AI 大师云集!2017 中国人工智能大会在杭州盛大开幕

2024-03-14 17:08

本文主要是介绍AI 大师云集!2017 中国人工智能大会在杭州盛大开幕,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

7 月 22 - 23 日,在中国科学技术协会、中国科学院的指导下,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的 2017 中国人工智能大会(CCAI 2017)在杭州国际会议中心盛大召开。

作为由中国人工智能学会发起的人工智能领域顶级盛会,CCAI 代表着国内最高水准的产学研技术交流。本次大会更是在前两届成功经验的基础上,将全球人工智能领域的顶级专家、学者和产业界优秀人才汇聚一堂,围绕着当前 AI 热点话题、核心技术,以及与会者共同关注的科学问题进行深入交流和探讨,并针对语言智能与应用、智能金融、人工智能科学与艺术、人工智能青年发展四个主题设立专题论坛,对于我国人工智能的科学研究及在各行业落地有着极大的推进作用。

本次大会为期两天,以“AI 大师主题报告”、“专题论坛群雄论剑”的方式展开,主题报告环节,由香港科技大学计算机系主任杨强,蚂蚁金服首席数据科学家漆远,南京大学教授周志华,以及中国科学院自动化研究所研究员宗成庆分别主持。中国工程院院士、中国人工智能学会理事长李德毅,中国科学院院士、中国人工智能学会副理事长谭铁牛,阿里巴巴技术委员会主席王坚分别发表大会致辞,总结过去一年产学研界在人工智能领域取得的丰硕成果,并热忱地欢迎所有与会者的到来。

随后,中国人工智能学会理事长李德毅,香港科技大学计算机系主任杨强,澳大利亚新南威尔士大学教授 Toby Walsh,蚂蚁金服首席数据科学家漆远,德国人工智能研究中心(DFKI)科技总监 Hans Uszkoreit,美国微软雷德蒙研究院首席研究员周登勇,南加州大学副教授 Fei Sha,日本理化学研究所先进智能研究中心主任 Masashi Sugiyama,俄勒冈州立大学教授、AAAI 前主席 Thomas G. Dietterich 分别发表了精彩的主题报告。

大师云集,世界级学术带头人齐聚,权威分享人工智能的创新发展

大会现场,9 位海内外工智能专家分别从人工智能技术的两面性、L3 自动驾驶挑战、深度学习迁移模型、金融智能实践,到构建强健的人工智能、机器学习在商务智能中的创新应用、众包中的统计推断与激励机制、小数据方法模型以及弱监督机器学习研究最新进展等进行了深刻解读与分享,在拓展人工智能边界的同时也为其未来发展及应用实践指明了方向。

大会首日第一个主题报告来自中国人工智能学会理事长李德毅。在主题为《L3 的挑战与量产》的报告中,李德毅重点讨论了当前 L3 自动驾驶汽车所面临的挑战以及量产问题,并表示定制量产 L3 应先用于特定场景,且自动驾驶汽车能否取代驾驶员掌控,取决于其能否处置特定场景下的意外情况,能否发出求助信息要求人工干预,或者在迫不得已时作出最小损失决策。

香港科技大学计算机系主任杨强则从深度学习模型的共性问题谈起,在主题报告《深度学习的迁移模型》中,深度剖析如何使得深度学习模型变得更加可靠,使得在数据变化的情况下,模型还可以持续可用,更通过不同的应用案例多角度地阐述迁移学习的深度模型所带来的优点。

澳大利亚新南威尔士大学教授、AAAI 执行委员会成员 Toby Walsh 的报告则更聚焦于如何发展可用于造福社会的技术,以《人工智能造福人类的那一面》为主题,结合实际研究案例,详细阐述人工智能技术的两面性,以及如何来帮助现有的食品银行,以及器官银行。

蚂蚁金服副总裁、首席数据科学家漆远发表《金融智能的发展与应用》主题报告,在大会现场具体介绍了蚂蚁金服在金融服务场景中如何发展 AI 技术——从新的深度学习模型到深度学习与图关系的结合等——来应对这些挑战,分析如何将新技术创新应用在场景中,以解决金融服务的关键问题,如风控与智能助理等,并且就当下金融智能面临的开放性问题进行了探讨。

第二天的主题报告则都由来自海外的 AI 领域翘楚带来。其中,德国人工智能研究中心(DFKI)科技总监 Hans Uszkoreit 分享了《机器学习在商务智能中的创新应用》,介绍如何分析各种来源的数据,用于执行众多的商务智能任务,如供应链监控、市场调研和产品管理等。其所讨论的方法包含了不同类型的机器学习和基于知识的自然语言理解技术,充分利用知识图表和各种结构化数据源,实现信息的互为补充。在此方法中,文本分析管道被嵌入在开源大数据分析平台 Apache Flink 中,能支持近乎实时地快速处理海量数据。

美国微软雷德蒙研究院首席研究员周登勇(Dengyong Zhou)发表《众包中的统计推断与激励机制》主题演讲,具体总结了微软雷德蒙研究院过去几年在基本的众包问题的研究与工程上的进展。具体来说,主要集中在群体智慧与激励机制两个方面。在技术上更是融合了机器学习、统计推断、博弈论、心理学以及人机交互,目前,周登勇及其团队对于众包的研究工作已经应用到了微软的诸多产品。

南加州大学副教授 Fei Sha 则从《大数据如何帮助“小数据”?》切入,介绍其所在团队在该方向的研究成果,并通过 3 个场景阐述多任务学习、领域适应及零样本学习。该主题旨在从其他任务和相关大数据集中寻求帮助,以研究有关小数据的方法和模型。并且,报告还探讨了相关方法的制定,以及如何将它们运用到实际问题中。

日本理化学研究所先进智能研究中心主任 Masashi Sugiyama 发表《弱监督机器学习研究新进展》主题演讲,总结了其与团队在监督弱化分类方面的最新研究进展,包括两组未标记数据分类、正面数据和未标记数据分类、半监督分类的新方法以及补充标签分类。最后,还简要地介绍了 RIKEN 高级智能中心项目。

在主题报告的最后,俄勒冈州立大学教授、AAAI 前主席 Thomas G. Dietterich 带来了《构建强健的人工智能:原因及方式》演讲。当前,人工智能技术正在各种应用中广泛使用。由于其中一些应用可能会对人类生活或经济造成威胁,因此我们需要寻找相应的算法和方法来确保人工智能系统行为安全。本报告即介绍了用于保证安全行为的方法,并综合考虑“已知的未知”情况(对不确定情形有一个明确的模型)以 及“未知的未知”情况(模型不完整或错误)。

群雄论剑,全球顶级 AI 专家共同探讨人工智能难题及边界拓展

除了精彩纷呈的主题报告,两天大会还设置了“语言智能与应用”、“智能金融”、“人工智能科学与艺术”、“人工智能青年”4 大专题论坛,近 30 位发言嘉宾就人工智能前沿研究和产业实战展开对话,并回答与会听众的深度提问。

7 月 22 日下午的语言智能与应用论坛,由中国科学院自动化研究所研究员宗成庆担任论坛主席,论坛嘉宾包括中国科学技术大学计算机学院教授、CCF 会士陈恩红,阿里云智能语音交互技术总监初敏,香港中文大学工程学院副院长黄锦辉,北京云知声信息技术有限公司创始人梁家恩,奇点机智联合创始人、ACL Fellow 林德康,哈尔滨工业大学教授刘挺,上海交通大学计算机系研究员、思必驰公司首席科学家俞凯。大家针对若干问题展开了深入讨论,比如目前自然语言处理面临的最大问题是什么?什么方法或技术有可能成为深度学习之后的黑马?学术界和企业界各自关注 NLP 技术的哪些方面?产学研合作的成功模式应该是什么样子?在此过程中所闪现的真知灼见对正在进行相关领域研究及技术开发的参会者提供了非常有益的参考。

智能金融论坛的主席是蚂蚁金服人工智能部技术总监李小龙,论坛嘉宾包括上海交通大学计算机系致远讲席教授邓小铁,香港智能金融科技有限公司(FDT-AI)联合创始人兼 CEO 柳崎峰,乔治亚理工学院金融学教授、Alton M. Costley 主席 Sudheer Chava,普林斯顿大学运筹与金融工程系助理教授王梦迪,香港中文大学计算机系副教授张胜誉。大会现场重点讨论了如何运用大数据、云计算和人工智能来降低金融成本,提高支付、投资、贷款、理财、保险、事件分析、客服等各个方面的自动化和智能化水平,从而提高金融效率并普惠更多的人群;如何采用大规模机器学习和海量数据结合,利用深度学习、增强学习、图计算、知识图谱等前沿方法,有效识别风险,提升金融风控能力;以及如何应用博弈论进行金融市场机制和定价设计,在公平合理的基础上激发市场活力等,并且展望了智能金融的下一步发展前景。

7 月 23 日下午的人工智能科学与艺术论坛则完全由女性科技工作者和专家组成,由中国科学院自动化研究所研究员、机器人中心副主任乔红担任主席,论坛嘉宾包括南加州大学计算机系名誉副教授、机器学习中心主任刘燕,清华大学计算机系教授、全球创新学院院长史元春,北京航空航天大学计算机学院副院长王蕴红,中国科学院前沿科学与教育局副局长王颖,清华大学计算机科学与技术系副教授张敏,《中国科学报》主任记者王静现场以独特而专业的视角审视人工智能技术进步,辩析数据驱动决策中所起的作用,共同探索人工智能科学与艺术结合的可能性。

人工智能青年论坛则由清华大学计算机系长聘副教授朱军和今日头条科学家、人工智能实验室总监李磊共同担任联席主席,大会现场,在李磊的主持下,美国华盛顿大学教授、犀牛科技创始人兼总裁陈一昕,清华大学计算机系副教授黄民烈,中国科学院计算技术研究所副研究员兰艳艳,浙江大学计算机学院教授潘纲,阿里巴巴人工智能实验室研究员、杰出科学家王刚,东南大学计算机科学与工程学院教授张敏灵分享了他们的最新研究成果,并对人工智能的未来发展进行深入讨论。

历经三届沉淀,中国人工智能大会 CCAI 持续汇聚了全球人工智能领域的顶级专家、学者和产业界优秀人才,不仅是中国国内级别最高、规模最大的人工智能大会,更已成为国内人工智能领域产、学、研紧密结合的高端前沿交流平台。而本次 CCAI 大会在往届基础上,不仅集结了 AI 领域巾帼英雄、青年英才,更有多位世界级学术带头人重磅亮相并发表精彩演讲。2017 中国人工智能大会,以最具前瞻性的视野和国际化的内容组织、最前沿的国内外人工智能的技术趋势和最贴近产业界的一流行业盛会,对推动我国人工智能的发展与进步有着极大的价值和影响。

CCAI 2017 更多精彩内容,请关注微信公众号“AI 科技大本营”,一次掌握“现场微信群”、“图文报道”、“视频直播”、“PPT 下载”、“大会会刊”所有入口!

这篇关于AI 大师云集!2017 中国人工智能大会在杭州盛大开幕的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/809093

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首