及應用成果，主要包括：（1）在水下機器人動力學模型缺失的條件下，基于強化學習方法的精準運動控制。（2）在遞歸神經(jīng)網(wǎng)絡和機器人好奇心機制下，基于強化學習方法的熱液羽狀流的追蹤。（3）在復雜感知輸入的水下作業(yè)環(huán)境下，基于分層強化學習結構的水下機器人作業(yè)控制及其應用。
嘉賓介紹：宋士吉，清華大學自動化系教授、博士生導師。1996年獲得哈爾濱工業(yè)大學基礎數(shù)學專業(yè)博士學位。1996年至2000年，分別在中國海洋大學、東南大學兩次完成博士后研究。長期致力于復雜生產(chǎn)線智能優(yōu)化與調度方法、魯棒隨機分層優(yōu)化建模與分析求解方法、機器學習理論方法及其應用等方向研究。擔任IEEE Transactions on Systems， Man， and Cybernetics: Systems編委，國際期刊The Scientific World Journal: Operations Research編委；曾任《中國科學-信息科學》與《自動化學報》等期刊編委。在國內外重要學術期刊會議發(fā)表論文240余篇，其中IEEE Transactions 系列期刊長文、國內外著名期刊SCI檢索論文120余篇，其中高被引論文5篇；論文在Web of Science中被他引超過1600次，已授權或申請發(fā)明專利22項。近五年來，主持國家自然科學基金鋼鐵聯(lián)合基金重點項目、重大科學儀器研制項目、面上項目、科技部863項目、教育部博士點基金優(yōu)先發(fā)展主題、中國大洋協(xié)會信息系統(tǒng)項目累計20余項。獲得2018年中國人工智能學會自然科學一等獎、2016年教育部高等學校自然科學二等獎獎、2017年中國自動化學會教學成果一等獎。獲得2006年江蘇省自然科學一等獎、2007年教育部高等學校自然科學二等獎。
27. 宋雙永 阿里小蜜
報告題目：阿里小蜜中的情緒回復能力
內容摘要：情感機器人，即用人工方法和技術賦予機器人以人類式的情感，使之具有表達、識別和理解喜樂哀怒，模仿、延伸和擴展人的情感的能力。同時，情緒理解能力和情緒回復能力是機器人在類人能力上的重要體現(xiàn)。本報告針對客戶情緒安撫、情緒生成式語聊和基于情緒分析的客服服務質檢，提出阿里小蜜的情緒回復能力解決方案。
嘉賓介紹：宋雙永，阿里巴巴小蜜情感語聊算法負責人，智能服務事業(yè)部算法專家，致力于智能對話中的情緒回復能力以及開放域語聊能力的算法研究和業(yè)務場景落地，在機器學習和自然語言處理領域積累了多年的實戰(zhàn)經(jīng)驗，發(fā)表了多篇學術文章和專利。
28. 孫立喆 宜人貸
報告題目：數(shù)據(jù)服務平臺建設
內容摘要：本報告針對數(shù)據(jù)服務平臺建設過程中的困難，通過搭建關鍵功能特性，建立宜人貸數(shù)據(jù)服務平臺。
嘉賓介紹：孫立喆，墨爾本皇家理工大學碩士，長期大數(shù)據(jù)平臺建設以及數(shù)據(jù)工程等相關工作，目前就職于宜人貸，數(shù)據(jù)架構師，負責宜人貸數(shù)據(jù)服務平臺的搭建工作。
29. 孫鑫偉 微軟亞洲研究院
報告題目：神經(jīng)影像中異質特征捕捉
內容摘要：TBA
嘉賓介紹：TBA
30. 汪鐳 同濟大學
報告題目：TBA
內容摘要：TBA
嘉賓介紹：TBA
31. 王曉博 阿里大文娛
報告題目：多模態(tài)視頻分析技術研究
內容摘要：TBA
嘉賓介紹：王曉博，北京航空航天大學計算機學院數(shù)據(jù)挖掘方向博士。先后在百度、搜狗商務搜索部門從事算法策略研發(fā)工作。2015年加入阿里組建猜你喜歡算法團隊，將猜你喜歡打造為手淘第一大導購場景，成為淘寶平臺導購流量分發(fā)的核心入口。2018年起負責優(yōu)酷算法中心，組建認知實驗室，推出了多模態(tài)搜索推薦引擎、視頻理解與智能生成平臺等系列產(chǎn)品。主要研究方向為大規(guī)模分布式機器學習算法、多模態(tài)交互搜索推薦系統(tǒng)、算法博弈論。
32. 韋春陽 Hulu
報告題目： 視頻廣告算法技術
內容摘要：Hulu是一家美國的提供專業(yè)視頻點播與直播的服務平臺，商業(yè)廣告是Hulu的重要變現(xiàn)手段之一。視頻網(wǎng)站中的廣告以合約擔保式、品牌類廣告為主，本報告運用機器學習、人工智能技術，設計Hulu廣告系統(tǒng)解決方案，包括精準廣告定向、廣告流量匹配、廣告庫存預估等，幫助廣告業(yè)務更加高效的運轉。
嘉賓介紹：2012年從北京大學碩士畢業(yè)后加入Hulu，目前擔任智能廣告算法團隊負責人。有6年的計算廣告領域的從業(yè)經(jīng)驗，致力于利用機器學習、人工智能技術來推動Hulu廣告業(yè)務的發(fā)展，負責包括精準廣告定向、廣告流量匹配、廣告庫存預估、廣告轉化率優(yōu)化等項目。
33. 魏雅文 Pony.ai
報告題目：在自動駕駛研發(fā)中充分發(fā)揮數(shù)據(jù)的潛能
內容摘要：TBA
嘉賓介紹：魏雅文，小馬智行數(shù)據(jù)總監(jiān)。清華大學電子工程系學士，愛荷華州立大學計算機工程博士。畢業(yè)后在加州領英就職七年，是廣告組的初創(chuàng)成員，擔任構架師和工程項目lead, 領導并成功交付了多個大型工程項目，包括廣告多幣種，廣告國際化，廣告索引和服務，廣告定位，商業(yè)帳戶，廣告審核，廣告跟蹤，預算控制，欺詐預防，客戶服務工具，F(xiàn)eed流贊助內容，廣告渲染引擎，和視頻廣告等等，為LinkedIn廣告業(yè)務貢獻了巨額收入。 后來加入Uber，負責實時調度部門多個工程團隊，連接數(shù)乘客司機并建立可擴展性平臺以支持Uber的多種商業(yè)業(yè)務。于2018年加入小馬智行并負責數(shù)據(jù)團隊，來解決無人車大數(shù)據(jù)帶來的各種挑戰(zhàn)。
34. 吳焦蘇 中國科學院人工智能聯(lián)盟標準組
報告題目：Harmonic Gamedynamics
內容摘要：TBA
嘉賓介紹：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 seventeen 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.
35. 吳陽平 阿里云
報告題目：HBase X-Pack賦能AI平臺
內容摘要：隨著互聯(lián)網(wǎng)的快速發(fā)展，產(chǎn)生了多種業(yè)務場景，這些業(yè)務場景需要多種數(shù)據(jù)庫存儲不同的數(shù)據(jù)，比如KV數(shù)據(jù)、時序數(shù)據(jù)、圖數(shù)據(jù)以及時空數(shù)據(jù)等。維護數(shù)據(jù)庫維護成本極高，因此本報告探索阿里云HBase X-Pack解決多種數(shù)據(jù)存儲問題，賦能AI平臺。
嘉賓介紹：吳陽平，阿里云HBase X-Pack 首席架構師，中國HBase 技術社區(qū)負責人。多年大數(shù)據(jù)經(jīng)驗，對Hadoop、Spark、HBase等技術非常感興趣。過往記憶大數(shù)據(jù)技術博客（https://www.iteblog.com/）博主。
36. 夏頡 阿里大文娛
報告題目：流量效率最優(yōu)化—大規(guī)模視頻推薦在線決策算法
內容摘要：在優(yōu)酷的大規(guī)模視頻推薦場景中，我們往往面臨著一個基本問題：如何針對新入內容（長視頻和短視頻）進行有效地內容冷啟動，提高宣發(fā)質量，實現(xiàn)流量效率最大化。針對這個問題，我們建立了優(yōu)酷在線決策流量優(yōu)化平臺，一方面能夠根據(jù)運營訴求實現(xiàn)了多場景多目標流量調控，滿足新熱大劇從宣發(fā)->分發(fā)不同階段的不用運營訴求；另一方面，我們實現(xiàn)了海量短視頻的高效率內容冷啟動，保證了新產(chǎn)生內容快速透出的同時，大幅提升了線上流量的使用效率。
嘉賓介紹：夏頡，浙江大學計算機學院CAD&CG國家重點實驗室博士，發(fā)表國際頂級會議/期刊論文20余篇，擔任NIPS、ICML、AAAI、IJCAI、CVPR等國際頂級學術會議程序委員會委員，及TPAMI、TIP、TNNLS、TKDE和TMM等國際頂級期刊審稿人；首屆百度獎學金獲獎者之一，先后在百度研究院和滴滴研究院擔任大規(guī)模機器學習算法研發(fā)工作，2017年底加入阿里巴巴，當前主要負責優(yōu)酷智能視頻推薦和內容理解業(yè)務。
37. 謝廣明 北京大學工學院
報告題目：深度強化學習在仿生機器魚的運動控制算法設計:一個初步嘗試
內容摘要：仿生機器魚以魚類為仿生對象，在一定程度上復現(xiàn)了魚類機動靈活的水中運動能力。但如何設計其運動控制算法，讓其按照事先設定的意圖運動，至今沒有很好的解決方案。原因主要有兩點：一是機器魚自身的精確的動力學模型難以獲得，二是始終存在復雜時變的流體環(huán)境干擾。我們嘗試提出一套深度強化學習結合計算流體力學仿真的運動控制算法設計方案，以水下仿生機器人的路徑跟蹤問題作為典型案例，對所提出的方法進行有效性驗證。
嘉賓介紹：謝廣明 北京大學工學院教授、博士生導師。先后主持包括重點項目在內的多項國家自然科學基金項目，參與多項973、863項目。先后獲得國家自然科學獎二等獎、教育部自然科學獎一等獎等多項獎勵。先后擔任中國自動化學會機器人競賽工作委員會副主任，中國系統(tǒng)仿真學會智能物聯(lián)系統(tǒng)建模與仿真專業(yè)委員會委員、中國生產(chǎn)力促進協(xié)會服務機器人專業(yè)委員會委員等。是《Scientific Reports》等多個國際國內的編委。研究興趣包括復雜系統(tǒng)動力學與控制，智能仿生機器人與多機器人協(xié)作等，發(fā)表SCI論文百余篇；2014-2018連續(xù)入圍愛斯維爾中國高被引學者；獲得二十余項發(fā)明專利。在科研之余，積極促進機器人產(chǎn)學研工作，是國際水中機器人大賽的創(chuàng)立者，國際水中機器人聯(lián)盟主席，曾接受中央電視臺《新聞聯(lián)播》的采訪報道，多次被包括中央電視臺、北京電視臺在內的各種媒體專訪報道。
38. 熊超 滴滴AI Labs
報告題目：出行場景智能客服的NLP技術
內容摘要：AI在出行場景智能客服中發(fā)揮著不可或缺的作用。本報告針對智能客服機器人、熱線IVR、智能路由以及智能輔助等場景，探索智能解決方案。
嘉賓介紹：熊超，2010年畢業(yè)于北京航空航天大學模式識別與智能系統(tǒng)專業(yè)。畢業(yè)后加入騰訊從事搜索廣告算法策略研發(fā)工作。2013年加入阿里巴巴從事智能人機交互方向。2017年加入滴滴，組建智能客服算法團隊，主要研究方向為多輪對話，問答，智能輔助，強化學習和智能推薦。擔任頂級期刊和學術會議，如TKDE，KDD等審稿人。多項智能客服領域技術專利發(fā)明人，專利覆蓋多輪對話、問答、閑聊、智能預測等。
39. 徐瀟然 Hulu
報告題目：探究符號邏輯與深度學習的融合
內容摘要：推理、知識圖譜誕生于人工智能符號派陣營，深度學習則是神經(jīng)網(wǎng)絡在新時代的高峰。這看似水火不相容的對立，最終能否走向統(tǒng)一，在執(zhí)彼此之手中會給AI帶來一個什么樣的未來？在令眾生憧憬的道路上，還有哪些需要逾越的鴻溝？本報告從歷史到當下，給出我們的答案。
嘉賓介紹：徐瀟然，畢業(yè)于北京大學智能科學系，2013年赴美國加州大學洛杉磯分校學習人工智能專業(yè)，兩年博士學習后棄學回國創(chuàng)業(yè)，而后在360人工智能研究院做深度學習算法工程師，現(xiàn)在Hulu北京的研究員崗位上從事推薦推理方向的深度學習和強化學習研究，研究點主要關注在具有可解釋性的可微推理(Differentiable Reasoning)和隨機推理(Stochastic Reasoning)，先后提出了Backprop-Q隨機計算圖上的通用反向傳播計算框架，和基于注意力流(Attention Flow)的可微推理模型。
40. 許家銘 中科院自動化所
報告題目：語音交互中的雞尾酒會問題和多模態(tài)認知
內容摘要：智能語音交互近些年取得了重要進展，已經(jīng)從“不可用”變?yōu)橄薅▓鼍暗?ldquo;基本可用”，而目前制約其向泛場景“很好用”轉換的兩大技術瓶頸為語音交互前端的聽覺感知和后端的語言認知。本報告圍繞前后端的兩大技術瓶頸展開，介紹借鑒類腦機制和進化博弈在聽覺的雞尾酒會問題和語言為核心的多模態(tài)認知方面的探索性成果，并進一步給出相關研究存在的問題以及可能的研究方向。
嘉賓介紹：許家銘，中國科學院自動化研究所副研究員。主要研究方向為智能問答與人機對話。目前承擔或參與國家及相關部委科研項目8項，包括國家自然科學基金、中國科學院戰(zhàn)略性先導科技專項以及北京市科技重大項目等。在AAAI, IJCAI, ACL, EMNLP, COLING, NAACL以及Neural Networks等國際會議和期刊上發(fā)表論文30余篇。申請國家發(fā)明專利10項。目前兼職中文信息學會青年工作委員會委員，以及IEEE Trans, AAAI, ACL, COLING等期刊和會議程序委員會委員或審稿人。
41. 薛向陽，復旦大學計算機科學技術學院
報告題目：基于可學習深度先驗的視覺概念解析
內容摘要：深度學習在圖像目標分類識別等一些特定任務上達到甚至超越了人的水平。然而，大多數(shù)成功的深度學習模型面臨小樣本、可解釋性差等問題。與深度學習模型識別圖像內容的機制不太一樣，人在識別圖像內容時，常將一幅圖像場景分解為若干具體和抽象的視覺概念（物體），因為無論多復雜的圖像場景都是由比較簡單的視覺概念（物體）組合而成的。受此啟發(fā)，最近有學者提出了用組合式隱變量來表示并解析圖像場景。本報告將首先回顧視覺概念解析的最新研究進展，然后介紹我們最近提出的可學習深度先驗方法，它能利用深度神經(jīng)網(wǎng)絡將組合式的隱變量轉換為圖像像素先驗分布。研究表明，該先驗分布學習了以往見過的視覺概念（物體），可幫助在未見過的場景中更好地完成視覺概念的解析，在合成圖像數(shù)據(jù)實驗上取得了良好性能。我們正努力將該方法用于自然圖像場景解析，期望能緩解當前深度學習模型面臨的難題。
嘉賓介紹：薛向陽，復旦大學計算機科學技術學院教授。他當前研究領域為多媒體信息處理、計算機視覺與深度學習等，主要關注視覺目標檢測與識別方法。發(fā)表學術論文200余篇，其中包括CCF推薦A類會議長文及重要國際期刊論文60余篇，獲2016年IEEE TMM最佳論文提名獎和2017年國際會議ICME最佳論文獎。他是中國計算機學會杰出會員、中國圖像圖形學學會常務理事。他還擔任《計算機研究與發(fā)展》、《計算機科學與探索》等期刊編委。
42. 楊強 香港科技大學、微眾銀行
報告題目：數(shù)據(jù)孤島，AI 向善與聯(lián)邦遷移學習
內容摘要：「AI 向善」是一個重大的議題，是當天論壇要聚焦的對 AI 系統(tǒng)至關重要的數(shù)據(jù)治理問題：數(shù)據(jù)越多，AI 系統(tǒng)的表現(xiàn)就越好，而這樣的話就會造成數(shù)據(jù)和 AI 的寡頭，例如 Google 以及國內的BAT等大公司，擁有巨量數(shù)據(jù)。而與之相對的則是小公司所面臨的小數(shù)據(jù)場景，例如法律、金融、醫(yī)療大部分應用場景都存在小數(shù)據(jù)和「數(shù)據(jù)孤島」的問題。楊強教授從技術上提出了一些解決方案。
嘉賓介紹：楊強，微眾銀行首席人工智能官，香港科技大學講座教授及前計算機系主任，前華為諾亞方舟實驗室主任，AAAI 國際人工智能協(xié)會常務理事，IJCAI 國際人工智能聯(lián)合會理事會主席，香港人工智能與機器人學會理事長，同時也是ACM 和 IEEE 在內的多個國際知名期刊的主編和學會的 Fellow。
43. 于建崗 綠灣科技
報告題目：AutoML Platform的打造與落地
內容摘要：Lvwan機器學習平臺（Lvwan Focus）是綠灣自主研發(fā)的高效、簡潔、易用的新一代機器學習平臺。平臺基于機器學習算法，為各行業(yè)提供一體化大數(shù)據(jù)解決方案。用戶使用機器學習平臺可以快速搭建機器學習算法模型，通過算法模型指導業(yè)務落地。機器學習平臺具有可視化的界面、模塊化算法因子、拖拽式的任務流以及靈活設置的算法參數(shù)，讓用戶通過簡單的操作就可以完成模型的訓練、評估和預測。平臺適用于需要將機器學習應用于日常工作的用戶，用戶基于機器學習平臺可以在短時間內搭建例如：商品推薦、金融風控、語義識別等業(yè)務模型。本talk將基于Lvwan Focus的架構設計與理念，提供行業(yè)AI解決方案。
嘉賓介紹：于建崗博士，原美國微軟總部架構師，百度主任架構師，科學家。于2007年在美國加州?學取得計算機專業(yè)博?學位，曾供職于美國微軟公司總部從事互聯(lián)??告的機器學習?作；加入百度后主導設計上線了百度鳳巢新?代點擊率預估系統(tǒng)，是國內外?次利??規(guī)模深度學習算法來做點擊率預估的系統(tǒng)。
44. 詹坤林 58集團AILab
報告題目：智能語音機器人提高人效
內容摘要：智能語音機器人，即利用語音識別、語義理解和語音合成技術賦予機器多輪對話交互能力，使之能模擬真人與用戶對話，識別和理解用戶的會話意圖，它被廣泛應用于企業(yè)自動電話銷售、產(chǎn)品推廣、服務通知等多種業(yè)務場景，能為企業(yè)提高人效，節(jié)省大量人力成本。本報告將提出58同城智能語音機器人完整解決方案，提高銷售、運營和客服上的人效。
嘉賓介紹：詹坤林，58集團AI Lab負責人，算法高級架構師，負責推動AI技術在58生活服務行業(yè)的落地，為58集團打造全面AI能力。目前負責主要產(chǎn)品包括智能問答機器人、智能語音機器人、智能寫稿機器人、AI算法平臺等。碩士畢業(yè)于中國科學院大學，研究方向為數(shù)據(jù)挖掘，曾任騰訊高級工程師，負責微博、新聞推薦算法研發(fā)。
45. 張崢 上海紐約大學 AWS上海AI研究院
報告題目：Deep Graph Made Easy (and faster)
內容摘要：All real-world data has structures that are best described as graphs. If there is one data structure for deep learning algorithms, graph would be the foremost candidate. The graph structure can be either explicit, such in social networks, knowledge graphs, and protein-interaction networks, etc., or latent and implicit, as in the case of languages and images. Leveraging and discovering graph structures have many immediate applications and also serves as a futile ground for the next generation of algorithms.This talk begins with a general survey of deep graph learning, and then we will discuss a few new research work at AWS Shanghai AI Lab in this direction. We will introduce DGL, an open-source platform designed to accelerate research in this new emerging field, with its philosophy to support graph as the core abstraction and take care to maintain both forward (i.e. supporting new research ideas) and backward (i.e. integration with existing components) compatibility. DGL enables arbitrary message handling and mutation operators, flexible propagation rules, and is framework agnostic so as to leverage high-performance tensor, autograd operations, and other feature extraction modules already available in existing frameworks. DGL carefully handles the sparse and irregular graph structure, deals with graphs big and small which may change dynamically, fuses operations, and performs auto-batching, all to take advantages of modern hardware. DGL has been tested on a variety of models, including but not limited to the popular Graph Neural Networks (GNN) and its variants, with promising speed, memory footprint and scalability.
嘉賓介紹：Zheng Zhang is Professor of Computer Science, NYU Shanghai; Global Network Professor, NYU. He also holds an affiliated appointment with the Department of Computer Science at the Courant Institute of Mathematical Sciences and with the Center for Data Science at NYU's campus in New York City. Prior to joining NYU Shanghai, he was the founder of the System Research Group in Microsoft Research Asia, where he served as Principle Researcher and research area manager. Before he moved to Beijing, he was project lead and member of technical staff in HP-Labs. He holds a PhD from the University of Illinois, Urbana-Champaign, an MS from University of Texas, Dallas, and a BS Fudan University.Zhang’s research interests are theories and practices of large-scale distributed computing and its intersection with machine learning, in particular deep-learning. He has published extensively in top system as well as machine learning conferences (OSDI, Eurosys, NSDI, NIPS, CVPR etc.), and is also known for his column “Zheng Zhang on Science,” which is published in Chinese Business.Zhang is a member of the Association for Computing Machinery and founder of the SIGOPS APSYS workshop and the CHINASYS research community. He served regularly as PC members of leading system conferences. During his tenures in industrial labs, he was awarded 40 patents and made numerous contributions to product lines. He has several Best Paper awards as well as awards for excellence from Microsoft and HP-Labs. Professor Zhang's works can be found on his Google Scholar Page (https://scholar.google.com.hk/citations?user=k0KiE4wAAAAJ&hl=en).
Zhang was founder and advisor for DL platforms such as MXNet (https://mxnet.apache.org/), MinPy (https://github.com/dmlc/minpy) and most recently DGL (https://www.dgl.ai/), bringing deep learning practise to graph (see his github page (https://github.com/zzhang-cn)) As of fall of 2018, Professor Zhang is taking a leave of absence and has joined Amazon AWS, taking the role of Director of AWS Shanghai AI Lab.
46. 周國睿 阿里媽媽
報告題目：電商數(shù)據(jù)下模型的挑戰(zhàn)與發(fā)展
內容摘要：CTR（點擊率）預估是一個計算廣告和推薦系統(tǒng)中的核心問題。近年來，隨著硬件技術持續(xù)進步，深度學習技術飛速發(fā)展，伴隨著互聯(lián)網(wǎng)數(shù)據(jù)收集能力的提高，數(shù)據(jù)驅動模型為預估技術帶來了革命性的改變。本報告，將從阿里媽媽定向廣告預估技術演進的視角，回顧我們在預估技術深度學習化研究中所做的努力與探索，以及相應的代表性成果。同時分析現(xiàn)有廣告/推薦系統(tǒng)的不足，展望下一代推薦/廣告系統(tǒng)的挑戰(zhàn)。
嘉賓介紹：周國睿，北京郵電大學碩士。研究領域包括大規(guī)模機器學習、自然語言處理、計算廣告、推薦系統(tǒng)等?，F(xiàn)負責定向廣告預估方向模型算法研發(fā)，同時是阿里巴巴自研深度學習框架XDL核心開發(fā)者。研究成果發(fā)表于KDD/AAAI/CIKM等會議，其研究工作均落地于實際系統(tǒng)。
47. 周文彪 途家網(wǎng)
報告題目：民宿推薦中的Embedding技術
內容摘要：民宿越來越成為旅游消費的新熱潮，作為國內最大的民宿平臺，途家在應用AI技術進行個性化商品推薦方面進行了不少探索。民宿行業(yè)的數(shù)據(jù)，具有用戶消費頻次低，用戶興趣點不好描述等特點，基于內容和普通協(xié)同過濾的方法效果都不明顯，受graphic embedding， word2vec的啟發(fā)， 我們運用embedding技術有效建立了商品之間的相似關系，運用在物物相似推薦場景通過AB測試效果明顯勝出。
嘉賓介紹：周文彪，對機器學習算法在商業(yè)上的落地有濃厚興趣，在智能客服，自動化審核和個性化推薦算法方面有較多實踐。從15年開始先后在去哪兒網(wǎng)和途家網(wǎng)負責排序和推薦方面的算法工作；搭建去哪兒大搜猜你喜歡推薦系統(tǒng)和途家排序及推薦系統(tǒng)，為公司流量轉化提升做出重要貢獻。
48. 朱宏圖 滴滴出行
報告題目：TBA
內容摘要：TBA
嘉賓介紹：朱宏圖，滴滴出行首席統(tǒng)計學家。主要從事統(tǒng)計學習、醫(yī)療圖像處理、精準醫(yī)
