2016-08-30
阅读:(273)
评论(0)

2016中国人工智能大会CCAI：主题报告

8月26日上午九点，中国人工智能学会海外副理事长、香港科技大学计算机与工程系主任杨强教授宣布2016中国人工智能大会（CCAI 2016）准时开幕，他表示，在人工智能技术迎来“井喷式”创新之际，中国人工智能学会召开此次大会，旨在更好地引导和推动我国人工智能的研究及应用。

• 26日9:10中国科学院副院长、中国科学院院士、中国人工智能学会副理事长谭铁牛先生首先致辞并发表演讲，他表示，人工智能自1956年诞生以来，多年来取得了长足的发展，而伴随着Alpha go战胜人类围棋冠军，2016年则堪称是人工智能之年。但人工智能的发展并非一帆风顺，但进展却硕果累累，在专用人工智能领域取得了突破性的进展，当前，人工智能产业化应用蓬勃发展，人工智能也已经上升为国家政策层面。谭铁牛接着总结了过去一年十大人工智能领域的标志性事件，并介绍了人工智能领域的新动态，接着，谭铁牛谈了他对人工智能发展的思考，之后，谭铁牛总结了人工智能六大的发展趋势，表示人工智能是新一轮科技与产业革命的最显著特征，而我国人工智能面临重大发展机遇也面临诸多挑战，需要制定人工智能创新发展的战略规划，推动人工智能诸多利好政策的及时落地，建设我国自主的人工智能体系，最终走出一条具有中国特色的人工智能强国之路。

• 26日9:40大疆创新科技公司董事长、香港科技大学教授李泽湘介绍香港科技大学机器人研究所（原自动化技术研究中心）的基础研究，以及如何基于理论研究设计和研发产品级的智能机器人，包括智能装备、无人机、地面移动机器人、水下机器人、服务机器人等。从机器人现代数学理论的角度，他认为，最重要的在机器人里面就是数学模型。他重点解析了机器人微分几何学，其核心就是在欧式空间下怎么样做优化的问题。作为一个严谨的统一的数学工具跟数学模型，微分几何理论对于处理机器人千变万化的一些应用提供了平台，不需要针对每个不同的东西去建立一个不同的数学模型。

• 26日10:40下半场的主题报告由微软亚洲研究院常务副院长芮勇主持。

• 26日10:50微软人工智能首席科学家、IEEE Fellow邓力先生发表了题为《驱动大数据人工智能多种应用的三类深度学习模式》的演讲，他首先介绍了深度学习的基本定义，以及深度学习的三种模式。邓力表示，AI=感知+认知，首先是感知，更深层次的是认知，而人工智能目前更需要解决的是认知的问题，而深度学习是提升认知，推进人工智能进一步发展的最有效的方法。然后，邓力介绍了深度学习在语音识别方面的进展，他表示，目前苹果、谷歌、亚马逊都在用深度学习研究语音识别，并取得了较好的效果。接着，邓力介绍了深度学习对于图像识别的影响。邓力接着介绍了深度学习在机器认知方面的进展，通过使用Long Short-Term Memory RNN等模型，目前已经可以实现效果比较好的效果。最后，邓力介绍了增强学习，他表示，深度学习加增强学习可以解决更复杂的人工智能难题，而深度非监督学习则是未来人工智能的又一个重要的研究课题和未来的发展方向。

• 26日11:40Singulariti.io公司联合创始人、ACL Fellow林德康的演讲题目是《从搜索引擎到问答引擎再到动作引擎》。他认为，搜索引擎和回答引擎最大的区别，是搜索引擎只要根据关键词，帮助用户筛选出可靠的答案可能在的网页，回答引擎可以返回比较明确的答案。但从搜索引擎和回答引擎还都是给用户有用的信息，用户还是要拿了信息以后要做事情还是要自己去做。动作引擎则更进一步，通过执行一系列操作帮助用户完成需要做的事情。动作引擎的实现就是人工智能助理，其中语义关系非常重要。他介绍了基于NLP、机器学习技术实现动作引擎的实践进展。

• 27日上午9:00中国科学院自动化研究所研究员宗成庆宣布第二天的大会正式开始。

• 27日9:00中国工程院院士、中国人工智能学会理事长李德毅带来了《交互认知——从图灵测试的漏洞谈开去》的演讲。他首先从图灵测试在面对自闭症的情形、手机交互认知、教育的教学相长的交互认知说明：交互认知不同于但又一定伴随着记忆认知和计算认知；交互认知的外在表现，是语言交互、图像交互和体感交互。交互认知的内涵，语言是对交互认知的语义标注，图像是对交互认知的情感标注，体觉可称之为肢体语言，图像是交互认知的主体。他认为，交互认知的本质是协商和学习，聊天是交互认知研究的突破口。要研究聊天机器人的形式化约束，研究双人聊天、群聊和复杂系统涌现中的交互认知。

• 27日9:50中国科学院外籍院士，中国科学院神经学研究所所长蒲慕明在演讲中表示，脑科学主要研究的对象是人类的大脑，脑科学目前的研究还处在早期的阶段，而大脑中神经网络和神经元与人类认知之间具有非常复杂的关系。接着，蒲慕明对目前对于神经系统研究的进展进行了总结，他表示，神经科学的主要内容是神经信息处理和脑功能机制，并介绍了著名的赫伯假说以及赫伯假说对于神经科学研究的作用。之后，蒲慕明又介绍了误差反向传播算法等几种主流的神经网络算法，并提出了五个可借鉴的自然神经网络特性，即：1）神经元类型、2）顺向、逆向、侧向联接。3）神经突触的可塑性。4）记忆的贮存、提取和消退。5）赫伯神经元集群概念的应用。

• 27日10:50国际人工智能促进会（AAAI）主席、美国亚利桑那大学教授Subbarao (Rao) Kambhampati发表了主题为《Planning Challenges in Human-Machine Collaboration》的报告，围绕人机共存规划技术挑战，以及他本人解决这些挑战的研究进展展开。他认为，人机共存的本质是协调而非欺骗，机器应该能预测人类意图从而更好地帮助人类，这涉及到机器是否能够利用人类情感模式干预协调活动。现在人机共存需要基于一些不完整人机模型进行规划，其中就包括了一些决策，现在面临的信息是不完整的，有时候会带来一定的副作用，所以在这样的一个规划当中，不能预计人们会喜欢所开发出来的模型，需要通过这样不完整的模型进行学习。通常在一个规划过程当中的模型，要学习起来实在太困难了，即便有很多的数据。所以必须要进行简化，然后才能使用。

• 27日11:40麻省理工学院人工智能实验室教授、美国人文与科学院院士Tomaso Poggio在题为《The Science and the Engineering of Intelligence》的演讲中表示，人工智能很早就已经诞生，但最近，Alpha Go战胜人类围棋冠军使得人工智能变得炙手可热。实际上，早在20年前，麻省理工学院就开始了对人工智能的研究。而当前，主要研究的课题是智能工程和智能科学。接着，Tomaso介绍了智能科学和智能工程背后的数学原理，并就神经网络、深度学习与自然神经网络的关系进行了阐述，Tomaso还详细的解读了深层学习和浅层学习之间的关系及在何种情况下深度学习表现比浅度学习更好。最后，Tomaso进行了总结，他表示，智能和科学跟工程有非常多的联系、深层学习、浅层学习以及神经科学都是需要关注的方向。