20世紀最偉大的數學家 John von Neumann 希望計算機和人工智慧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繼承和發揚了 John von Neumann 的科學思想，提出了著名的關於人工智慧的Smale第十八問題。
為進一步繼承和發揚 John von Neumann 的科學思想，中國科學院人工智慧聯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科學前沿的數學基礎及其應用。由於該論壇反響熱烈，應與會人士的要求，主辦方決定將“AI科學前沿論壇”更名為“AI科學前沿大會”，擬定於2019年4月11日-12日在北京舉辦。
本次大會聚焦AI科學前沿的數學基礎、演算法、關鍵共性技術及其應用，邀請全國AI數學界、科學界知名學者和業界資深專家分享最新理論成果，展望AI科學未來。
會議熱忱歡迎國內外AI數學、科學及應用相關領域的科研人員、高校師生、業界人士蒞臨。
大會福利: 註冊費由主辦方承擔。
日程安排
組委會
會議主席
李真真 中國科學院人工智慧聯盟標準組
黃河燕 北京理工大學計算機學院
學術委員會主席
姚 遠 香港科技大學
談勝利 華東師範大學
學術委員會委員
Bo An Nanyang Technological University， Singapore
戴彧紅 中國科學院數學與系統科學研究院
郭 憲 南開大學
吉建民 中國科學技術大學
雷 娜 大連理工大學
Yuxi Li ATTAIN.AI.， Canada
劉鐵巖 微軟亞洲研究院
羅定生 北京大學
Jian Ma Carnegie Mellon University
逄金輝 北京理工大學
齊國君 華為美國研究所
孫 劍 西安交通大學
孫仕亮 華東師範大學
吳焦蘇 中國科學院人工智慧聯盟標準組
Zhiwei Steven Wu University of Minnesota
夏光宇 上海紐約大學
謝廣明 北京大學
Zhiqin John Xu New York University
宣曉華 SMALE數學與計算研究院
袁 泉 啟元世界
章宗長 蘇州大學
朱 軍 清華大學
朱占星 北京大學
會務組成員
王大川 洪飛 王東方 李建雨 李敏 李土養
嘉賓介紹
開幕致辭嘉賓
李真真
中國科學院人工智慧聯盟標準組組長，中國科學院科技戰略研究院研究員。成功主辦以人工智慧技術、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，人工智慧研究院院長，教授，博導，中國人工智慧學會副理事長，北京市海量語言資訊處理與雲端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專案、“973 計劃”課題、“863 計劃”專案等 20 多項國家級科研攻關專案，獲得國家科技進步一等獎等十餘項國家級和省部級獎勵。
學術報告嘉賓
1. 陳炳文 騰訊雲
報告題目：營銷風控的反欺詐技術
內容摘要：本報告針對視訊/電商等業務平臺方在流量營銷/線上線下活動營銷中存在的“羊馬牛”黑產演變情況，基於大資料無監督平臺的反欺詐技術，提出騰訊雲天御對抗黑產團伙的解決方案。
嘉賓介紹：陳炳文（Bink Chen）博士，騰訊雲天御流量風控業務負責人，主導多項基於大資料智慧引擎資訊系統，17年加入騰訊雲，主導流量營銷風控、活動營銷風控等風控業務，發表十六篇學術論文，擁有4項發明專利。
2. 陳桂生 中國電子系統研究院資訊化總體研究部
報告題目：智慧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，中國電子系統研究院資訊化總體研究部研究員，中國人工智慧學會知識工程專委會理事，中國指揮與控制學會無人系統專委會理事。曾任中國人工智慧學會副祕書長。陳桂生博士在人工智慧與機器人技術領域長期從事理論研究與工程研究開發工作，在人工智慧、智慧交通、機器人感測器資訊感知、網路傳輸、智慧資訊處理與決策、控制器及執行機構設計、人機互動設計，以及多智慧車互動與協同等技術領域取得較好成果，擁有豐富的國家大型資訊化專案需求分析、總體論證和設計經驗，近年來參加的科研專案有：《機器人化工程機械研究》、《臨場感技術》、《國家資訊化水平測評指標體系研究》、《基於網際網路海量資訊的情報分析與處理需求論證》、《網路化資料探勘》、《需求工程—對複雜系統的軟體工程的基礎研究》、《室外移動機器人多車互動協作關鍵技術研究》等，在高校講授《不確定性人工智慧》課程，對人工智慧感知和認知過程中的雙向認知雲模型有深入的研究。
3. 陳小平 中國科學技術大學計算機學院
報告題目：人工智慧理論基礎問題的新思考和新動向
內容摘要：總結人工智慧三次高潮產生的核心成果——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。分析當前人工智慧發展的根本性瓶頸——不確定性問題，闡述不確定性給人工智慧理論基礎帶來的挑戰。介紹人工智慧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，機器人技術標準創新基地主任，計算機學院教授，中國人工智慧學會AI倫理專委會主任，中國RoboCup委員會主席，國際RoboCup聯合會理事。曾任2015世界人工智慧聯合大會機器人領域主席、2015和2008RoboCup機器人世界盃及學術大會主席。中科大“傑出研究”校長獎獲得者，IEEE ROBIO’2016最佳大會論文等國際論文獎、世界人工智慧聯合大會最佳自主機器人獎和通用機器人技能獎、機器人世界盃12項世界冠軍等團體獎獲得者。
4. 戴彧虹 中國科學院數學與系統科學研究院
報告題目：Training GANs with Centripetal Acceleration
內容摘要：Training generative adversarial networks (GANs) often suffers 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，中國科學院數學與系統科學研究院院長助理、研究員、博士生導師。1992年畢業於北京理工大學；1992年中國科學院計算數學與科學工程計算研究所博士畢業後留所工作，先後擔任助理研究員、副研究員、研究員、馮康首席研究員；2011年獲國家傑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學獎；2018年獲首屆蕭樹鐵應用數學獎。戴彧虹主要從事計算數學、應用數學、運籌學和人工智慧的研究。
5. 董彬 北京大學北京國際數學研究中心
報告題目：Mathematical Modeling in Image Restoration, Image Analysis and Beyond
內容摘要：Image restoration, including image denoising, deblurring, inpainting, computed tomography, etc., is one of the most important areas in imaging science. In image restoration, wavelet frame based approach and PDE based approach (including variational models and PDE models) are two of the most successful approaches and are widely adopted in both academia and industry. Although the development of the two approaches took rather different paths, an intriguing and fundamental question is whether the two approaches are deeply connected. The main portion of this talk is based on a series of papers, where we established rigorous and generic connections between wavelet frame and PDE based approach. This includes connections of wavelet frame based approach to total variation model and the Mumford-Shah model. Furthermore, connections of wavelet frame shrinkage to a rather general form of nonlinear evolution PDEs are also established. Other than the establishment of the links between the two approaches, brand new models for both approaches are also discovered, which combine merits from both approaches, and thus outperform existing models in various applications in image restoration. Our theoretical studies also enable us to connect mathematical modeling and computations with deep learning. The connections not only can provide guidance to deep network design, which is a central task in deep learning, but also enable us to tackle challenging problems in applied and computation mathematics. In the end of my talk, I will present one of our recent works on bridging numerical differential equations with deep neural network design for PDE identification from observed dynamics data.
嘉賓介紹：董彬，北京大學，北京國際數學研究中心長聘副教授、主任助理，北京大資料研究院深度學習實驗室研究員、生物醫學影像分析實驗室副主任。主要研究領域為應用調和分析、優化方法、機器學習、深度學習及其在影像和資料科學中的應用。在理論上，將影像領域獨立發展近30年的兩個數學分支（PDE/變分方法和小波方法）建立深刻的聯絡，改變了領域內對這兩類方法的認識，拓寬了這兩類方法的應用範疇。應用上，以數學理論為指導思想，為來源於醫學影像、計算機視覺、深度學習等領域中的重要問題提供行之有效的解決方案。董彬在包括《Journal of the American Mathematical Society》、《Applied and Computational Harmonic Analysis》、《SIAM系列期刊》、《Inverse Problems》、《ICML》在內的國際重要學術期刊和會議上發表論文50餘篇，擁有2項美國專利，現任期刊《Inverse Problems and Imaging》編委。於2014年獲得香港求是基金會的求是傑出青年學者獎，2015年入選中組部第十一批“千人計劃”青年人才。
6. 範欣欣 網易大資料
報告題目：資料平臺的時序資料技術
內容摘要：本報告就時序資料平臺在大資料AI平臺建設中主要應用場景，提出時序資料平臺的核心繫統及技術架構，重點分享時序資料庫系統的功能特性和核心優化思路。
嘉賓介紹：範欣欣，網易大資料技術專家，就職於網易研究院後臺技術中心資料庫技術組，專注於HBase的開發運維，熱衷於MySQL等相關資料庫技術。
7. 方斌 清華大學計算機系
報告題目：機器人感知、操作與學習
內容摘要：靈巧操作是機器人領域最具挑戰技術之一。操作也是實現服務機器人多種任務的基本途徑。報告圍繞機器人感知、操作與學習三個方面展開。首先介紹機器人的各種感知手段，重點介紹視觸力滑的多模態觸覺感知裝置和多模態資訊融合的感知方法；接著介紹機器人的靈巧操作，重點介紹仿人靈巧手和軟體手的操作；最後介紹機器人學習的研究現狀，重點介紹機器人互動模仿的技能學習。
嘉賓介紹：方斌，清華大學計算機系助理研究員。兼任中國人工智慧學會認知系統與資訊處理專委會祕書長。2017年清華計算機系博士後留校工作，主要研究方向是人工智慧與機器人。承擔或參與專案有科技部機器人專項、國家自然科學基金儀器專項、國家自然科學基金青年基金等。發表SCI/EI論文三十餘篇，申請發明專利二十餘項。研製的基於穿戴裝置的機器人遙作業系統已在航天五院、大唐電信等多家應用，研製的仿人靈巧手應用於三星、航天五院等多家單位，曾被央視、北京衛視等多家媒體專訪報導。
8. 馮超 滴滴AI Labs
報告題目：A Review of 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，現就職於滴滴出行AI Labs時空資料組，擔任專家演算法工程師，負責路徑規劃演算法與影像、視訊應用演算法的研發工作，曾任小猿搜題拍照搜題演算法負責人。著有書籍《強化學習精要》《深度學習輕鬆學》，個人的研究方向有計算機視覺，分散式機器學習框架和深度強化學習。
9. 宮士敏 小米大資料部
報告題目：NLP中的移動搜尋技術
內容摘要：AI賦能和資料驅動使得小米網際網路業務得到了持續的增長，也助推了搜尋和推薦系統的發展。本報告就NLP技術在移動搜尋場景下遇到的問題，提出相關性計算、查詢分析和排序方面的演算法設計與架構，並基於使用者行為大資料，提升優化演算法效果和使用者體驗。
嘉賓介紹：宮士敏，小米大資料部演算法團隊Leader，帶領團隊構建了小米移動搜尋演算法體系。研究領域主要包括搜尋引擎、機器學習、推薦系統等。對搜尋中的相關性計算、排序、NLP等相關技術有深刻理解，並對深度學習在搜尋推薦領域應用有豐富的實踐經驗。畢業於中科院計算所，之前在搜狗搜尋負責網頁搜尋演算法相關工作。
10. 關海欣 雲知聲
報告題目：遠場語音互動中前端訊號處理關鍵技術
內容摘要：TBA
嘉賓介紹：關海欣，北京雲知聲資訊科技有限公司高階研發總監/資深技術專家，曾任3M Cogent北京研發中心高階研發經理/語音方向負責人，從事人工智慧技術研究與產品開發10餘年，於2010年獲得聲紋識別評測NIST SRE HASR1世界第一，2012年獲得NIST SRE核心評測世界第三，2013年參與人臉識別NIST FRVT2013與真假指紋識別LivDet2013評測，分獲世界第三與世界第二，現專注於遠場語音互動中前端訊號處理關鍵技術的研究與開發工作。
11. 胡翔宇 百度搜尋
報告題目：基於深度學習的識圖搜尋
內容摘要：本報告結合百度下一代智慧搜尋的發展趨勢和搜尋業務的最新進展，融合傳統CV與深度學習，應用CNN特徵，構建千億級別圖片庫和視覺索引，結合影像分類、細粒度識別、檢索和大規模GPU 線上加速技術，給出識別萬物的移動端深度學習識圖搜尋系統，該系統實現千萬級別 DAU、過億的 PV 訪問量。
嘉賓介紹：胡翔宇，百度搜尋公司資深策略工程師，AI領域（影像識別，視覺檢索，視訊理解，大規模深度學習，LTR）的資深專家。目前正負責百度下一代視覺搜尋的研發工作，通過最新的AI 技術將百億級線下資訊資料化，構建千億級行業知識庫和多模態的索引，從文字檢索升級到語義索引，用影像/視訊/XR 技術，升級搜尋引擎的 I/O 互動及索引核心，打造新的AI搜尋體驗，讓搜尋無處不在。
12. 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；PaddlePaddle 新特性，移動端部署、並行等；結合百度 AI 實踐，NLP、影像等應用。
嘉賓介紹：胡曉光，百度深度學習技術平臺部主任工程師，多年深度學習演算法實踐經驗，2015 年帶領團隊上線全球首個基於深度學習的線上翻譯引擎；現負責 PaddlePaddle 模型應用，致力於打造最好用的深度學習平臺。
13. 黃智生 荷蘭阿姆斯特丹自由大學人工智慧系
報告題目：智慧機器人與網路自殺監控預警
內容摘要：青少年自殺已經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。據估計15到24歲青少年中120萬人受到抑鬱症折磨，大學生中抑鬱率高達23.8%。抑鬱症是自殺死亡的主要原因。許多年輕人在自殺之前通過網路媒體表達了各種自殺情緒和願望，這為採用人工智慧及大資料技術對網路媒體作分析並進行自殺救助提供了可能性。我們開發的網路智慧機器人採用知識圖譜技術，每天監控對應的網路媒體併發布自殺監控通報。我們組織的“樹洞行動救援團”根據監控通報採取自殺救助行動。自2018年7月起，我們已經對數以百計的人提供自殺救助，暫時緩解了她們的自殺行為。我們將介紹構建網路智慧機器人的基本技術，並闡述這種智慧機器人如何用於發現自殺人群併發布對應的監控通報。
嘉賓介紹： 黃智生博士是荷蘭阿姆斯特丹自由大學人工智慧系終身教授， 出版了《海量語義資料處理-平臺，技術，與應用》、《生物醫學語義技術》等教材，發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式委員會委員，超過二十個國際會議的聯合主席，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專案LarKC中推理工作組的工作。主持歐盟第七框架智慧醫療重大專案EURECA中基於語義技術的臨床試驗系統 SemanticCT的開發；主持了基於語義技術的抗菌藥物合理用藥系統SeSRUA的開發。他參與開發的E-Culture專案在2006年世界語義全球資訊網技術挑戰賽上獲得冠軍。作為第一作者獲得2014世界健康資訊科技學術年會（HealthInfo2014）最佳論文獎。他所開發的網路自殺監控機器人具有很高的科學價值，已經取得明顯的社會效益。他所發起的“樹洞行動救援行動”已經成功地挽救數以百計的生命。這些事蹟已經被科技日報、健康界、揚子晚報、和北京青年報等媒體廣泛報導。
14. 江會星 美團點評搜尋與NLP部
報告題目：對話理解技術
內容摘要：智慧客服是一種使用自然語言與使用者互動的人工智慧系統，通過分析使用者意圖以人性化方式與使用者溝通，向使用者提供客戶服務。本報告首先給出美團智慧客服的對話互動設計框架，然後詳細分析意圖挖掘、意圖理解、情緒識別、對話管理等的機器學習演算法核心技術及其效果。
嘉賓介紹：江會星，博士，美團點評搜尋與NLP部NLP中心研究員，智慧客服團隊負責人，主要負責美團智慧客服業務及智慧客服平臺的建設。曾在阿里達摩院語音實驗室從事智慧語音對話互動方向研究，主要負責主導的產品有斑馬智行語音互動系統、YunOS語音助理等。
15. 姜忠鼎 復旦大學計算機學院
報告題目：基於多模態互動的增強型VR視訊協同式觀看系統
內容摘要：VR視訊通常指立體全景視訊，增強型VR視訊使用彈幕、問答、語音以及輔助視訊流等媒體素材對VR視訊進行增強，提升視訊重要區域的視覺清晰度，豐富VR視訊包含的視聽資訊。針對本地檔案、直播和點播視訊，提出VR視訊增強的若干關鍵技術，構建多人同時使用的VR視訊觀看系統。該系統實現多個觀看使用者的播放時間同步、視角同步並降低使用者眩暈感。針對PC播放終端和移動播放終端，綜合語音、手勢和手柄等多模態互動技術實現系統的人機介面。本系統可提升基於VR視訊的教育培訓、事件直播和點播等應用的使用者體驗。
嘉賓介紹：姜忠鼎博士現為復旦大學計算機學院副教授，畢業於浙江大學電腦科學與工程系CAD&CG國家重點實驗室，獲得學士和博士學位，2018年入選首屆高校計算機專業優秀教師獎勵計劃。目前研究方向為虛擬現實/擴增實境,具體包括基於多投影的叢集式VR系統開發工具、基於VR頭盔的教育培訓與模擬系統、沉浸式大資料分析以及擴增實境沙盤模擬等。研究工作發表於IEEE TVCG等一流國際期刊和CVPR等頂尖國際會議。研究成果成功應用於2010年上海世博會、新一代CRH2高鐵列車研製以及AR沙盤推演等重要系統。
16. 李衡宇 小馬智行
報告題目：自動駕駛從0到1之路
內容摘要：總結分析自動駕駛實現從0到1過程中所面臨的技術挑戰，以及小馬智行所採取的路徑：如何在短時間積累高效的資料，並實現模型的快速優化；如何打造一個最安全的自動駕駛系統，即不單單是保證各系統模組的表現和高度穩定性，更是持續的驗證系統的可靠性和擴充套件性；在單車智慧已得到驗證的基礎上，如何實現規模化複製。
嘉賓介紹： 李衡宇，小馬智行聯合創始人、北京研發中心負責人。前百度廣告搜尋部和自動駕駛事業部資深工程師，具有10年設計和開發大規模、高可靠和高穩定性系統的工作經驗；曾作為技術負責人主導開發了百度廣告預算控制系統，並獲2013年“百度最高獎”（百萬美元大獎）；四川大學電子資訊學碩士和學士學位。
17. 李傑 快手
報告提目：基於深度學習的語音識別聲學建模
內容摘要：本報告將以2011年提出的上下文相關-深度神經網路-隱馬爾可夫框架為標誌，基於深度學習的語音識別技術設計一個“又快又好” 的聲學模型，具備下文語境的門控迴圈單元模型（mGRUIP-Ctx）。聲學模型中，有效建模下文語境是保證模型效能的一大關鍵點。但“建模下文資訊”與 “低延遲”經常會相互矛盾。我們提出的mGRUIP-Ctx模型在兩者之間找到了比較好的平衡點。該模型效能優異且計算高效。二是基於SpeechTransformer的端到端語音識別技術。SpeechTransformer以機器翻譯中的Transformer為基礎，在大規模語音識別任務上在不使用任何語言模型的條件下，效能可以超過基於Lattice-Free MMI的語音識別系統。
嘉賓介紹：李傑，博士畢業於中國科學院自動化研究所，模式識別與智慧系統專業，研究方向為基於深度學習的聲學模型建模。在國際主流語音會議，包括ICASSP, Interspeech, ISCSLP上發表論文12篇。之前曾於2016年加入微軟（亞洲）網際網路工程院，任語音技術研究員。2017年底加入快手，從事語音識別相關演算法研究和產品落地，目前的工作重點在於短視訊領域內的聲學模型建模，所研發的聲學模型在快手多個產品線中落地，日均處理語音請求數千萬條。
18. 李亞楠 阿里大文娛
報告題目：通用對話系統
內容摘要：本報告重點分析通用資訊服務領域的對話互動技術中的難點，包括對話理解、對話管理、任務型對話、智慧問答、通用聊天等任務。
嘉賓介紹：李亞楠，中科院計算所博士，先後工作於騰訊、微軟、百度、阿里，研究方向為資訊檢索、自然語言處理、推薦。目前負責阿里神馬智慧對話，探索下一代AI搜尋技術，打造更加自然的對話問答系統，提供更加智慧的通用資訊服務能力，服務天貓精靈、阿里雲IoT、車載OS、優酷電視、螞蟻客服、UC頭條、夸克智慧瀏覽器等多個阿里重要業務。基於國內第二大通用搜尋引擎和億級使用者資料，我們擁有深厚的技術沉澱和海量的日誌資料。
19. 李暘 深覺智慧
報告題目：通用知識表達框架的數學基礎
內容摘要：知識體系是智慧系統中極為重要的一環，而有關傳統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，還停留在基於文字的層面。目前人工智慧的現狀是基於數字和符號的計算，本talk探討如何構建通用知識表達框架的數學基礎，使知識體系能夠被智慧系統有機和有效利用，進而推動人工智慧的發展。
嘉賓介紹：李暘博士，本科畢業於清華大學電子工程系。 後在美國伊利諾伊大學香檳分校智慧人機互動實驗室，師從計算機視覺大師Thomas Huang 和人機對話之父Stephen E. Levinson教授，並獲得自然語言理解領域的電子工程博士。 李暘博士在美國有多年的創業高科技企業研發帶隊的經驗，從事過多媒體壓縮和傳輸，基於區塊鏈的分散式雲端儲存系統等的演算法研發和產品開發工作，擁有3項美國技術發明專利，多項技術創新。李暘博士在人工智慧理論研究方面獨樹一幟，把物理哲學思想引入人工智慧領域，擁有一套未公開的完整的人工智慧核心理論，並重點研發人工智慧理論在自然語義理解和智慧對話系統中的應用。 李暘博士目前在國內創立了上海深覺智慧科技有限公司，帶領團隊致力於研發通用人工智慧引擎的核心演算法，並把這一演算法用於重點開發智慧對話產品。李暘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。
20. 李子晉 中國音樂學院
報告題目：音樂人工智慧：發展與展望
內容摘要：近年來音樂與人工智慧結合發展迅速，本報告將概述人工智慧在音樂創作製作、音樂表演、音樂教育、音樂研究等的應用情況，分類總結歌聲資訊處理、音樂處理、樂器識別等任務中涉及的聲學技術、認知感知、訊號處理、聲音合成技術等概念、原理、應用、基本技術框架，並展望其未來發展趨勢。
嘉賓介紹：李子晉，中國音樂學院音樂科技專業副教授，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專案《中國傳統樂器聲學測量及頻譜分析》、國家藝術基金《中國傳統樂器數字博物館傳播平臺建設》、北京市社科基金《西山文化小鎮聲音景觀設計研究》等10餘項專案。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）中國傳統音樂技術論壇、音樂人工智慧發展研討會等10餘場學術會議及論壇。
21. 林會傑 網易有道
報告題目：NLP與智慧教育
內容摘要：本報告基於有道智慧教育系統AI技術，包括作業批改、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：林會傑，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、人機語音互動及移動計算。現任網易有道技術總監，負責有道語言翻譯及教育類工具產品和智慧硬體產品研發工作。
22. 劉青山 南京資訊工程大學
報告題目：視覺特徵學習
內容摘要：機器視覺的目標就是讓機器能像人眼視覺系統一樣自動‘’看懂‘’外部環境，因此是人工智慧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徵學習方面的一些最新進展及其面臨的問題，並重點從高維視覺特徵表達和深度視覺特徵學習兩個方面，介紹我們團隊近年來在目標檢測、遙感影像分類等方面的研究進展。
嘉賓介紹：劉青山博士現任南京資訊工程大學教授、博導。2003年4月畢業於中科院自動化所模式識別國家重點實驗室獲博士學位，隨後留實驗室工作，2006年4月赴美國Rutgers大學訪問、工作。2011年9月加盟南京資訊工程大學。先後入選江蘇省特聘教授、江蘇省雙創團隊領軍人才、江蘇省優秀教育工作者、科技部中青年創新領軍人才等。是江蘇省人工智慧學會副理事長、中國自動化學會模式識別與機器智慧專委會副主任、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。主要研究方向為影像與視訊分析、計算機視覺、和機器學習。先後主持承擔國家傑出青年基金專案，國家自然基金重點專案、面上專案、江蘇省傑出青年基金等。先後獲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。
23. 劉武 京東AI研究院
報告題目：Empowering Retailing Experiences with Computer Vision
內容摘要：作為人工智慧的眼睛，計算機視覺研究的發展正在對我們的生活和生產產生巨大的影響，其中包括整個零售業態。京東提出了“零售即服務”的概念，將零售定義為內容與互動的自然結合。在本次報告將展示京東AI如何通過研發計算機視覺技術，更好地感知和了解顧客、產品以及零售場景，從而對顧客提供更加自然、更個性化的互動服務，推動整個零售業的發展。
嘉賓介紹：劉武，京東AI研究院高階研究員，ACM未來計算協會創始委員，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表文章30餘篇。獲得過中國科學院優秀博士學位論文獎、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新獎等，併入選2017年微軟鑄星計劃。在JD率領團隊獲得過IEEE CVPR 2018全球人體姿態估計挑戰賽兩個任務的冠軍。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。
24. 呂超 北京理工大學智慧車輛研究所
報告題目：智慧車輛類人駕駛行為學習與建模
內容摘要：隨著智慧系統理論和技術的快速發展，具有自主學習能力，能夠學習人類駕駛經驗和駕駛行為的智慧車輛開始成為學者和公眾共同關注的焦點。然而，現有的駕駛行為學習方法旨在通過模仿到達學習的目的，對資料依賴性強，不能有效地將已有的知識和經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，限制了其在複雜動態駕駛場景中的應用。本次報告將介紹一種針對智慧車輛的駕駛行為建模與學習方法。該方法基於遷移學習（Transfer Learning），可以實現不同駕駛任務與駕駛員之間的知識遷移，大大提高了系統的學習效率和泛化能力。
嘉賓介紹：呂超，北京理工大學智慧車輛研究所講師，2015年於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、智慧控制系統、智慧車輛與智慧交通系統的研究。主持國家自然基金專案和上汽聯合基金重點專案，參與了包括歐盟COST組織專案，國家863課題等在內的多項國際和國內專案。發表SCI /EI收錄論文20餘篇 ，對深度學習和強化學習在智慧交通系統中的應用有豐富經驗。所在團隊為無人車技術工業和資訊化部重點實驗室和無人平臺科技創新團隊。
25. 彭佩璽 中國科學院自動化研究所
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.
26. 彭 鵬 啟元世界
報告題目：啟元決策智慧平臺與多智慧體機器人競賽
內容摘要：近年來，以深度強化學習為代表的新一代的智慧決策技術，在圍棋、Dota2以及星際爭霸、機器人等多個行業先後取得突破。但是，深度強化學習也由於其探索效率低、訓練收斂性差以及復現難度大等問題飽受質疑。啟元世界歷時兩年搭建的支援單智慧體和多智慧體決策訓練平臺，可同時訓練上百個決策智慧體，具備配合智慧資源分配以及自動調參的元學習方法，使得智慧體的能力Skill能穩定提升與疊加。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，介紹啟元世界智慧決策平臺中包括持續學習（Continual Learning）以及多智慧體博弈優化 (Multiagent Policy Optimization)等多項核心技術。
嘉賓介紹：彭鵬，香港科技大學博士，前阿里巴巴演算法專家，目前為啟元世界研究科學家，專注於深度強化學習和智慧決策的研究與應用。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合作發表BiCNet，受到DeepMind、牛津大學等國內外同行的引用與高度評價。
27. 齊路 數美科技
報告題目：TBA
內容摘要：TBA
嘉賓介紹：TBA
28. 馬利莊 上海交通大學人工智慧研究院、華東師範大學計算機與軟體學院
報告題目：計算機視覺最新進展
內容摘要：由數字化技術催生網際網路、電子商務，再催生大資料、雲端計算，從而催生深度學習技術、形成風起雲湧的人工智慧理論與應用。本報告從產學研創新合作的角度闡釋了深度學習技術的理論突破，以及人工智慧技術在語音技術、人臉識別、影像識別方面應用的重大突破，重點以計算機視覺相關的人臉識別與影像識別為例，展示人工智慧技術無比廣闊的應用前景，人工智慧潤物無聲地滲透到我們生活的每個角落、改變社會的演變方式。
嘉賓介紹： 馬利莊，理學博士，博士生導師，國家傑出青年基金獲得者，華東師範大學特聘教授、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慧研究院副院長、上海中醫藥大學資訊科學與技術中心主任（兼）、上海交大-商湯科技聯合“深度學習與計算機視覺”實驗室主任、上海深度人工智慧聯合創新中心主任、中國人工智慧學會理事、“智慧CAD與數字藝術專委會”副主任、中國影像圖形學會理事、“動畫與數字娛樂專委會”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。
29. 錢若函 百度鳳巢
報告題目：大規模廣告拍賣機制設計
內容摘要：廣告拍賣機制設計是大規模線上廣告系統的基石，其目標是通過制定廣告分配、計費策略，解決在多智慧體環境中的多目標優化問題。本次報告剖析拍賣機制設計的一般問題和行業應用挑戰，給出拍賣機制設計在線上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。主要研究領域包括演算法博弈論、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，實現鳳巢拍賣的頁面級別激勵相容和全域性優化；推動實現鳳巢基於深度強化學習的自動拍賣機制設計，解決複雜拍賣場景下多目標優化的機制問題。
30. 秦曾昌 Keep
報告題目：運動科技與人工智慧
內容摘要：在無線網際網路經濟發達的時代，可以不離開沙發而觸控到整個世界。我們可以看電影、電視和娛樂節目，可以秒殺很多商品，可以在遊戲的世界裡面馳騁縱橫，也可以叫車和點外賣。科技的發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。 本報告將基於機器學習、資料探勘演算法討論Keep的運動科技與使用者體驗。
嘉賓介紹：秦曾昌，Keep首席科學家，人工智慧研究院院長；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) 博士後。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慧，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、計算博弈與醫療影像分析等領域出版英文專著1本、論文集2本與專業論文近100篇，引用過千次。兼任果殼網科學顧問，曾參與我國第一次太空授課專家團。是國內科技創新大賽、機器人大賽、小小科學家等青少年科技創新比賽評委，出版翻譯科普著作2本。
31. 邱從賢 阿里巴巴
報告題目：Apache Flink賦能機器學習
內容摘要：本報告基於Apache Flink賦能機器學習，包括特徵提取、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，向社群貢獻了狀態資料多執行緒上傳和下載的功能，序列化器遷移等相關程式碼，正在對狀態儲存做重大重構。目前任職阿里巴巴高階工程師，主要從事 Flink 中狀態管理相關工作。
32. 宋士吉 清華大學自動化系
報告題目：基於強化學習的深海機器人水下作業與運動控制方法
內容摘要：深海機器人一直以來都是深海勘探的核心工具之一，搭配多種感測裝置和作業工具可代替人完成危險且複雜的水下作業。但是，水下複雜的水動力學環境及感知環境給深海機器人的自主作業帶來了巨大的挑戰，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，基於強化學習方法的精準運動控制。（2）在遞迴神經網路和機器人好奇心機制下，基於強化學習方法的熱液羽狀流的追蹤。（3）在複雜感知輸入的水下作業環境下，基於分層強化學習結構的水下機器人作業控制及其應用。
嘉賓介紹：宋士吉，清華大學自動化系教授、博士生導師。1996年獲得哈爾濱工業大學基礎數學專業博士學位。1996年至2000年，分別在中國海洋大學、東南大學兩次完成博士後研究。長期致力於複雜生產線智慧優化與排程方法、魯棒隨機分層優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-資訊科學》與《自動化學報》等期刊編委。在國內外重要學術期刊會議發表論文240餘篇，其中IEEE Transactions 系列期刊長文、國內外著名期刊SCI檢索論文120餘篇，其中高被引論文5篇；論文在Web of Science中被他引超過1600次，已授權或申請發明專利22項。近五年來，主持國家自然科學基金鋼鐵聯合基金重點專案、重大科學儀器研製專案、面上專案、科技部863專案、教育部博士點基金優先發展主題、中國大洋協會資訊系統專案累計20餘項。獲得2018年中國人工智慧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。
33. 宋雙永 阿里小蜜
報告題目：阿里小蜜中的情緒回覆能力
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、延伸和擴充套件人的情感的能力。同時，情緒理解能力和情緒回覆能力是機器人在類人能力上的重要體現。本報告針對客戶情緒安撫、情緒生成式語聊和基於情緒分析的客服服務質檢，提出阿里小蜜的情緒回覆能力解決方案。
嘉賓介紹：宋雙永，阿里巴巴小蜜情感語聊演算法負責人，智慧服務事業部演算法專家，致力於智慧對話中的情緒回覆能力以及開放域語聊能力的演算法研究和業務場景落地，在機器學習和自然語言處理領域積累了多年的實戰經驗，發表了多篇學術文章和專利。
34. 孫立喆 宜人貸
報告題目：資料服務平臺建設
內容摘要：本報告針對資料服務平臺建設過程中的困難，通過搭建關鍵功能特性，建立宜人貸資料服務平臺。
嘉賓介紹：孫立喆，墨爾本皇家理工大學碩士，長期大資料平臺建設以及資料工程等相關工作，目前就職於宜人貸，資料架構師，負責宜人貸資料服務平臺的搭建工作。
35. 孫鑫偉 微軟亞洲研究院
報告題目：Generalized Split LBI and its Applications
內容摘要：Abstract. In this talk, I will introduce a novel algorithm which aims to recover the signal with structural
sparsity under generalized linear model. It’s the combination of variable splitting and Linearized Bregman Iteration and can work with general loss function, we hence call it Generalized Split LBI (GSplit LBI). It’s proved to be equivalent to Mirror Descent Algorithm with specifically designed Bregman Distance. Rather than lasso which should pre-set a grid of regularization parameters, it can return a regularization solution path. In addition to such a simplicity, a path theory of model selection consistency can be ensured equipped with an early stopping and under weaker irrepresentable condition compared with generalized lasso. Furthermore, some l2 error bounds with Minimax Optimal Rate will also be introduced. Finally, I will present the applications of the proposed algorithm onto Alzheimer’s Disease and few-shot learning.
嘉賓介紹：Xinwei Sun, Associate Researcher in Microsoft Research Asia. He received Phd from Peking University. During PhD, his research topics mainly focus on features selection in high dimensional data, statistical machine learning, with applications on medical imaging analysis, zero-shot learning, partial order ranking and deep learning. Recently, he is interested in applying statistics and optimization to theoretically understand the generalization power of existing deep learning models (e.g. CNN, ResNet and DenseNet). Such an understanding can provide insight for the development of new models, e.g. the compression of deep learning models, i.e., the propose of sparsity model with comparable predictive accuracy, reachability analysis, automatically tuning of hyper-parameters in deep learning models, etc.
36. 汪鐳 同濟大學電子與資訊學院
報告題目：演算法作曲中的智慧體驗
內容摘要：隨著計算機的出現，計算機演算法作曲應運而生。同樣，演算法作曲也是一系列的計算規則的集合，而目標則是將多個音樂片段加以合理組合，形成一個有機整體，給人以樂曲的美妙感受。演算法作曲的最終目的，是試圖使用某個形式化的過程，儘量使在當前計算平臺的有限藝術能力條件下，利用其巨大的計算執行力，使進行音樂創作時的複雜人為介入程度達到最小，專注於藝術性的創作程式。目前在演算法作曲領域的主要流行技術有：馬爾科夫轉換表、人工神經網路、音樂計算文法、遺傳演算法和隨機過程等，各演算法都有其自身的優點和問題。目前各類演算法作曲主要存在的問題包括：音樂創作的風格問題替代；音樂知識的表達問題替代；創造性和人機互動問題實現；音樂作品的主客觀評價問題等。我們針對以上問題，設計了一種新型的智慧作曲系統，並通過模擬驗證了該系統的可行性。首先，總結了自演算法作曲誕生以來的典型作曲演算法研究現狀。分析典型作曲演算法的優勢與缺點。綜合現有方法，給出了一種新型智慧作曲系統的設計依據與總體框架模式。其次，基於隱馬爾科夫模型的音樂知識表達模型構造及分析。總結了現有馬爾科夫作曲演算法的不足。基於隱馬爾科夫模型，構建新型音樂結構學習與創作模 型，給出了引數訓練過程。設計了基於隱馬爾科夫模型的新型作曲演算法。第三，回顧分析了演算法作曲領域中對音樂評價的主流方法。給出了一種新穎的基於樸素貝葉斯分類的音樂評價方法。通過學習樣本的數字分佈特徵，訓練一個樸素貝葉斯分類器，根據分類結果，為待評價樂曲賦予一個量化的適應度函式值，減少作曲系統的人工參與程度。第四，設計基於互動式遺傳演算法的作品優化演算法。以音樂合理性與使用者需求為目標，構造新型的作品評價方法。利用互動式遺傳演算法對生成作品進行優化，使生成的作品更加符合音樂合理性，並可滿足使用者的個性需求，給出整個智慧作曲系統框架，並用模擬實驗驗證該系統學習資料樣本的有效性，生成符合音樂和理性知識，並滿足使用者需求的音樂作品。
嘉賓介紹：汪鐳，同濟大學電子與資訊學院教授，博士生導師，現任上海市科協委員會委員，國際電氣與電子工程師學會（IEEE）上海分會副主席，中國人工智慧學會理事兼自然計算及數字智慧城市專業委員會祕書長，上海市人工智慧學會理事兼祕書長，上海市微型電腦及應用學會理事兼副祕書長，上海市思維科學學會理事，中國自動化學會智慧自動化專業委員會委員。
37. 王曉博 阿里大文娛
報告題目：多模態視訊分析技術研究
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資料探勘方向博士。先後在百度、搜狗商務搜尋部門從事演算法策略研發工作。2015年加入阿里組建猜你喜歡演算法團隊，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的核心入口。2018年起負責優酷演算法中心，組建認知實驗室，推出了多模態搜尋推薦引擎、視訊理解與智慧生成平臺等系列產品。主要研究方向為大規模分散式機器學習演算法、多模態互動搜尋推薦系統、演算法博弈論。
38. 韋春陽 Hulu
報告題目： 視訊廣告演算法技術
內容摘要：Hulu是一家美國的提供專業視訊點播與直播的服務平臺，商業廣告是Hulu的重要變現手段之一。視訊網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、人工智慧技術，設計Hulu廣告系統解決方案，包括精準廣告定向、廣告流量匹配、廣告庫存預估等，幫助廣告業務更加高效的運轉。
嘉賓介紹：2012年從北京大學碩士畢業後加入Hulu，目前擔任智慧廣告演算法團隊負責人。有6年的計算廣告領域的從業經驗，致力於利用機器學習、人工智慧技術來推動Hulu廣告業務的發展，負責包括精準廣告定向、廣告流量匹配、廣告庫存預估、廣告轉化率優化等專案。
39. 魏雅文 小馬智行
報告題目：自動駕駛研發中的資料潛能挖掘
內容摘要：TBA
嘉賓介紹：魏雅文，小馬智行資料總監。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。畢業後在加州領英就職七年，是廣告組的初創成員，擔任構架師和工程專案lead, 領導併成功交付了多個大型工程專案，包括廣告多幣種，廣告國際化，廣告索引和服務，廣告定位，商業帳戶，廣告稽核，廣告跟蹤，預算控制，欺詐預防，客戶服務工具，Feed流贊助內容，廣告渲染引擎，和視訊廣告等等，為LinkedIn廣告業務貢獻了鉅額收入。 後來加入Uber，負責實時排程部門多個工程團隊，連線數乘客司機並建立可擴充套件性平臺以支援Uber的多種商業業務。於2018年加入小馬智行並負責資料團隊，來解決無人車大資料帶來的各種挑戰。
40. 吳焦蘇 中國科學院人工智慧聯盟標準組
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.
41. 吳陽平 阿里雲
報告題目：HBase X-Pack賦能AI平臺
內容摘要：隨著網際網路的快速發展，產生了多種業務場景，這些業務場景需要多種資料庫儲存不同的資料，比如KV資料、時序資料、圖資料以及時空資料等。維護資料庫維護成本極高，因此本報告探索阿里雲HBase X-Pack解決多種資料儲存問題，賦能AI平臺。
嘉賓介紹：吳陽平，阿里雲HBase X-Pack 首席架構師，中國HBase 技術社群負責人。多年大資料經驗，對Hadoop、Spark、HBase等技術非常感興趣。過往記憶大資料技術部落格（https://www.iteblog.com/）博主。
42. 夏頡 阿里大文娛
報告題目：流量效率最優化—大規模視訊推薦線上決策演算法
內容摘要：在優酷的大規模視訊推薦場景中，我們往往面臨著一個基本問題：如何針對新入內容（長視訊和短視訊）進行有效地內容冷啟動，提高宣髮質量，實現流量效率最大化。針對這個問題，我們建立了優酷線上決策流量優化平臺，一方面能夠根據運營訴求實現了多場景多目標流量調控，滿足新熱大劇從宣發->分發不同階段的不用運營訴求；另一方面，我們實現了海量短視訊的高效率內容冷啟動，保證了新產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，發表國際頂級會議/期刊論文20餘篇，擔任NIPS、ICML、AAAI、IJCAI、CVPR等國際頂級學術會議程式委員會委員，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，先後在百度研究院和滴滴研究院擔任大規模機器學習演算法研發工作，2017年底加入阿里巴巴，當前主要負責優酷智慧視訊推薦和內容理解業務。
43. 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演算法設計: 一個初步嘗試
內容摘要：仿生機器魚以魚類為仿生物件，在一定程度上覆現了魚類機動靈活的水中運動能力。但如何設計其運動控制演算法，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，二是始終存在複雜時變的流體環境干擾。我們嘗試提出一套深度強化學習結合計算流體力學模擬的運動控制演算法設計方案，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。先後主持包括重點專案在內的多項國家自然科學基金專案，參與多項973、863專案。先後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。先後擔任中國自動化學會機器人競賽工作委員會副主任，中國系統模擬學會智慧物聯絡統建模與模擬專業委員會委員、中國生產力促進協會服務機器人專業委員會委員等。是《Scientific Reports》等多個國際國內的編委。研究興趣包括複雜系統動力學與控制，智慧仿生機器人與多機器人協作等，發表SCI論文百餘篇；2014-2018連續入圍愛斯維爾中國高被引學者；獲得二十餘項發明專利。在科研之餘，積極促進機器人產學研工作，是國際水中機器人大賽的創立者，國際水中機器人聯盟主席，曾接受中央電視臺《新聞聯播》的採訪報導，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導。
44. 熊超 滴滴AI Labs
報告題目：出行場景智慧客服的NLP技術
內容摘要：AI在出行場景智慧客服中發揮著不可或缺的作用。本報告針對智慧客服機器人、熱線IVR、智慧路由以及智慧輔助等場景，探索智慧解決方案。
嘉賓介紹：熊超，2010年畢業於北京航空航天大學模式識別與智慧系統專業。畢業後加入騰訊從事搜尋廣告演算法策略研發工作。2013年加入阿里巴巴從事智慧人機互動方向。2017年加入滴滴，組建智慧客服演算法團隊，主要研究方向為多輪對話，問答，智慧輔助，強化學習和智慧推薦。擔任頂級期刊和學術會議，如TKDE，KDD等審稿人。多項智慧客服領域技術專利發明人，專利覆蓋多輪對話、問答、閒聊、智慧預測等。
45. 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、知識圖譜誕生於人工智慧符號派陣營，深度學習則是神經網路在新時代的高峰。這看似水火不相容的對立，最終能否走向統一，在執彼此之手中會給AI帶來一個什麼樣的未來？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，畢業於北京大學智慧科學系，2013年赴美國加州大學洛杉磯分校學習人工智慧專業，兩年博士學習後棄學回國創業，而後在360人工智慧研究院做深度學習演算法工程師，現在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)，先後提出了Backprop-Q隨機計算圖上的通用反向傳播計算框架，和基於注意力流(Attention Flow)的可微推理模型。
46. 許家銘 中國科學院自動化研究所
報告題目：語音互動中的雞尾酒會問題和多模態認知
內容摘要：智慧語音互動近些年取得了重要進展，已經從“不可用”變為限定場景的“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互動前端的聽覺感知和後端的語言認知。本報告圍繞前後端的兩大技術瓶頸展開，介紹借鑑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認知方面的探索性成果，並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。主要研究方向為智慧問答與人機對話。目前承擔或參與國家及相關部委科研專案8項，包括國家自然科學基金、中國科學院戰略性先導科技專項以及北京市科技重大專案等。在AAAI, IJCAI, ACL, EMNLP, COLING, NAACL以及Neural Networks等國際會議和期刊上發表論文30餘篇。申請國家發明專利10項。目前兼職中文資訊學會青年工作委員會委員，以及IEEE Trans, AAAI, ACL, COLING等期刊和會議程式委員會委員或審稿人。
47. 薛向陽，復旦大學電腦科學技術學院
報告題目：基於可學習深度先驗的視覺概念解析
內容摘要：深度學習在影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影像內容的機制不太一樣，人在識別影像內容時，常將一幅影像場景分解為若干具體和抽象的視覺概念（物體），因為無論多複雜的影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，最近有學者提出了用組合式隱變數來表示並解析影像場景。本報告將首先回顧視覺概念解析的最新研究進展，然後介紹我們最近提出的可學習深度先驗方法，它能利用深度神經網路將組合式的隱變數轉換為影像畫素先驗分佈。研究表明，該先驗分佈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，在合成影像資料實驗上取得了良好效能。我們正努力將該方法用於自然影像場景解析，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，復旦大學電腦科學技術學院教授。他當前研究領域為多媒體資訊處理、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。發表學術論文200餘篇，其中包括CCF推薦A類會議長文及重要國際期刊論文60餘篇，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傑出會員、中國影像圖形學學會常務理事。他還擔任《計算機研究與發展》、《電腦科學與探索》等期刊編委。
48. 楊強 香港科技大學、微眾銀行
報告題目：資料孤島，AI 向善與聯邦遷移學習
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 系統至關重要的資料治理問題：資料越多，AI 系統的表現就越好，而這樣的話就會造成資料和 AI 的寡頭，例如 Google 以及國內的BAT等大公司，擁有巨量資料。而與之相對的則是小公司所面臨的小資料場景，例如法律、金融、醫療大部分應用場景都存在小資料和「資料孤島」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慧官，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 國際人工智慧協會常務理事，IJCAI 國際人工智慧聯合會理事會主席，香港人工智慧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。
49. 於建崗 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）是綠灣自主研發的高效、簡潔、易用的新一代機器學習平臺。平臺基於機器學習演算法，為各行業提供一體化大資料解決方案。使用者使用機器學習平臺可以快速搭建機器學習演算法模型，通過演算法模型指導業務落地。機器學習平臺具有視覺化的介面、模組化演算法因子、拖拽式的任務流以及靈活設定的演算法引數，讓使用者通過簡單的操作就可以完成模型的訓練、評估和預測。平臺適用於需要將機器學習應用於日常工作的使用者，使用者基於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、語義識別等業務模型。本talk將基於Lvwan Focus的架構設計與理念，提供行業AI解決方案。
嘉賓介紹：於建崗博士，原美國微軟總部架構師，百度主任架構師，科學家。於2007年在美國加州⼤學取得計算機專業博⼠學位，曾供職於美國微軟公司總部從事互聯⽹⼴告的機器學習⼯作；加入百度後主導設計上線了百度鳳巢新⼀代點選率預估系統，是國內外⾸次利⽤⼤規模深度學習演算法來做點選率預估的系統。
50. 詹坤林 58集團AILab
報告題目：智慧語音機器人提高人效
內容摘要：智慧語音機器人，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互動能力，使之能模擬真人與使用者對話，識別和理解使用者的會話意圖，它被廣泛應用於企業自動電話銷售、產品推廣、服務通知等多種業務場景，能為企業提高人效，節省大量人力成本。本報告將提出58同城智慧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，演算法高階架構師，負責推動AI技術在58生活服務行業的落地，為58集團打造全面AI能力。目前負責主要產品包括智慧問答機器人、智慧語音機器人、智慧寫稿機器人、AI演算法平臺等。碩士畢業於中國科學院大學，研究方向為資料探勘，曾任騰訊高階工程師，負責微博、新聞推薦演算法研發。
51. 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.
52. 周國睿 阿里媽媽
報告題目：電商資料下模型的挑戰與發展
內容摘要：CTR（點選率）預估是一個計算廣告和推薦系統中的核心問題。近年來，隨著硬體技術持續進步，深度學習技術飛速發展，伴隨著網際網路資料收集能力的提高，資料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。同時分析現有廣告/推薦系統的不足，展望下一代推薦/廣告系統的挑戰。
嘉賓介紹：周國睿，北京郵電大學碩士。研究領域包括大規模機器學習、自然語言處理、計算廣告、推薦系統等。現負責定向廣告預估方向模型演算法研發，同時是阿里巴巴自研深度學習框架XDL核心開發者。研究成果發表於KDD/AAAI/CIKM等會議，其研究工作均落地於實際系統。
53. 周文彪 途家網
報告題目：民宿推薦中的Embedding技術
內容摘要：民宿越來越成為旅遊消費的新熱潮，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。民宿行業的資料，具有使用者消費頻次低，使用者興趣點不好描述等特點，基於內容和普通協同過濾的方法效果都不明顯，受graphic embedding， word2vec的啟發， 我們運用embedding技術有效建立了商品之間的相似關係，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，對機器學習演算法在商業上的落地有濃厚興趣，在智慧客服，自動化稽核和個性化推薦演算法方面有較多實踐。從15年開始先後在去哪兒網和途家網負責排序和推薦方面的演算法工作；搭建去哪兒大搜猜你喜歡推薦系統和途家排序及推薦系統，為公司流量轉化提升做出重要貢獻。
54. 朱巨集圖 滴滴出行
報告題目：AI for Market Place with Applications to Ride Sharing Business
內容摘要：In this talk, we introduce a general AI for market place analytical framework with applications in ride sharing business. This framework integrates some fundamental statistical methods, including experiment design and causal inference, with modern machine learning methods, such as deep learning and reinforcement learning. This framework not only makes statistical inference on a particular policy, but also optimizes a set of policies for a complex system. For instance, we introduce a novel class of equilibrium metrics (EMs) to quantify spatial balance of dynamic demand and supply networks defined on the same graph. It is primarily motivated by measuring the local and global spatial coherence between demand and supply patterns in large- scale ride-sharing platforms, such as Uber. The two key com- ponents of EM are to formulate the spatial coherence problem as an unbalanced optimal transport problem and to develop an efficient linear programming algorithm to solve such transport problem. Moreover, our EM measures the local (or global) distance between demand and supply patterns after the optimal transport, while incorporating the related trans- porting cost. Moreover, we establish the causal inference framework for dynamic process in order to introduce a set of statistical methods for evaluating various polycies used in ride sharing business. In addition, we model the ride dispatching problem as a Markov Decision Process and propose learning solutions based on deep Q-networks with action search to optimize the dispatching policy for drivers on ride-sharing platforms.This is a joint work with Zhaodong Wang, Zhiwei (Tony) Qin, Xiaocheng Tang, Jieping Ye, Sikai Luo, and Fan Zhou.
嘉賓介紹：Dr. Zhu joined DiDi in 2018 from his position of Endowed Bao-Shan Jing Professorship in Diagnostic Imaging and a tenured professor of biostatistics at MD Anderson Cancer Center and a tenured professor of biostatistics at University of North Carolina at Chapel Hill. Dr. Zhu is leading DiDi’s statistical cognitive team with AI scientists and engineers on the development of innovative solutions for the world’s largest transportation platform. Dr. Zhu got his Ph.D. degree in statistics from the Chinese University of Hong Kong in 2000. He is an internationally recognized expert in statistical learning, medical image analysis, precision medicine, biostatistics, artificial intelligence, and big data analytics. He has been an elected Fellow of American Statistical Association and Institute of Mathematical Statistics since 2011. He received an established investigator award from Cancer Prevention & Research Institute of Texas in 2016. He has published more than 250 papers in top journals, including Nature, Nature Neuroscience, PNAS, AOS, and JRSSB. He serves as a chair or area chair of top international conferences including AAAI and Information Processing in Medical Imaging, as well as an editorial board member of premier international journals, including Statistica Sinica, Annals of Statistics, and Journal of American Statistical Association.
大會地點
北京理工大學（中關村校區）
中心教學樓一層、二層報告廳、7號樓報告廳、研究生院101報告廳
交通路線
乘坐地鐵 4 號線，在魏公村站下車，由 A 口出，從北京理工大學東門進入校園；
乘坐 563、645、運通 103 路在魏公村路東口站下車，從北理工小南門（或稱東南門，附近有很多快遞）進入校區；
乘坐 26、355、365 路等路線在三義廟站下車，從北理工北門進入校區。
進入校園以後，大家可以直接問可愛的同學或者導航到達，導航目的地為北京理工大學-中心教學樓。
主辦單位
中國科學院人工智慧聯盟標準組
北京理工大學計算機學院
協辦單位
機器之心
DataFun
支援媒體
中國科技網
識別下方二維碼或點選閱讀原文報名
