标签归档:CNCC

如何有效利用学术图谱?怎么建立相对公正的学术评价体系?听听大师们怎么说 | CNCC 2017

雷锋网 AI科技评论按:由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的 2017 中国计算机大会(CNCC 2017)于 10.26—10.28 日在福州·海峡国际会展中心举办。

此次会议规模空前,会议主办方邀请了包括丘成桐、沈向洋、李飞飞、丛京生在内的学界、业界知名人物,这次大会除了14场非常值得关注的特邀报告,还有2场大会主题论坛、40余场学术论坛、30余场特色活动以及3个颁奖大会,同期还将有80余家企业举办科技成果展。雷锋网作为独家战略合作媒体对大会内容进行了全程覆盖和报道。

如何建立相对公正合理的学术评价体系,这是在人工智能研究飞速发展的今天被国际学术界高度关注的话题。在 CNCC 2017《大数据驱动下的学术评价》技术论坛上,邀请到CCF 术语工委会主任周明,上海交通大学教授王新兵,中国工程院院士高文,北京大学教授金芝,微软研究院研究员王冠三共聚于此,探讨如何构建大规模异构学术图谱,有效利用图谱为广大学者服务,为学术评价和社会发展服务。此次论坛由清华大学副教授唐杰、微软亚洲研究院李锐博士主持,在panel讨论环节,还邀请到南京大学教授周志华、中科院计算所研究员陈熙霖。

从左至右依次为清华大学副教授唐杰、北京大学教授金芝、南京大学教授周志华、微软研究院研究员王冠三、中科院计算所研究员陈熙霖、上海交通大学教授王新兵、微软亚洲研究院李锐博士

作为第一位嘉宾,周明在论坛中介绍了CCF术语工作委员会,并详述了术语工作委员会中的分工为了更好的进行术语工作,他们构建了三级火箭,第一级是专家火箭,这一级火箭主要涵盖的是之前一些专家的研究工作。下一级是网络火箭,其中包括新词挖掘,词义挖掘,合并、择优等,第三级是众包火箭,这一级会鼓励网友贡献新词条并审核编纂词条内容,为术语工作委员会做出贡献。

为什么会构造这样的三级火箭?他表示,专家火箭可能存在词条老旧的问题,这时候网络火箭就出现了,可以增加新的词条,例如AlphaGo等,但是又出现了新的问题,比如分类体系不一致,要进行很多调整,另外在增加新词条的时候,必须要通过人工甄别断定分类,还有如何将网络上的简繁体文本对应起来。总体来说,网上找的资源良莠不齐,格式多样,无法用自动化手段去做,必须靠众包去做。

专家火箭和网络火箭目前进展顺利,众包火箭现在发展也不错。他们在做这件事的时候会有激励机制,为大家设计了不同的头衔以表彰其对计算机术语工作做出的贡献。大家可以基于他们的术语工作,做搜索、问答等各种各样的研究。

接下来,王新兵教授介绍了他们在学术地图上的一些研究。他表示,目前的数据量很大,要从数据中挖掘出某位老师或者学生的研究水平,需要进行多方面的考虑。他也提到如何将论文之间的关系联系起来,有什么好的做法,为实现这些目标有哪些核心的考虑。

在论坛中,他为大家详解了他们做的一些图。他们现在做的分析有挖掘论文之间的相关性,挖掘出某个领域比较重要的研究人员,以及谁在那个领域成长比较快,影响力比较大,挖掘某些研究的地理核心区域。在进行核心区域的研究中,也能看到中国在过去二十年间取得的发展。他还举例分析了几个重要会议(SIGMOD和SIGIR、CVPR和ICCV、AES和OOPSLA)之间的交叉和联系。

他们的愿景是希望能通过数据分析来帮助大家,例如根据文章之间的关联性,进行文章推荐,或者进行关联的作者推荐。

随之而来的是高文院士的精彩演讲,他谈到最近讨论比较多的双一流建设,这个排名请了许多知名的专家来评价、讨论、制定规则,然后让机器去计算,但网上有很多对这个排名的调侃和不满。他表示,通过专家制定规则,然后再用提交的数据进行排序的方法,里面有些值得改进的地方。“用大数据做学术评价,很多时候能不能得奖和你的数据的公开程度直接相关,如果在网上几乎查不到你的信息,很大可能得不到高分。”

此外,他也发表了对利用论文数量做学术评价的看法。“学术评价一定要有科学性在里面,纯粹的数论文一定不行,但是论文数有一定的参考性。如果没有其他可参考的,那么数量可能是主要参考的点。”

“以前评价学者的水平靠人的判断,现在数据正在慢慢发挥作用,亚洲学者也多起来了。”他说道,“从社会进步、学科发展、个人发展来说,我们应该逐步关注、整理和维护数据,另外也应该乐于分享数据。此外,不能为了追求数据而数据,要科学地使用、判断数据。”

而现场观众也进行了踊跃的提问,比如什么时候机器可以制定规则,自然基金委在基础研发投入方面的做法,如何看待最近《美国新闻和全球报道》排出的全球高校排名。

下一位演讲嘉宾是金芝教授。本次论坛的主题为大数据驱动下的学术评价,她对学术评价做了介绍,目前存在定性和定量两种评价方法,比较科学的方法是将定量与定性有机的结合起来,给出全面的评价。另外,在做评价时需要考虑多维性,要尊重不同的价值体系。论坛的另一个关键点是大数据,她介绍了亿级学术图谱Open Academic Graph,她表示,构建学术大数据的目的有三,一是集成丰富的学术知识数据,二是数据共享,三是服务共享。这些都非常有价值的,对于学术研究有很大的贡献。

在论坛中,她从窄义和广义上阐述了知识图谱的概念。而知件是计算机可操作性的知识模块,分为源数据层、策略层、表现层。关于知件她们也做了一些研究,在知件的基础上,如何进行模型驱动的知识抽取、知识的编排和演算,以及进行综合报告的深层化 ,这些都非常有意义。

在演讲的最后她提到,“我们希望在开放性学术知识图谱和可定制学术评价上,构建一个开放的学术评价社群。”

之后,王冠三先为大家描述了他认为的AI是什么,然后为大家描述了知识图谱的概念、包含哪些东西。他表示,他们之前在研究中让机器来读所有的论文,看机器是否能自己教会自己读取出需要抽取出来的信息等。

在对学者的排序过程中,对影响力的评估很重要。他们通过用不同的方法来进行排序,然后通过对结果来进行分析,来判断排序方法。目前有很多进行高校排名的方法,也出现了很多不同的名单,但并不是所有的方法都公平。他表示,他们用的是迭代算法来进行计算。在对学科进行评比的过程中,有些学校并不是每个小学科都能涵盖,这时候就需要选择有效的评比方法。另外,目前学术界每个月都会涌现出大量的论文,这时候就需要借助于机器。

最后,他也介绍到Open Academic Graph数据的使用方式,以及一些与它相关的技术手段,例如如何构建关系,将图画出来。

作为最后一位演讲的嘉宾,唐杰副教授先是总结了大家前面的演讲,然后介绍了开放学术组织(Open Academic Society),从理论研究、技术推广、国内国际合作等多个方面介绍了AMiner的总体情况,目前他们已经与多个机构合作成立了研究中心,包括与中国工程院合作成立了知识智能联合实验室,与微软合作成立数据研究院科技大数据研究中心等。

此外,他也提到了Open Academic Graph开放数据,他初步介绍了这个数据集的一些基本情况,除了论文数据,他们还发布了学者的相关信息、学者之间的关联信息、profile信息等。基于这些数据,他们还组织了一些数据挖掘比赛。

他表示,现在可以结合大数据、知识分析等,做出很多的学术地图画像,他为大家展示了他们做的人才迁徙图,可以看到国际上顶尖人才的迁徙路径。此外,基于那些学术大数据,他们还做了机构排名,也发布了CS领域最有影响力的学者排名。“大家要是有兴趣可以在这个数据上做非常多的工作,我们这个数据集完全开放。”

在最后panel讨论环节的嘉宾有金芝、周志华、王冠三、陈熙霖、王新兵,大家针对数据VS知识、大数据VS小数据、简单评价方法VS复杂评价方法等进行了精彩的讨论。针对最近的热门话题Alphago Zero,也有现场观众进行踊跃提问。欲知更多详细内容,敬请关注雷锋网 AI科技评论。

雷锋网

姜还是老的辣,CCF会士论坛上看几位前辈如何思考未来计算 | CNCC 2017

雷锋网AI科技评论报道:中国计算机学会(CCF)举办的中国计算机大会(CNCC 2017)已于10月28日顺利结束。此次会议规模空前,会议组办方邀请了国内外的许多著名学者,包括丘成桐、沈向洋、李飞飞等人,同时还有十多位院士以及数百名国内外计算机专家学者。这次大会除了14场非常值得关注的特邀报告外,还有2场大会主题论坛、40余场学术论坛、30余场特色活动以及3个颁奖大会,同期还将有80余家企业举办科技成果展。据了解此次参会人数多达6000多人。雷锋网AI科技评论对这次大会做了全程报道。

在大会的40多个技术论坛中,有一个论坛——“未来计算—CCF会士论坛”——可以说是规格极高:四位讲者分别为李国杰院士、高文院士、林惠民院士和北航的陈小武教授;连论坛主持人都是清华大学吴建平院士和这次大会特邀嘉宾中科院计算所的陈熙霖教授;此外在互动环节,还有2017年度“罗摩克里希纳·劳奖”获得者(该奖项目前全球只有七位获奖者)特拉华大学终身教授高光荣。

所谓“姜还是老的辣”,几位院士以及知名学者,就计算机科学的未来发展给出了非常深刻且独到的见解。

在论坛中,首先由李国杰院士做了一场非常精彩的报告,主题为《计算的新时代——关于未来计算的几点思考》。李国杰院士以他几十年的研究经验,给出了许多非常有价值的思考。李国杰院士认为大数据和人工智能不是计算机科学的掘墓人,而是为计算机科学的发展开辟了一片新的空间。以前我们认为知识就是力量,但现在在某些领域AI已经不再需要人类知识了,对一些规则清楚的结构性问题,计算的力量有时候比知识的力量更强大。有人认为人工智能是一个新的学科,但李国杰院士通过对计算机发展历史的回顾和思考,认为人工智能本质上仍是计算机技术,从基础研究来看,人工智能是计算机科学的前沿研究;从应用来看,人工智能是计算机技术的非平凡应用。

图灵奖得主霍普费尔德最近指出,计算机科学的发展可以分为三个阶段:早期的研究重点是开发程序语言、编译技术、操作系统以及研究支撑它们的数学理论;中期的重点是研究算法和数据结构;第三个阶段的重点已从离散类数学转到概率和统计。李国杰院士认为到目前为止计算技术的红利已经用的差不多了,靠提升算法和硬件来发展已经走到了尽头,所以我们需要计算科学的第二春,机器学习已经成为计算机科学的核心。人工智能经过60年的培育,已经成长成为硕果累累的大树,但是对于深度学习为什么这么有效,至今没有科学解释,我们应当重视这一类跨学科的带根本性的基础研究。(丘成桐先生也提出这个观点,可见“英雄所见略同”

基于对图灵机模型的思考,李国杰院士认为图灵机有它自身本质上的局限性。图灵机的提出主要是用于说明某些数学问题的不可能性,它不能提供所有计算形式的完整模型,图灵机的算法的前提都是假定输入和输出都是确定的,如果输入可随机选择,那么就会突破图灵机的界限。所以在以后的研究中要重点研究非确定的计算。

随后中科院计算所的林惠民院士做了《计算与软件》的报告,报告分为两部分,分为探讨了“计算是什么”和“软件的问题”。林惠民院士首先回顾了对“计算是什么”这个问题的历史思考。对于这个问题,数千年来一直没有人真正认真地思考过,直到希尔伯特在他的23个希尔伯特问题中提出“是否存在一个数学公理,能够将所有数学定理推导出来”和“给定一个定理,能否在有限步数范围内推出这个定理”(第2、10问题)。基于对这两个问题的思考,哥德尔、Alonzo Church、图灵分别提出了递归函数、Lambda-演算和图灵机模型,随后丘奇证明这三个看起来完全不同的模型所定义的可计算函数概念彼此是等价的,并且得出一个“丘奇-图灵”论断:一个函数是可计算的当且仅当它是图灵可计算的。一部图灵机描述了一个计算过程,这个过程就叫算法。任何人都可以按照算法的规则,机械地进行计算,并且得到同样的结果。但是这样的计算本质上不能产生新的知识,因为结论已经蕴含在前提之中,没有增进人类对客观世界的认识;但是从另一方面,计算机在机械计算方面大有用处,我们可以用他们产生有价值的东西。

在软件的问题上,林惠民院士同样回顾了软件的历史发展,并提出当前软件工程所面对的问题和困难。软件的开发源于冯·诺伊曼结构,通过硬件+软件的方式实现通用计算机,相比之前通过硬件来实现运算的方式,软件更容易修改。不过这样结构导致的结果就是软件数量极多,因为使用计算机解决多少问题,就需要多少软件,当然也需要特定领域的知识。对于当前软件工程,依然面对着诸多问题,包括免责条款、安全漏洞等等,此外如何通过严格的数学符号和理论来保障软件的安全是一个很重要的问题。

林惠民院士之后,北京航空航天大学的陈小武教授做了关于《萃取视觉大数据,驱动智能生长力》的报告。陈小武教授认为人类从古至今的变化,其本质就是大脑、眼睛和手的一个变化,是这些变化促成了我们人类今天的发展。现在人类对世界的认识不仅仅是物质世界,还包括信息空间的世界。通过类比,陈小武教授认为我们应当去思考信息空间中的脑袋、眼睛和手分别是什么。现在随着大数据(尤其是视觉大数据)越来越多,陈小武教授以自己的研究为例向听众说明,我们可以通过挖掘可视大数据的信息,例如构建可视数据的知识图谱等,来构建信息空间的大脑;通过这些可视大数据以及知识迁移等技术,我们可以生成图像,重建3D场景等,以此来构建信息空间的眼睛。在智能的世代,把人的智能与计算机的智能结合起来,可能要大于单纯人或者机器的智能,因此如何将人与机器协同起来(例如现在的AR、VR)是一个重要问题,也即如何去做信息空间的这只手。

陈小武教授认为在构建信息空间的大脑、眼睛和手方面,还有很多任务要去做。首先,现在普遍比较迷信大数据,认为数据越多越好,但其实小样本更重要,如何通过小数据来寻找属性与计算对象之间的关系是一个需要琢磨的事情。其次,如何在数字空间做跨域和跨类的映射是一个比较困难的事情,只有实现这点,数据才能实现自生长和自演化。第三个困难时怎么实现人的智能和机器的智能进行互动和协同,实现人与机器之间的融合,从而实现智能的生长。

经过短暂的茶歇,北京大学的高文院士简单介绍了他正在推动的两件事情:首先,是数据视网膜。现在城市的各个角落都密布着视频监控系统,但基本的摄像头只负责编码然后传到服务器存起来。但是在“智慧城市”中这类摄像头几乎没法用,因为它无法做到实时反应。“数据视网膜”其本质就是在传输数据的时候将元数据一分为二,一方面进行编码存储,另一方面去提取识别特征。虽然技术简单,但这是一个工程问题,将传统摄像头完全取代也许还需要一些时间。其次,高文院士针对在座的院士、教授们介绍了一些他在基金委的工作情况,鼓励大家要表现出自己的竞争力。

(互动环节后的合影,从左至右分别为:陈熙霖教授、李国杰院士、高光荣教授、高文院士、陈小武教授。)

在互动问答环节,特拉华大学的高光荣教授认为,要小心deep learning,任何东西一过热就会跌入低潮,科学的事情没有巧,年轻人要扎扎实实地从基础做起,不要忽悠;随后高光荣教授特别强调了李国杰院士报告中“图灵机什么事情不可做”的重要性(雷锋网随后将全文报道李国杰院士的演讲),希望做人工智能的学者对这个问题要认真思考。

在这场CCF会士论坛中,几位院士和教授基于历史对计算机科学未来的发展做出了非常深刻的思考,他们提出的许多观点都值得当前的学者,特别是年轻学者,认真思考。说真的,姜,真的是老的辣。

雷锋网

CCF系列奖获奖名单公布,鲍虎军、周志华获CCF王选奖 | CNCC 2017

雷锋网AI科技评论:由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的2017中国计算机大会(CNCC 2017)于10月26~28日在福州海峡国际会展中心胜利举办。本次大会主题是“人工智能改变世界(AI Changes the World)”,大会共邀请到近400位国内外计算机领域知名专家、企业家到会演讲,会议包括14个特邀报告、2场大会论坛、37场前沿技术论坛及30余场特色活动。大会今年是第14届,有来自近700家企事业单位的6000多名专业人士参会参展。其中备受大家关注的一年一度CCF王选奖、海外杰出贡献奖、科学技术奖、青年科学家奖也在大会期间隆重揭晓。雷锋网作为CNCC 2017独家战略合作媒体,到大会现场做了全程跟踪报道。

CCF王选奖

“中国计算机学会王选奖”(简称CCF王选奖)是由中国计算机学会设立,奖励在计算机及相关领域有显著学术成就、对社会有重要贡献的个人。本奖项旨在推动中国计算机及相关领域的科技创新和进步,促进科研成果的转化,促进IT产业的发展,推动科技界学术共同体评价体系的建立。本奖项代表了国内同行的专业评价和认可,并得到国家科学技术奖励工作办公室的批准。

2017年CCF王选奖获得者分别是鲍虎军教授周志华教授

鲍虎军教授

鲍虎军,浙江大学教授。他主要从事计算机图形学(CG)和计算机辅助几何设计(CAGD)的基础算法研究,其研究方向涉及到图形学的多个分支,包括光照明模型、真实感图形绘制算法、实时图形绘制技术、计算机动画算法、多分辨率模型(Multiresolution Model)几何压缩 (Geometry Compression) 等。长期从事计算机图形学和虚拟现实的研究,开辟了微分域几何物理计算新领域,突破了虚实混合环境的沉浸式交互视觉模拟和融合呈现基础理论和关键技术,研制了混合现实支撑软件平台,开发的系列新应用取得了显著经济和社会效益。

周志华教授

周志华,南京大学教授。他长期从事人工智能研究,在基于不充分信息的机器学习理论与方法等方面取得突破,并研制出实用机器学习技术与系统,应用成效显著,推动了机器学习在中国的发展和应用,提升了中国在人工智能领域的国际影响力。值得一提的是,今年8月份,周志华教授成功当选人工智能领域顶级学术会议 IJCAI 2021程序委员会主席,在此之前,从未有过华人当选该职位;9月份,周志华教授又当选为欧洲科学院外籍院士 ,这都充分说明了周志华教授在人工智能领域的学术水平得到了国际认可。

CCF海外杰出贡献奖

“CCF海外杰出贡献奖”于2005设立,旨在奖励通过科学研究、学术交流,人才培养和国际合作,为推动中国的计算机事业发展做出了杰出贡献的海外(含港澳台)计算机专业人士。至今已有12位海外人士获此殊荣。

2017 CCF海外杰出贡献奖分别为美国加州大学洛杉矶分校校长讲席教授丛京生和香港理工大学电子计算学系讲座教授曹建农。

丛京生教授(右)

丛京生教授目前任美国加州大学洛杉矶校区(UCLA)计算机系校长讲席教授、兼任该校电子工程系教授,ACM Fellow, IEEE Fellow, 美国国家工程院院士。2009年至今,任UCLA协理副教务长,主管国际合作,并任北京大学-UCLA理工联合研究所共同主任。丛京生教授还被北京大学聘为千人计划客座教授,担任北京大学高能效计算与应用中心主任。

他的研究领域包括电子设计自动化、高能效计算与应用、大数据应用的可定制计算,以及高度可扩展算法。丛京生教授在该领域已经领导了50多个科研项目,发表了超过400篇论文,包括10篇最佳论文奖和3篇十年最具影响力论文奖。他的研究工作为FPGA综合技术奠定了基础;他提出的“以互联为中心的设计算法和方法学”在1990年代克服深亚微米时序闭合挑战中起到了突出作用,使摩尔定律能够继续扩展;在2009年,丛京生教授领导的团队获得了极具竞争的美国国家基金会“挑战未来”的重大奖项。这个奖项导致了领域特定计算中心(CDSC)的成立, 并直接对计算机工业带来影响。

此次丛教授荣获CCF海外杰出贡献奖的主要原因除了在学术上取得不凡成就外,还有就是他对在国内计算机科研和教育做出长期且杰出的贡献。多年来,他以自己的母校北京大学为基地,在学科建设、教师队伍培养、学术影响力的提升等方面都做了大量和具体的,并卓有成效的工作。他的不懈努力深深地影响了北大的科研和教育,并对国内的计算机科研和教育起了一个模范带头作用。

丛京生教授多年来积极参加和支持CCF的工作。他在2010年的《中国计算机学会通讯》上发表了《UCLA领域专用计算中心简介》的文章。他也是2010年CCF在长沙举办的“未来计算大会”的特教嘉宾和演讲者。2016年,他在计算机系统结构年会(ACA 2016) 做了精彩的主题演讲。

曹建农教授贡献简介

曹建农教授(右)

曹建农教授现任香港理工大学电子计算学系讲座教授、互联网和移动计算实验室主任,和香港理工大学大数据分析中心实验室主任,于2011-2017年担任计算学系系主任。

曹建农教授先后从事分布式计算、无线传感网络、移动与普适计算、大数据分析与计算等多个前沿方向科学研究和高层次人才培养,主要学术贡献是移动和无线网络环境下分布式算法的开创性研究,包括移动代理、分布式协调技术、合作缓存、异步系统中一致性检测, 以及无线传感网络中工程计算分布式实现等,主持和参与开发超过90个科研项目,取得一批创新研究成果,是国际计算机领域著名学者,IEEE Fellow。

曹建农教授多年以来热心参与国内计算机学术交流、科学研究以及人才培养,为学科建设发展建言献策。为我国计算机科研和教育发展做出了突出贡献。 他是国内多所大学客座/兼职教授和博士生导师,学术委员会委员, 2010-2013年获聘湖南省“芙蓉学者计划”特聘讲座教授; 2017年获聘福建省“闽江学者计划”讲座教授。 他和国内许多大学和研究机构紧密合作,参与组织国际会议与合作研究项目,联合培养指导研究生和青年教师。曹建农教授还担任国内计算机及相关领域著名期刊的编委工作,包括计算机科学与技术、中国电子学报、中兴通讯技术杂志和CCF Transactions on Networking 。

曹建农教授2002年加入中国计算机学会CCF,现为CCF高级会员、普适计算专业委员会和系统软件专委会委员,2004-2007年担任计算机体系结构专委会副主任委员。此外曹建农教授还积极参与CCF活动, 受邀在许多CCF学术会议和活动中做主题演讲报告、组织香港年轻计算机系教授参与CCF活动、参与青年计算机科技论坛(YOCSEF)论坛等,对CCF发展做出了重要贡献。

CCF-IEEE CS青年科学家奖

该奖项于2010年设立,“CCF青年科学家奖”授予在科学研究方面有突出成就和重要贡献、年龄不超过40岁的青年学者。从2106年起由CCF和IEEE Computer Society (CS) 共同评选和颁发,奖项名称定为“CCF-IEEE CS青年科学家奖”。

2017年CCF-IEEE CS青年科学家奖获奖者一共有三位,分别是:华中科技大学廖小飞教授,中国科学院软件研究所研究员杨超博士,国家并行计算机工程技术研究中心副研究员刘鑫博士。雷锋网分别对三位获奖者做简要介绍。

左三廖小飞教授、右三杨超博士、右二刘鑫博士

廖小飞教授主要从事计算系统虚拟化、对等计算、集群计算、流媒体服务等领域的研究。现任华中科技大学计算机学院计算所副所长,“服务计算技术与系统教育部重点实验室”副主任、“集群与网格计算湖北省重点实验室”副主任,也是实验室对等计算方向的负责人。此次获奖原因是为表彰他在分布式系统和云计算所做出的开创和前沿性的贡献。

杨超博士主要从事高性能计算的研究。去年,在美国盐湖城举行的2016全球超级计算大会上,中科院软件所杨超率领的研究团队,凭借“千万核可扩展大气动力学全隐式模拟”研究成果获得“戈登·贝尔”奖,实现了我国在此奖项上零的突破。

刘鑫博士在“神威”系列超级计算机系统软件开发和维护上做出了开创性和前沿性的贡献。她也是第二届清华大学-浪潮集团计算地球科学奖的得主,当时她研发基于国产众核HPC的地球系统模式软件并实现了高效运行。

此外在颁奖晚宴中,也隆重揭晓了2018年中国计算机大会(CNCC 2018)的举办地。CNCC 2018将于2018年10月25-27日在杭州举办,欢迎大家届时来参会。

历届还有哪些人获奖?

CCF王选奖历届获奖者2010年获奖人为北京大学教授高文、东北大学教授刘积仁;2011年获奖人为中科院计算所研究员孙凝辉、国防科技大学教授廖湘科;2012年获奖人为科大讯飞公司董事长刘庆峰;2013年获奖人为北京大学教授李晓明,百度公司CEO李彦宏;2014年获奖人为北京航空航天大学教授赵沁平,小米公司CEO雷军;2015年获奖人为哈尔滨工业大学教授李建中,汉王科技公司董事长刘迎建;2016年获奖人为清华大学教授李星,中国王码集团董事长王永民。

CCF海外杰出贡献奖历届获奖者:2005年获奖人为美国南加州大学教授黄恺,2006年获奖人为美国亚利桑那州立大学教授邱锡生;2007年获奖人为澳门大学校长赵伟;2008年为美国普林斯顿大学教授李凯;2009年获奖人为香港科技大学教授倪明选;2010年获奖人为美国俄亥俄州立大学教授张晓东;2011年为美国天普大学教授吴杰;2012年获奖者为香港中文大学教授华云生;2013年获奖人为美国特拉华大学终身教授高光荣;2014年获奖者为美国爱荷华州立大学教授张可昭;2015年获奖者为美国伊利诺伊大学香槟分校荣休教授,台湾清华大学教授刘炯朗;2016年获奖人为新加坡国立大学教授黄铭钧。

雷锋网

CNCC 2017最后一天,两场论坛引爆互联网和人工智能

雷锋网 AI科技评论按:由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的 2017 中国计算机大会(CNCC2017)于 10.26—10.28 日在福州·海峡国际会展中心举办。雷锋网作为独家战略合作媒体对大会内容进行了全程覆盖和报道。

本次大会主题是“人工智能改变世界(AI Changes the World)”,共邀请近十位院士、300余位国内外计算机领域知名专家、著名国际国内IT企业家到会演讲。会议包括14个特邀报告、2场大会论坛、40余场前沿技术论坛及30余场特色活动,同期举办科技成果展,汇聚80余家企业参展。

今天已是大会第三天,最吸引大家目光的毫无疑问是上午的两场大会论坛。第一场论坛以“互联网应用的下一个引爆点” 为主题,由CCF副秘书长、CNCC大会组织委员会主席唐卫清主持,邀请到今日头条人工智能实验室技术总监李磊,CCF副秘书长、360首席安全官谭晓生与滴滴出行高级副总裁章文嵩。第二场大会论坛以“十年后的智能机器人” 为主题,论坛特邀苏州思必驰公司首席科学家、上海交通大学研究员俞凯主持,邀请到地平线联合创始人黄畅、清华大学教授孙富春、驭势科技CEO吴甘沙作为嘉宾。

在第一场论坛上,大家对于什么是互联网领域可能的引爆点各抒己见。

今日头条人工智能实验室技术总监李磊表示,AI技术会在下一个十年大大促进信息内容的创作和交流。互联网高速发展,驱动了过去20年信息领域很多的应用发展,包括搜索引擎、社交网络,很多产品的发展实际上是由移动互联网技术驱动的。

图:今日头条人工智能实验室技术总监李磊

“在信息交流分发上,有三个环节非常重要。第一是如何让各种各样的创作者方便地创作信息。第二是如何用AI技术理解内容和用户,真正把有用的信息提供给感兴趣的用户。第三方面是互动,如何通过技术和平台去推动用户和作者交流、用户和用户之间交流。”他表示,利用文本分析技术去分析用户对文章和视频的反馈,然后反馈给作者,在最后可以促使作者创作更高质量的内容。

CCF副秘书长、360首席安全官谭晓生表示,引爆的条件有三个,第一是要满足某类用户的强需求,这些用户分三类,分别是消费者、企业和政府;第二是需要一些技术进步的驱动,可能有算法的进步,传感器技术、半导体技术的进步,产业的能力,比如说成本和产能;第三是政府政策的引进。只有所有因素结合,才会创造某个契机进而引爆产业。

图:CCF副秘书长、360首席安全官谭晓生

他进一步阐述自己对这一主题的看法,“消费者领域可能的引爆点有两个,一是AR/VR如何满足更高层次的生理、心理需求,比如内容创作产业、虚拟世界等,二是如何将大数据、AI在制药和医疗领域进行应用。而对于企业来说,工业机器人、云制造能有效降低生产成本。对于政府来说,在实现智能化治理的过程中,网络空间安全也是个很重要的点。”

滴滴出行高级副总裁章文嵩认为下一个引爆点比较难以预测。他讨论了互联网的本质,“联指连接,互指双向的互动,而网指结网和合作。互联网+的技术核心是大数据、人工智能和云计算。”

图:滴滴出行高级副总裁章文嵩

他以自己的经历为例,认为共享经济在中国发展潜力巨大。共享经济的实例有云计算(本质是资源集合,提高资源利用率)和共享出行。“共享经济刚刚开始,未来会有无限爆发力。云计算还在非常早期的阶段,互联网+会跟各行各业结合,会改变一切。”他强调。

而在他们的讨论结束之后,现场观众进行了踊跃的提问。

对于未来人工智能需要在哪些领域投入大量人工,章文嵩说道,“在无人驾驶方面,还有很长的路要走,这需要大量精力和大量数据来做。”

对于AI到底是不是虚火,李磊表示,从技术角度讲,AI确实很热,但还没到达顶峰。“AI在简单任务上做的很好,但是要有逻辑思维很难。我们不应该把眼光局限在深度学习,应该看到更广泛的技术。”

主持人唐卫清做出总结:未来可能的引爆点有人工智能的应用,共享经济,网络安全,内容的产生制作、工业机器人、无人驾驶等领域。

在短暂的休息之后,迎来了本次大会的第二场论坛“十年后的智能机器人” 。

地平线联合创始人黄畅以这个主题为契机,为我们描述了地平线的思路——将算法与处理器结合,在端上和云上进行优化。

图:地平线联合创始人黄畅

“地平线的核心是以算法为主”,在黄畅看来,算法的设计理念有三个层次,透明、持续和容易部署。“作为一个做技术的人,我更愿意从技术角度畅想,对于十年后的机器人,我认为核心的研究就是如何在多个方面进行灵活切换,我比较看好GAN和VAE这两个方法。”他如此说道。

清华大学教授孙富春表示,十年以后,厨房机器人和家庭四件套(清洁机器人等)很重要,在情感机器人上会有很多种突破,另外还有教育机器人会走上讲台。“未来无人驾驶可以做到4级,但需要人工干预。软体机器人也会出现。”

图:清华大学教授孙富春

而这些对技术都有要求,机器人需要基于知识、依据经验进行学习,实现非常灵巧的操作,具有认知能力。展望未来,他希望机器人具有场景理解的能力。

驭势科技CEO吴甘沙以《无人驾驶的“2031”愿景》为主题,“虽然大家讨论的主题是未来十年,但作为一个技术人,我们远没有媒体乐观,展望的是未来15年。”

他表示,自动驾驶能实现广大人民对美好生活的向往。自动驾驶的第一个思路是用效率换时间,做到定能耗,零事故。另外一种提升效率的方法是通过公共交通满足个性化。在未来会有公共车厢,能解决效率问题。另外,未来有了车与车、车与路的通信,不需要红绿灯就能极大提升效率。

图:驭势科技CEO吴甘沙

“零事故、零等待,将道路和停车空间减少三分之一,出行和物流成本降到三分之一。这是我们的愿景。”他总结到。

在提问环节,大家也提出了各种各样的问题。

当谈论到目前生活中哪里能用AI去改变,黄畅表示,他最不满意的就是出行,因为上班地点离住的地方太远了,所以希望运用技术进行改变。

吴甘沙说道,“目前大家看病,经常是早上四五点去排队,排几个小时,医生五分钟看完。希望在这件事上,人工智能也能扮演重要角色。”

对于如何看待机器人会犯错,黄畅直述他的观点,机器在未来肯定会比人做得好,人要足够包容。“机器不是神,不可能不犯错。”

目前无人驾驶还是一个跟政府密切相关的行业,对于如何做好与政府的关系,吴甘沙对大家说道,“一是不给政府惹事,二是不跟存量的利益进行博弈,找增量,三是希望得到政府支持,多做一些有利于无人驾驶的基础设施,加速无人驾驶的落地和商业化。”

主持人俞凯最后总结,虽然今天的主题是十年之后的智能机器人,但大家畅想不止是十年,甚至是二三十年之后人类社会基于AI智能机器人推动下,会有什么改变。“希望这些畅想是新的起点,真正能将技术和社会道德伦理研究结合,推动社会的整体发展,推动所有人类享受美好的生活。”

以上就是上午六位特邀嘉宾带来的两场论坛概览。

在下午,将会有8场技术论坛,涉及到的领域有无人驾驶、多媒体计算、智慧物流、多媒体计算、FPGA、大数据、计算机人才培养等。

大会更多详情,请关注CNCC 2017

雷锋网 AI科技评论

雷锋网

丘成桐演讲全文:工程上取得很大发展,但理论基础仍非常薄弱,人工智能需要一个可被证明的理论作为基础 | CNCC 2017

雷锋网AI科技评论消息,2017年10月26日上午,第十四届中国计算机大会(CNCC 2017)正式在福州海峡国际会展中心开幕,雷锋网作为独家战略合作媒体,对大会进行了全程报道。

在大会第一天,菲尔兹奖获得者、哈佛大学终身教授丘成桐在会上作为特邀嘉宾做了首个演讲报告,报告主题为《现代几何学在计算机科学中的应用》。

报告中丘成桐先生首先介绍了现代几何的发展历史,随后介绍了他与他的学生及朋友在计算机与几何交叉方面的一些研究。对于人工智能,丘成桐先生认为现代以神经网络为代表的统计方法及机器学习在工程实践中取得了很大的成功,但其理论基础非常薄弱,是一个黑箱算法;人工智能需要一个可以被证明的理论作为基础。

下面为雷锋网AI科技评论根据丘成桐先生演讲内容整理,内容在不改变原意的情况下稍有修改。


胡事民(大会程序主席,清华大学教授):

大家都知道,计算机科学离不开数学,早期的计算机都是数学家帮我们奠定了基础。今天的第一个报告,我们非常荣幸地邀请到了著名的数学家、数学界最高奖菲尔兹奖获得者、哈佛大学教授丘成桐。丘老师不仅是伟大的数学家,他也在计算机方面做了很多工作。他开创了计算共形几何,广泛地应用在图形学、视觉传感器等方面。最近丘先生还在Nature上发表了一篇文章,研究社交网络。下面我们有请丘先生。


丘成桐演讲全文:

今天很荣幸地收到你们的邀请来做一个演讲。我本人在数学上的贡献不在计算机数学,最近这十多年来,由于我的学生顾险峰以及其他朋友的缘故,他们叫我帮忙做些跟计算机有关的学问。我发觉,纯数学,尤其是几何学在计算机方面有很大的应用。所以我今天就滥竽充数,讲讲几何跟计算机数学的关系。

一、现代几何的历史

首先,前面几分钟讲讲几何学历史。几何学一开始,就类似今天的人工智能,有很多工程上的应用以及产生的很多定理。不过随后欧几里得将当时主要的平面定理组合以后发现这些定理都可以由5个公理推出来。这是人类历史上很重要的一个里程碑,在很繁复的现象里,他找到了很简单但却很基本的五个公理,从而能将原来的这些公理全部推出来。我是很鼓励我们做人工智能的也能重复这个做法——从现在复杂多样的网络中找到它最简单的公理。

由于希腊人的工具不够,所以除了二次方程定义的图形(圆形、直线、椭圆等)以外,他们没有能力处理更一般的图形。一直到阿基米德,才开始做微积分的无限算法(积分体积),同时他们也开始做射影几何的算法。

微积分的出现使几何学进入了新纪元,微分几何也因此诞生。几何学在欧拉和高斯手上突飞猛进,变分方法和组合方法被大量地引入到几何学当中。

现代几何(近两百年的几何)主要发源于黎曼在1854年的博士论文,这篇论文奠定了整个现代几何的基础,他把几何图像看成一个抽象但是能够自足的空间。这个空间后来成为了现代物理的基础,现在物理中研究引力波等都是从黎曼这里开始的,没有黎曼这个空间,爱因斯坦不可能研究出来广义相对论。同时假如我们细看黎曼的这篇论文的话,就会发现,黎曼还认为离散空间也是一个很重要的空间。这个离散的空间包括了我们现在研究的图论,也用来研究宇宙万物可能产生的一切。所以即使是150年以后的今天,我们依然能看到黎曼的这个观点很重要。

二、对称的概念

几何学能够提供很多重要的想法,可以讲其影响是无所不在的。几何学的很多概念在高能物理和一般的物理学领域都产生重要的影响。其中一个重要的概念叫做“对称”。“对称”的概念是在1820年到1890年间由几个重要的数学家发展出来的。我们中国喜欢讲的阴阳,其实就是一个属于对称。在数学上有一个叫庞加莱对偶的概念,其实就是阴阳,但这个概念要比阴阳具体得多,同时也真正用在了数学的发展上。

19世纪,Sophis Lee发展的李群,也是物理学界最重要的工具之一,在现代物理中几乎没有一个学科可以离开李群的。

在几何学上,1870年的时候,伟大的数学家克莱因发表了《埃尔朗根纲领》,在这个纲领里克莱因提出用对称来统治几何的重要原理,随后产生了很多重要的几何学,包括仿射几何、保角几何和投影几何等。

这些几何对于图像处理都有密切的关系。我以及我的学生和朋友这十多年来就是用保角几何及种种几何来处理不同的图像。即使是当年看上去不重要的几何,现在实际上都有它重要的用处。这种种的计算都是从对称这个概念发展出来的。从大范围对称到小范围对称,这些在20世纪的基础研究中都有很成功的影响。

三、平行移动

另外一个很重要的概念,我想是很多做工程的人都没有注意到的,就是平行移动的概念。这个概念影响了整个数学界两千年。平行移动的概念其实就是一点和另外一点要有一个很好的比较的方法;计算机也好,图形学也好,在某一点上看到的事情要和其他点进行比较,比较的方法就叫平行移动。这也是一个很广泛、很重要的概念。现在在计算数学里面还没有大量的引进,但是在物理学界已经被大量地使用上了。所以我期望这些基本的概念以后能在计算机里面大量地使用。

四、几何学与计算机相互之间的影响

现在我们具体来讲一些的事情。现代几何为计算数学奠定了很多理论的基础,并且指导了计算机科学未来发展的方向。现代几何广泛应用到计算机的所有分支。举例来讲,计算机图形学、计算机视觉、计算机辅助几何设计、计算机网络等等都有广泛的应用。再例如,黎曼几何可以用来理解社交网络;现代几何理论也可以用来理解人工智能的特性。要记住,我们讲的几何并不是高中时代的几何,所有与图像或者网络有关的都是几何的一部分。

从另一方面来看,计算机学科的发展为现代几何提供了需求和挑战,也推动了跨学科的发展方向。例如:

  • 人工智能中的机械定理证明推动了计算代数的发展;

  • 数据安全、比特币、区块链的发展推动了代数数论、椭圆曲线和模形式的发展;

  • 社交网络、大数据的发展催生了持续同调理论(persistent homology)的发展;

  • 动漫、游戏的发展推动了计算共性几何学科的诞生和发展;

  • 机器学习的发展推动了最优传输理论的发展等等。

五、计算机&几何学研究案例

我们下面举几个具体的例子,分别是图论、计算机图形学、计算机视觉、人工智能、深度学习等。这几个和几何都有密切的联系。

1、图论

我们先讲讲图论。图,就是一大堆顶点、一大堆边把它们连起来,这是最简单不过的事情。对于一个图,譬如交通图,我们要找出它们有着怎么样一个结构,什么地方比较拥挤。有时候我们也要研究怎么将这个图切成小部分,然后分解成简单的子图;如何衡量各个连通分支间的连接度;如何将图染色等。这些问题实际上都跟图上的特征函数有密切的关系。

图上的特征函数跟光滑图形上的特征函数有很类似的地方。我在40年前跟几个朋友,郑绍远、李伟光,做了一个工作,将光滑黎曼流形的特征函数推广到图上,得到了很好的结果。这些结果可以用来决定图上的连结的生成,研究图上的边创造过程,尤其是有个量的估值来控制在图上发散的过程。约束发散的过程可以应用到许多实际的过程中。我们还研究了图上的薛定谔方程,定义了图上的量子隧道概念。这些概念都是从物理上来的,被借用到图上。

假如我们在考虑有向图,就是每个点、每个边,给它一个方向,我们就可以将拓扑学整个引用到图上去,定义了图上的同调群。同调群可以用来研究图上密切的关系和它的内容。

现在我们来讲讲我们做的关于博弈理论的一个事情。进化图论为表达种群结构提供了数学工具:顶点代表个体,边代表个体的交互作用。图可以用来代表各种具有空间结构的群,例如细菌、动植物、组织结构、多细胞器官和社交网络。在进化过程中,每个个体依据自身的适应程度,进行繁殖病侵占到邻近顶点。图的拓扑反映了基因的演化——变异和选择的平衡。类似的,互联网是一个大网,一个非常复杂的网络,我可以在上面研究它的变化。社交行为的进化可以用进化博弈论来研究。个体和邻居博弈,根据收益而繁殖。个体繁殖速率受到自身与其他个体的交互作用影响,从而产生博弈的动态演化。其中心的问题就在于对于给定的图如何决定哪种策略会取得成功。

我们在今年年初的时候在nature上发了篇文章,我们得到一个结果,就是在任何给定的图上进行弱选择,自然选择从两种彼此竞争的策略中如何进行挑选,这个理论框架适用于人类决策,也适用于任何集群组织的生态演化。

我们从弱选择极限得到的结果,解释了何种组织结构导致何种行为。我们发现,如果存在成对的强纽带结构,合作就会大规模出现。我们用数学证明了社会学方面的一个结论:稳定的伙伴或者伴侣,对于形成合作型的社会起到了骨干作用。

 2、计算机图形学:全局参数化 – 共形几何

下面我要讲的是“计算机图形学:全局参数化 – 共形几何”。这是我们发展了二十多年的一个学问。我和顾险峰从他还在哈佛念博士的时候(1999年)我们就开始做这个事情。

当我们将图形整体光滑映射到参数区域,使几何变得很小,会破坏掉整个图形;一般来讲这个要用手工来做,否则的话它变化非常大。针对这个问题,我们使用了纹理贴图、法向量贴图等等的方法。共性几何是一个很重要的从很古典的黎曼几何中产生的几何。

举例来讲,这个大卫的雕像,我们将它保角地映射到平面上去。它表面上看好像变化很大,但实际上变化不大,因为它是保角不变的。这在图像处理中是一个很重要的事情。举个例子来讲,从图上要画格点,因为我们画到平面上去以后,我们就可以将平面上画的很好的格点映射到脸上,就可以变成很漂亮的四方形的格点。这对工程处理有很多好处,其好处就是它将图上很小的圆映射到对方图上还是一个很小的圆,不会有扭曲,不会有太大的变化。

前面这些应用到一个数学上很重的定理,叫做庞加莱单值化定理,这是一个从黎曼时候开始的定理。就是讲映射的图形只跟它的拓扑性有关,这上面有三种几何,分别为:球面几何、欧氏几何、双曲几何。所有二维的几何,不管是什么样子的,我们都可以用这三种几何来分类。因此我们就可以将很复杂的事情很简单地描述出来。

上面这些我们得出了很好的结果。但是保角也有它的缺点,所以我们也发展了第二类映射,我们使得面元被保持,而角度不一定被保持。保角映射有时候可能将一个面拉的很远,左手边是保角映射,右手边是保面元映射。右面的图在不同的情形下会得出很好的结果。

3、计算机视觉,表情追踪 – 拟共映射

共性映射也可以应用到表情识别和追踪当中。我们可以自动地找到球面上曲面间的光滑映射,使得特征点匹配,使映射带来的变化很小。这是我们得到的一个很重要的结果。

因此,我们可以用来追踪表情,表情捕捉。一个人他在笑、在哭、在种种不同的表现的时候,我们能够得到他的重要的面部特征,主要的方法就是我们将它映射到平面上,然后用共形映射或拟共形映射来研究它。这些都是很重要的数学工具,在计算上也有很重要的应用。

拟共形映射到目前来讲,纯数学家把它看得还是非常重要的,它不是一个正则方程,而是一个伪正则方程,也即Beltrami方程。这个方程在我们研究图像变形时在数学上是非常重要的,所以我们应用到图形处理里面去也得到很重要的结果。我们可在微分同胚的空间进行变化到最优的映射。它对医疗和动漫都有很重要的应用。

4、计算力学 – 六面体网格生成,叶状结构理论

我们也可以用同样的变化(保角映射)来产生六面体网格的生成和叶状结构理论。

这是在一只兔子上找到的好的网格。但是这个网格会产生一些奇异点(拓扑学的缘故)。针对这些奇异点,我们就做了一些研究,得出了很好的结论。

再比如,我们看这个曲面,在这个曲面上我们画出一些叶状的结构,可是它也有一定的奇异点。我们将这些奇异点分类,得出了一些在计算机科学上有意义的结论。

此外,全纯二次微分的网络中间有个六边形的变化。

5、数字几何处理-几何压缩:蒙日-安培理论,几何逼近理论

下面我们来看计算机的几何压缩中的蒙日-安培理论以及几何逼近理论。如何压缩复杂几何数据,同时保证几误差最小,保证黎曼度量、曲率测度、微分算子的收敛性,这些都是很重要的问题。我们用了很多共形映射的方法将曲面映射到平面去;再用蒙日-安培方程,将高曲率区域放大;随后重采样,在共性参数域上计算Delaunay三角剖分。这样得到的简化多面体网格就能够保证黎曼度量、曲率测度、微分算子收敛。

6、区块链:数字安全,椭圆曲线理论

这方面很多人都知道,这部分我就跳过去不再讲了。

7、人工智能

目前机器学习算法需要大量的样本。虽然现在比从前进步得多了,但规模还是很庞大。所以我们的想法是,让理论来帮忙处理这种复杂的数据学习。

在机器学习中有很多统计的内容,但是很多内容我们都不是很了解它是如何产生的。所以我们需要用一些比较严格的数学的理论来从这些复杂的现象中抽取出它们的本质。我们今天介绍一下用几何的方法来研究对抗生成网络(GAN)的事情。

生成对抗网络GAN(Generative Adversarial Networks)其实就是以己之矛克己之盾,在矛盾中发展,使得矛更加锋利,盾更加强韧。这里的盾就被称为判别器(Descriminator),矛被称为生成器(Generator)。生成器G一般是将一个随机变量(例如高斯分布或者均匀分布),通过参数化的概率生成模型(通常是用一个深度神经网进行参数化),进行概率分布的逆变换采样,从而得到一个生成的概率分布。判别器D也通常采用深度卷积神经网络。

举个例子来讲,有个概率分布u,u是基本的白噪音,影射到右手边的图片,一个概率分布v。我们从映射里看到GAN的问题其实就是:在两个概率分布u和v之间,找到一个最优的传输映射,从一个空间到另外一个空间,使它的概率分布是保持的。

u通过phi映射到v上去,同时我们要将它传输的代价变得最小。这样的变化是我们所需要的,因为这就不再需要像刚才所说的矛盾变化来达到最好的结果。我们知道,映射可以用一个方程来解决,所以我们其实就是要找一个凸函数U,它的梯度是我们的映射函数phi,它满足一个方程:蒙日-安培方程。

我们可以通过对这个方程进行求解的方式来找到最优传输映射,所以就节省很多生成对抗的时间。蒙日-安培方程本身其实是等价于微分几何中的亚历山大定理的。60年代就有人处理过这个方程,我自己也做过这个方程,前几年顾险峰跟他的学生也和我一起对它做了一个计算。

对抗生成网络实质上就是用深度神经网络来计算概率测度之间的变换。虽然规模宏大,但是数学本质并不复杂。应用相对成熟的最优传输理论和蒙日-安培理论,我们可以为机器学习的黑箱给出透明的几何解释,这有助于设计出更为高效和可靠的计算方法。

六、总结

我们看到现代数学和计算机科学的发展紧密相关,共形几何的单值化定理、蒙日-安培理论、最优传输理论等现代几何中的定理应用到计算机科学中的很多领域。我希望我们能够将更多那些表面上看来很高深的数学应用到我们日常的计算机上去,不但是能够有效地提出计算机的算法,同时也能够给它一个理论的基础。人工智能需要一个坚实的理论基础,否则它的发展会有很大困难。

更多CNCC 2017精彩资讯,敬请关注雷锋网AI科技评论。

雷锋网

梅宏院士:软件定义的未来——万物皆可互联,一切均可编程 | CNCC 2017

雷锋网AI科技评论消息:10月26日上午8:30,由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的2017中国计算机大会(CNCC 2017)在福州海峡国际会展中心如期隆重召开。大会持续三天两夜,包括14个特邀报告、2场主题论坛、80余场前沿技术论坛及活动。雷锋网作为CNCC 2017独家战略合作媒体,到现场进行了全程跟踪报道,近期将会陆续放出特邀嘉宾的精彩报告,敬请关注!

大会第一环节是特邀报告,中科院院士,北京理工大学副校长梅宏教授作为大会开幕式后的第二位出场嘉宾带来了题目为《软件定义一切——机遇和挑战》的现场报告。

梅宏,中国科学院院士,发展中国家科学院院士,中国计算机学会会士,IEEE Fellow。曾任北京大学信息科学技术学院院长,上海交通大学副校长,现任北京理工大学副校长,北京大学高可信软件技术教育部重点实验室主任。主要从事软件工程和系统软件领域的研究,在构件化软件中间件、开发方法学和工具环境等方面取得了系列成果。

梅宏教授的主题报告是《软件定义一切:挑战和机遇》。主要内容分为三部分,无处不在的软件,软件定义的时代,新时代的机遇和挑战。

他从软件从业者的视角,将计算机软件发展历程分为三个阶段,并分别总结概括了各个阶段的大体体征以及应用领域。第一个阶段是1946—1975年,软硬一体化阶段;第二个阶段是1975年以后,软件的产品化、产业化阶段;第三个阶段是1995年以后,软件的网络化、服务化阶段。

结合当下的人工智能热潮,梅宏教授认为我们正在进入一个软件定义的时代。软件定义的技术本质是把原先一体化的硬件设施打破,将基础硬件虚拟化并提供标准化的基本功能,然后通过管控软件,控制其基本功能,提供更开放、灵活、智能的管控服务。

他认为软件技术是新一轮制造业革命的核心竞争力之一。智能制造业需要实现“硬件”、知识和工艺流程的软件化,进而实现软件的平台化,本质上即“软件定义”。

报告中除了回顾了软件技术的发展,梅宏教授还从操作系统的视角来理解软件定义的本质和内涵:硬件资源虚拟化、管理功能可编程。最后,梅宏教授也展望了软件定义的未来,他认为在人-机-物融合计算的场景下,万物皆可互联、一切均可编程、进而分析了软件定义的带来的机遇和挑战。

软件定义一切,人-机-物互联就是软件人的机遇。软件定义的挑战是什么?梅宏教授认为是体系结构设计决策,系统安全,系统质量以及如何更轻量的虚拟化,还有怎样打造高度自适应的软件平台。具体内容请看雷锋网整理编辑的梅宏院士会场实录。

以下是梅宏教授的会场实录,雷锋网在不改动原意的前提下,做了调整和编辑。

感谢大会给的这个机会!近几年中,我在不同的场合也做了很多不同的报告,但是这几年都是被动地被拉去讲大数据,后来想想,差点把自己的主业忘了。现在软件很重要,我们每天的生活都离不开软件,可能大多数人每天早上起床的第一件事儿就是打开某个APP。所以我今年给自己订了一个小目标,但凡有机会做报告,我就只讲软件,也是为本行业的人呼吁一下,所以我今天讲的题目很大,软件定义一切。

无处不在的软件

“软件定义一切”并不是我说的,我要是这么说可能把咱们今天在座的很多同行都给得罪了。我是想借这个题目讲一讲软件的三个阶段。第一个题目我想大家都认可,软件已经无处不在,第二个题目是软件定义的时代。我们正在进入一个新的时代,刚刚过去的十九大讲是中华民族复兴的时代,我是从信息技术对人类社会的改造这个角度来谈这个新时代,不同的人从不同的角度也给了这个时代不同的赋名。从基础设施视角来看,这是一个互联网+时代;从计算模式视角来看,这是一个云计算时代;从信息资源视角来看,这是一个大数据时代;从信息应用视角来看,这是智能化时代。我想说在这些里面有一项很重要的技术,那就是软件。某种意义上来说,我们这个时代就是一个软件定义的时代。

软件产业呈持续增长态势。从国内来看,国家工信部公布的2012年到2016年的五年数据中,软件和信息技术服务业始终保持高增长,在电子信息行业的比重也在不断上升。2008年金融危机开始以后,很多行业都在下滑,而信息技术行业还在保持增长,而软件行业的增长又是远远高于信息技术其他的比重。从国际上来看,全球有19个国家软件支出占国内生产总值的比重超过0.5%,其中美国已经超过1%。这个产业规模一直在保持增长。第二个软件从业的人数,2014年全球ICT技术工人约为2900万人,其中专业软件开发人员约1100万人。国家工信部给出的近五年数据中,软件从业人数也在逐年增长,2016年达到576万人。但如果换一个视角,从开源社区来看,比如程序员经常去的一个软件问答网站stack overflow,注册3200万人,其中超过2500万人是多次访问。再比如CSDN,注册用户达2500万,活跃用户超过800万。它们普遍都要比工信部公布的数据高,这说明和软件相关的从业人数有很多。

回顾过去计算机软件发展,我认为大概可以分为三个阶段。第一个是1946到1975中期,是软硬一体化阶段。第二个是1975年以后,软件产品化、产业化阶段;第三个是1995年以后,软件的网络化、服务化阶段。

我想讲一讲这三个阶段的大体特征。在软硬一体化阶段,也就是计算机刚出现的时候,是没有软件的,都是以程序实现的,大体上展现方式的是机器语言,汇编语言。早期应用领域以破解密码,军事领域的计算为主。60年代初期,开始出现“软件”一词,融合程序和文档为一体,作为独立的形态从硬件分离出来,以IBM 360系列机为代表(尽管还是和硬件捆版一起销售),也逐渐形成了计算机学科和程序员行业。它的展性形式是高级程序语言+文档,应用领域主要是商业计算和其他科学计算领域。软件产品化、产业化阶段,以Microsoft和Oracle的出现,标志着软件开始成为一个独立产业。PC的广泛应用和软件产品化催生了人类历史上信息化的第一波浪潮,其主要特征即以单机应用为特征的数字化阶段。紧接着就出现了办公软件,彻底改变了人类传统的办公行为,微软office迄今依然是微软标志性产品之一。九十年代中期开始 ,软件进入网络化,服务化阶段。互联网推动了软件从单机向网络计算环境的延伸,带来了信息化的第二波浪潮 ,其基本特征是以联网应用为特征的网络化阶段。 

做软件的人总是希望把互联网作为平台,来研究软件。软件的形式也因互联网发生变化,形态从传统的拷贝行为变为软件服务,等到后期移动互联网的产生,促成APP的诞生,整个软件模式都发生了变化。应用领域已经渗透到社会经济生活中的方方面面。

互联网环境下软件呈现新特性和新特征

我们中国学者自己定义一个词:网构软件。指的就是面向互联网计算的软件新范型。这些新范型是什么,总结有几个性质,实体的自主性,实体对环境的情景感知,实体之间的自主协同,实体的在线演化,以及可信性需求。简单来说,软件呈现网络化体系结构,基于网络进行开发,通过网络交付分发并提供服务,这就是软件的服务化。软件和硬件相比,同样都作为功能性产品,但软件这种工具和互联网结合就能够实现一种真正的服务化。紧接着移动互联网的产生,又产生了一种新的模式,这就是APP。苹果商店拥有300万+个APP,累计下载量超过1500亿次。这个时候创造了一种新的模式,客户端要和服务器端合起来完成一件任务,他也是一种拷贝,不过是一种新的拷贝方式。互联网深刻改变了人类社会和生活模式,而互联网的核心价值是连接,软件是实现互联网核心价值的重要使能技术。硬件连接虽然很重要,但最终的灵活连接还要靠软件。

最终我引用两位名人的话,NetScape创始人Marc Andreessen说:Software eats the world! 软件吞噬世界。另一位是C++语言发明人,Bjarne Stroustrup说:人类文明运行在软件之上。

软件定义的时代

第二部分我讲的是软件定义的时代。互联网及其延伸,正在导向我们走在一个新的模式,人-机-物的融合。信息技术的网络化、泛在化、智能化趋势蕴含了人-机-物和谐发展的愿景。当前,正在兴起信息化的第三波浪潮,即以数据的深度挖掘与融合应用为特征的智慧化阶段。这个阶段我命名为智能化阶段,在这个新的环境下,人机物融合环境下的信息基础设施是海量的资源。第二来看他的应用,人机物融合环境下的新型应用:需求形态多样。面对海量资源和应用需求形态多样的这两个特征,人机物融合需要新的平台环境,如何凝练应用共性,如何有效管理资源这是这个平台的基本要求。在这样的平台之下,由于应用需求变化频繁和应用场景动态多变,这个平台能否实现按需灵活定制?

什么是软件定义?

软件定义的真正落地,还是在云计算平台里面的应用。2011年前后,OpenFlow被用于云计算平台中进行网络管理,并被广泛接受。在15年的时候,Gartner战略报告首次出现SDN(软件定义),SDN重新“定义”了传统的网络架构甚至通信产业。

软件定义网络的技术原理是通过一组API对网络设备进行任意的编程从而实现新型的网络协议、拓扑架构而不需改动网络设备本身。

计算机的操作系统是什么,是管理硬件资源、控制程序运行、改善人机界面和为应用软件提供支持的一种系统软件,即向上提供公共服务,向下管理资源。如果从操作系统视角来看软件定义,操作系统是软件定义的“计算机”,从软件研究者的视角,操作系统体现了“软件定义”之集大成。

在我的理解看来,软件定义的技术本质就是把过去的一体化硬件设施打破,基础硬件及其虚拟化提供标准化的基本功能,然后通过管控软件控制基本功能,提供更开放、灵活、智能的管控服务。

软件定义的技术本质:硬件资源虚拟化,管理功能可编程。硬件资源抽象为虚拟资源,然后用系统软件对虚拟资源管理和调度。就是在硬件资源虚拟化的基础上,用户可编写应用程序,满足访问资源的多样性的需求。大家现在可以看到软件定义出现了各种各样的延伸,软件定义的存储,软件定义的计算,软件定义的环境,软件定义的数据中心等等。但所有架构都跳不出操作系统的三层架构,就是说软件平台的三层架构,这些SDX均符合“硬件资源虚拟化”与“管理任务可编程”的技术原理。

这就是我对软件定义的理解。

软件定义带来的机遇和挑战是什么?

我们可以看到的机遇就是软件定义一切。定义一切,人-机-物互联是我们追求的目标。我们是不是最终能做到万物皆可互联,一切均可编程呢?这就是软件定义给未来世界达成的目标,也就是我们的机遇所在。我们看到软件定义的本身进一步泛化和延伸,我们要软件定义我们的物理世界,再进入我们的城市、我们的行业、我们的校园,从单一的资源管控到人、机、物融合环境下对各种资源全方位的互联互通。这是我们今后努力的方向。

人工智能是当今的热潮,但我个人的观点还是认为处于数据驱动的算法智能阶段,软件平台如何提供“通用”的智能应用支撑,并允许按需深度定制?是否会出现面对AI的操作系统?我想这个也是可以通过平台的方式去实现。软件技术在新一轮革命技术中毫无疑问是核心竞争力之一,新一轮制造革命需要实现“硬件”、知识和工艺流程的软件化,进而实现软件的平台化,本质上即“软件定义”。随着人、机、物的融合,软件定义的挑战可以分为这几个方面:体系结构设计决策,系统质量,系统安全,更轻量的虚拟化,从原有系统到软件定义系统平滑过渡,高度自适应智能软件平台。

体系结构设计决策,包括比如如何确定受管元素的合理“粒度”和“层次”?如何界定软、硬件的功能划分并组装、配置相应元素?等。

系统的质量,需要解决的问题有如何合理平衡管理灵活性和“虚拟化”后的性能损耗(与直接访问原系统相比)?如何降低“软件实现”的复杂性和故障率,有效定位故障以保障可靠性?等等。

系统安全,对硬件资源管理可编程带来开放性、灵活性的同时,也可能会带来更多的安全隐患。对于工业控制等安全攸关领域来说,可能会带来难以难以估量的损失。

更轻量的虚拟化。大量的新设备产生,虚拟化实现了对硬件资源的软化,是软件定义的基础技术,现有以虚拟机为单位的技术过于重载,难以满足性能和实时性要求。

原有系统到软件定义系统平滑过渡。如何将原有系统平滑过渡到软件定义系统?通过对已有的资源进行大幅度的改造,我们需要安装新的硬件,需要做新的软件管理系统,以及面临的人力,时间,经济,风控等因素。这个平滑过渡也需要合理的方案,否则很难做成这样的事情。

高度自适应软件平台。从软件人追求的目标来看,我们想追求一种更为高度自适应的智能软件平台。现在平台方式是以硬件资源为中心的,如果基础设施层发生变化,软件平台就要发生改变,改完之后,上面的应用也可能发生改变。我们追求的理想方式是,软件平台具有预测和管理未来硬件资源变化的能力。

谢谢大家!预祝大会圆满成功!

雷锋网

第十四届中国计算机大会进入第二天,精彩继续 | CNCC 2017

雷锋网AI科技评论消息,10月27日上午8:30,第十四届中国计算机大会(CNCC 2017)正式迈入第二天的日程。雷锋网作为CNCC 2017 独家战略合作媒体,大会期间将会在现场全程跟踪报道。会议最新动态请关注雷锋网(ID:leiphone-sz)以及AI科技评论(ID:aitechtalk)微信公众号。

本次大会主题是“人工智能改变世界(AI Changes the World)”,共邀请近十位院士、300余位国内外计算机领域知名专家、著名国际国内IT企业家到会演讲。会议包括14个特邀报告、2场大会论坛、40余场前沿技术论坛及30余场特色活动,同期举办科技成果展,汇聚80余家企业参展。大会已成功举办13届,此次参会规模也是迄今为止最大,人数最多的一次,共计有近700家企事业单位,超过6000名专业人士参会参展。

特邀报告环节

27日上午共进行了八场特邀报告。

特邀嘉宾:Dinesh Manocha教授

报告主题:Motion Planning Technologies for Human-Robot Interaction

Dinesh教授首先介绍了机器人在制造、装配、仓库自动化和服务行业得到的越来越广泛的应用,随后认为目前的机器人在处理新环境或与人类合作等方面的能力还很有限。

报告中,Dinesh介绍了在开发机器人运动和任务规划能力方面的一些挑战,包括实时规划算法。随后他介绍了他们提出的实时运动规划的的新技术以及如何将他们与视觉算法结合起来进行人类行为预测以及自然语言处理。由此产生的方法结合了人工智能规划、拓扑、优化、计算机视觉、机器学习、自然语言处理和并行计算等研究的思想。随后他展示了他们研究的许多应用,包括自主采摘、避免障碍等。

特邀嘉宾:陈熙霖

报告主题:从物体识别到场景理解

首先陈熙霖教授介绍了视觉在动物生活中的重要作用,随后简短地介绍了计算机视觉的历史。随着深度学习的引入,计算机视觉得到了很大的发展。但仍然喜忧参半,喜的是计算机视觉逐渐走向工业应用,而忧的是高精度背后的稳定性还存在风险、结论的可解释性与推广性还有待提高、和人类似的感知的一致性还有待研究。陈熙霖教授认为计算机视觉仍然很低能,因为它们没有被赋予给知识。随后陈老师通过一系列的例子给我们分享了几个计算机视觉研究的观点:1、计算机视觉在识别之后应当是理解,应当超越视力,达到视觉与视觉智能;2、计算机视觉的研究要超越桌面视觉,将它与机器人、语言等结合起来;3、计算机视觉应当研究如何自动感受并建立元视觉概念集;4、计算机视觉的研究应当从任务驱动走向事件/数据驱动。

特邀嘉宾:王涌天

报告主题:“无屏”呈现——人机融合的新纪元

王涌天教授认为人类发展的历史是人类与信息逐渐融合的历史,人与信息世界的融合历程大致经历了三代演绎,分别为电影屏幕、电视屏幕和移动屏幕。随着现在虚拟现实和增强现实的发展,我们将会有第四块无屏之屏幕:VR/AR屏。这种无屏将会带来人机融合的真正改变,实现人与信息的全天候深度融合。但是如果没有对信息的过滤,那么人类将淹没在大量的信息中,因此无屏必须与人工智能融合在一起发展。

当然现在无屏还有很多技术的痛点,王涌天教授认为真正的自然显示与交互应该让使用者忘却科技产品的存在,以更为亲和的方式实现信息融合,使得设备可以被用户“无视”。所以这个无屏之屏要做到显示透明化、交互自然话、穿戴无扰化等。王涌天教授随后详细介绍了他们实验室在这三个方面的工作。其研究现在已经应用到了圆明园现场重建、医学上的手术导航系统、宇航员心理舒缓系统、增强现实辅助维修系统以及一些面向大众的一些应用等上面。


最后王涌天分享了他们实验室的一句口号及图片:移动增强现实使人类第二次站立起来。

特邀嘉宾:章文嵩

报告主题:滴滴共享出行与智慧交通

据章文嵩介绍,在交通领域存在着资源有限、供需不平衡等问题,通过共享出行的方式,滴滴重构了出行的供需平衡问题。经过5年的高速发展,滴滴在交通领域的积累了大量的数据和技术。报告中介绍,滴滴峰值订单量超高2500多万/小时,每日定位轨迹数据超过70TB,每日处理数据超过4500TB;在人工智能、云计算、信息安全等方面滴滴也有大量的研究,例如智能派单、高稳定性、数据保护等。

除了这些,滴滴也逐渐在考虑交通的环境,例如路况规划等。滴滴的价值在于拥有大量且详细的交通数据,技术较为完备,并且能够提供一个平台。例如他们提供的交通大数据平台,能够为交通管理部门、政策制定部门、城市建设部门、客运物流公司等提供服务。此外他们还能够提供交通路况、智慧信号灯、OD数据分析、运力调度、供需预测等服务。

滴滴目前正大力促进一站式出行的方案,从而优化出行结构。最后章文嵩介绍了滴滴在智慧交通方面的一些解决方案,例如滴禹一体化方案、交通运行报告(城市拥堵排名、运行分析、热门起终点分析)、实时城市拥堵排名、城市运行指数、异常拥堵、代驾热力图、智慧诱导屏(国内已经安装70多块)、智慧信号灯、潮汐车道、实时公交&换乘、一站式出行服务等。

特邀嘉宾:丛京生

报告主题:Computing Near the End of Moore's Law

丛京生教授认为我们现在已经接近摩尔定律的末尾,已经不能在简单的依靠频率或者内核的缩小来大规模地提高计算机的性能。他认为未来的计算系统会将会使用定制的芯片,例如谷歌专门为做人工智能开发的TPU芯片。在报告中,丛教授首先简单回顾了他们在可定制芯片的研究,包括单片机、服务器节点、数据中心以及FPGAs(field-programmable gate-arrays)。随后丛教授介绍了他们的研究在几个领域的成功应用,例如机器学习和计算基因组学。最后他介绍了他们正在进行的定制计算启用自动化的工作,并重点介绍了算法和实施方面的挑战,以及他们对许多编译和运行时优化问题的解决方案。

特邀嘉宾:李志飞

报告主题:语音交互技术将如何重塑下一代消费电子

李志飞在报告中主要讲了智能音箱在整个行业中的趋势以及语音交互的一些标准。

他首先举例亚马逊的echo,认为他们之所以成功,是因为语音是他们与用户沟通的唯一方式。现在智能音箱也是如此。

在智能音箱的行业趋势方面,他介绍了几个主要的趋势。首先,智能音箱在美国正处于高速发展的前夜,而中国还要稍晚一步。消费电子大趋势就是智能化,包括耳机、电视、汽车等。其用户渗透的趋势就是,从北美到欧洲随后到中国。

李志飞介绍了出门问问的技术探索之路,在2012年他们开始积累AI技术,13年开始探索语音助手软件,14年开始软硬结合,进行场景探索,到17年则开始开发跨场景联动的虚拟个人助理。

随后李志飞讲解了实现语音交互的五个步骤:远场唤醒、语音识别、语义理解、垂直搜索、语音合成。他认为判断语音交互体验好坏的标准可以用五个字来概括,分别为:远(远场)、快(快速响应)、准(准确率高)、全(技能有多少)、深(多轮对话)。

特邀嘉宾:何源

报告主题:从瓦萨沉船到数字孪生——物联网的机遇和挑战

何源首先非常生动地介绍了瓦萨沉船的故事,瓦萨沉船成为瑞典王国由衰转盛的标志。从这个故事中何源副教授认为可以获取三个启示:设计制造流程无法响应不断改变的用户需求;设计方案和制造进展情况无法全面细致掌握;木已成舟前无法评估战舰的安全性和可用性。

数字孪生以数字化方式为物理对象创建的虚拟模型,来反应物理对象的全生命周期过程。通过在虚拟和现实世界的无缝链接,可以协同仿真与设计、监控制造执行过程、产品使用状态跟踪,同时数据驱动的服务。

随后何源介绍了国家电网特高压换流站无人值守检测和诊断系统。这个系统包括设备状态实时跟踪、故障分析与诊断、环境人员监控和远程协作。类似的我们能够发现很多类似应用场景,例如物联网。物联网进入了新的发展阶段。物联网与传统行业深度融合,呈现出应用需求多样化、网络终端异构化、运维空间同一化的显著特征,推动该领域研究向纵深发展。何源在报告中简单介绍了他们的近期的一些研究,包括无缘感知网络的并发传输、跨协议通信技术。最后何源介绍了未来的机遇和挑战,认为最卓越的技术恰恰是会消失的技术,未来的计算机将不仅融入到我们的生活,而且他们将深度地连结在一起,为我们创造更加智慧的未来。

特邀嘉宾:刘偲

报告主题:图像的像素级语义理解

刘偲首先通过自己一天中可能遇到的事情,生动地引入了深度学习的图像视频分析问题。近年来,基于深度学习的图像视频分析技术取得了巨大成功。相比于传统的物体分类识别技术,图像的像素级语义理解,又称语义分割,能提供更加丰富的像素级信息, 因而成为一个新的研究热点。

刘偲在报告中介绍了他们小组在语义分割领域的三个方向的研究,分别为场景解析、人体解析、人脸解析。

场景解析氛围室内场景和室外场景。他们在室内场景提出了一个魔幻墙的系统,能够自动的换壁纸的效果;室外场景中她介绍了一个去雾霾的效果。

人体解析的重要性在于能够帮助进行视频监控,他们针对这个问题设计了一个时序上下文的视频解析算法,包括三个模块,分别为单帧图片解析、帧间光流估计、时序上下文融合。

针对人脸解析,他们设计了一套自适应调节视野域的人脸解析模型。其应用包括智能美妆、妆容迁移、人脸老化。

虽然基于深度学习的语义分割取得了很大的进展,但是未来依然有很大的提升空间。刘偲认为以后的方向集中在几个方面:深度模型小型化、信息源多模态化、数据标注的低成本化。


以上为八位特邀嘉宾演讲报告概览,上午同期还举办了CCF CCSP颁奖会。大会下午则有14场技术论坛、10场活动;在晚间,除了两场活动外,还有令人激动的CNCC颁奖晚宴。雷锋网作为独家战略合作媒体,后续将为读者带来更多议程的详细报道。

雷锋网

微软全球执行副总裁沈向洋博士:理解自然语言:表述,对话,意境(附PPT和专访) | CNCC 2017

雷锋网 AI科技评论按,由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的2017中国计算机大会(CNCC2017)于今日(10.26)在福州·海峡国际会展中心正式开幕。今年大会的主题是“人工智能改变世界(AI Changes the World)”,在上午的特邀报告环节,美国国家工程院院士、微软全球执行副总裁、ACM/IEEE Fellow沈向洋博士带来了主题为《理解自然语言:表述,对话,意境》的分享。雷锋网作为独家战略合作媒体,在现场进行独家跟踪报导。

以下为他的分享内容:

非常高兴今天来到美丽的福州,感谢大家的邀请。我今天的主题是《理解自然语言:表述,对话,意境》,今天主要给大家讲的是人工智能中我个人觉得最重要的研究方向。

得益于大计算,大数据和精准模型,人工智能在近年来快速发展,特别是在深度学习方面。

另外还有感知和认知,感知中的视觉和语音进展飞速,而认知和语言、理解的发展速度有限。

我们感知研究的飞速发展,有两个方面,一是计算机视觉图像识别,二是计算机语音识别合成。

我们先来讲语音识别,微软目前在标准测试上的精度已经达到人类水平,最新的误差率到5.1%。大家都知道,就算是人类的误差率,也分普通人的误差还是专家的误差。我们今天做的这个效果非常好,误差率比专家的水平都要低。

下面是我们研究的152层残差神经网络,我们在训练神经网络的时候遇到了很多困难,比如到底要多少层才能做到最优的结果。    

深度学习在图象识别中的总体趋势是更深更准。下面有一个简单的介绍,可以看到,这几年随着模型的深度越来越深,误差也越来越低。

前面都是我的铺垫,接下来进入正题。我认为,在下一个十年里,人工智能的突破在自然语言的理解,我最近老讲的一句话就是“懂语言者懂天下”。

我们自己理解自然语言的三层层次是机器学习、机器智能、机器意识。第一层是怎么去表述,我们用机器学习就可以学到很多东西。第二层就到了机器智能领域,对话以及提问,这一步就比较困难了。第三点就是到了机器意识,意境,比如说为什么有的人讲的东西你觉得比较有深度,就是从这个角度来讲。实际上这三个层次的东西是可以转换的。我们小的时候写作文,第一步是记叙,第二步是论证,第三步就是当你文章开始写得有点水平了,我们就开始写诗歌,写散文。

我今天有机会从这三个方面和大家探讨。第一步就是已经做的相当不错的机器语言,我用两个微软的工作来介绍,第一个就是微软认知服务,第二个就是微软应用软件。

第一步我简单介绍一下什么是API,这里有一张图片,这张照片上面有关于这个人的表述,这个人的动作、表情等。

大家有兴趣也可以到微软的网页上看到更多介绍,我们还有很多其他视觉的服务。

我想跟大家解释一下这里面研究的问题是什么,其实就是图像的描述,以及它想解决什么样的问题。首先你要有一个语义空间,要把图像与文字联结起来。通过深度结构语义模型把图像和文字均表征成语义空间内的向量,在此空间中进行语义相似度计算。

就算我们有很好的想法,如果不去做系统,那么大家就看不到你的问题在哪里。我们有一个项目,里面会有很多用户提供问题,其中很好的一点就是用户会帮助你提供建议,以及发现系统的问题。比如在系统中的有些场景下,我们觉得不好,但是用户觉得好,或者我们觉得还行,但是用户觉得也不行,另外也有我们和用户都觉得不行的部分。

在做大数据的时候,大家要明白,一定要去分析数据。其好处就是不断迭代,接下来会越来越好。微软的图像描述服务系统已经根据收集到的用户数据进行了多次迭代。

图像描述目前在现实生活中也有应用,比如微软每天服务数百万微软办公软件用户,并应用Seeing AI软件服务盲人。我觉得从描述这件事情上,就可以有很多应用。

接下来我想讲的就是机器智能。第一就是对话即智能,从回答问题到提出问题,从一问一答到连续对话,之前是机器阅读理解,之后是问答对话生成。

在阅读文本及提问时,首先要深度理解语言,不仅要回答问题,还要能提出问题,阅读并找出关键点,围绕关键点生成问题。比如讲读了一段文字以后,对它的理解怎么体现出来,或者我读了这篇文章我可以自己提问,另外还可以回答。

我再简单解释一下,这里有一个记忆机制,并且需要端到端对话生成模型。要在回复生成的过程中提炼主要的观点,然后综合对话情感,用户画像以及记忆,一个对话往往会发生多次话题的转换,时间越长的对话,越有机会被自然地引导入期望的话题。


第三点就是我上面提到的,理解和表达意境。从机器描述到机器对话,到底智能体现在哪里?讲图片的时候,你可以理解和表达意境,可以有意识的脑补。图片评论就是从客观描述到主观评论,但再到天马行空的意境,就是只可意会,不可言传的境界。

到现在,人工智能的研究是通过人做一些东西,再加上环境,有这个的一个表征。通过你的输入,机器把这些输入进来的信息做成机器语言,再进行深度学习。今天绝大多数人工智能的科研都是停留在这一步,真正有意义的、对人类有贡献的,就是要对机器的结果进行反向推理。我们来看一下Image  Caption的进步,它的表述和评论都充满了人情味。

微软最近上线的一个比较激动人心的消息就是小冰写诗,下面就是讲生成诗歌的过程。生成单句诗:前向RNN模型+反向RNN模型;生成整句诗:基于递归神经网络的层级生成模型。

下面是小冰写诗的两个例子,这是由照片到诗歌的创作过程:

我再讲讲微软对话式人工智能产品的布局,第一个就是智能搜索,第二个是智能助理,第三个是智能客服,第四个是智能聊天。

我觉得每一次时代的变迁,都是在重新定义人类和世界的关系。

现在人类到世界之间,AI最了不起的就是对我们人脑的理解,可以从IQ和EQ两个方面说起。任何一个时代你都要思考什么改变了我们的生活。


最后讲一下,小冰目前已经登陆中日美印尼五个国家,具体如下图所示。

最后我要强调一句:“懂语言者得天下”。“不要人夸颜色好,只留清气满乾坤”。我的演讲到此结束,谢谢大家。

演讲结束之后,沈向洋博士与媒体进行了简短的交流,以下为媒体提问。

问:沈老师您好,微软上个月先是和Facebook一起推出ONNX,然后又联手亚马逊,推出了一个深度学习库Gluon。与这些企业联手,对于微软有什么重大的意义?

沈向洋:我觉得道理很简单,就像前面提到的,传统以为计算机大会都像微软或者是真正做计算机软硬件的企业为主,其实我们今天看了一下,有很多自然学科、基础学科的公司也都参与其中了。融合是一个大趋势。这个事情的发展刚才梅院士也提到了,这个世界到今天只有开放,开放合作才是王道,因为今天整个这样的发展,要向前走。

最近针对深度学习,微软做了三件事情:

1、我们和Facebook(现在已经有很多其他的公司也加入了)的合作,包括Intel等等,我们做了一个中间层的东西,其实就是一个格式(ONNX),大家都转化成这样一个格式以后,你把深度学习的模型编译到任何的系统上,运算的能力效率都会非常高,我们已经做了,还再继续向前推。

2、开始深度学习的时候,你要去搭建深度学习的模型,用的界面是什么?包括TensorFlow、MXNet、Microsoft CNTK等等,大家做了很多东西,其实这样反而令程序员不知道到底要什么,很多人觉得谷歌的TensorFlow做得好,事实上,其他的系统也有很多的优势。

所以,我们几家大的公司就站在一起,大家觉得还是应该合作,做一个公用的界面系统。所以我们最近也做了Gluon,大家粘在一起。

3、还是要有一个大家熟悉的编程环境,所以我们最近做了Microsoft Studio,希望有一个非常熟悉的编程环境,大家进来之后就是一些模型,可以Copy,一直编程到底层去。

我们会继续和其他的公司以非常开放合作的心态。

问:您刚才提到Google的TensorFlow,TensorFlow现在覆盖率很广,微软会和Google在这方面展开合作吗?

沈向洋:会展开合作,我们一直都在合作,比如说ONNX,我们非常希望TensorFlow也把它做成中间层,我们都很Open,如果我们做这样一个开放的系统的话,对任何的公司都是开放的。

问:沈老师,您在演讲中提到微软小冰,微软小冰在微软人工智能生态的地位是怎么样的?

沈向洋:我刚才已经讲了,对话是人工智能产品线的话有四条线,我们现在都在做:智能搜索、智能助理、智能客服、智能聊天机器人。所以,对于小冰来讲,实际上很多人觉得小冰好像不是很有用,只是随便聊聊天,我个人的看法是完全相反的,它真正智能的地方是连续对话的能力在所有其他产品的能力之上。

问:传统上,我们会以为计算机大会是以微软或者是真正做计算机软硬件的企业为主,但现场有很多自然学科、基础学科的公司也都参与其中,现在越来越多的领域都会在一起,这种融合现象是未来的趋势吗?

沈向洋:这是必须的,我1980年上大学的时候,很多大学还没有计算机系,中国的计算机系差不多是在1979-1981年这个阶段才成立的。以前提到计算机是在哪里呢?通常要么是在数学系弄理论,要不然就是在自动化系做应用,或者是电子系,后来才真正成立了计算机系,美国最早成立计算机系也就是60年代中后期。

融合是毫无疑问的,但是接下来我觉得更加激动人心的地方是人工智能在向后的发展。现在这几年的发展,我觉得更多的是人工智能在各个学科的融合,特别是脑科学、心理学、哲学,在这些方面我觉得会有更多的发展。脑科学是我自己最看重的一个领域,我觉得在基础科研方面大家的投入还远远不够,认识还远远不够深刻,当然对于这个的研究我不是很深入。脑科学现在作为一项科学,还不那么科学,科学就是你要做实验,要有大量的数据,要重复实验。而脑科学则很难,今天还没有到这个阶段。我相信以后10年、20年,脑科学家、AI是最基本的。

包括我今天讲的自然语言的理解,我们对自然语言理解的不是很清楚,脑在处理这些东西的时候能够给我们一些建议。

问:这次大会的主题是人工智能改变一切,您觉得现在已经开始改变了吗?而且您觉得下一个爆发点可能在哪个领域?

沈向洋:我刚才在演讲里面讲到了,实际上这个世界人工智能是有两个方向的:

一是感知,二是认知。

最近感知方面的发展非常神速,主要是在计算机识别、计算机语音方面的。人之所以有智能,首先是我们能够感知这个世界。大家可能不太清楚,比如说人的信息处理,进到脑子里面信息量的处理91%是视觉的信息,然后是听觉的信息,其他的触觉相对比较小。

认知现在的发展还相对比较慢,首先第一步是自然语言的发展,包括很多推理,这些东西对世界和人、社会的理解都还有很远的路要走。

最近的爆发点就是感知方面的意义,比如说像计算机视觉,最近“刷脸”在技术上越来越可行了,还有语音的合成,也有很多发展机会。我们做的一个激动人心的项目就是机器翻译,实际上未来会有非常巨大的市场。大家可能不见得知道,全世界有6000种语言,一个人不可能都学会,学两种语言已经很了不起了,讲三种语言讲得很好的人,这个世界上几乎没有。

问:目前来说,做哪些事情可以吸引更多的海外人才回归?

沈向洋:我觉得海外人才回归是大趋势,很多人现在都回来了,不光是刚刚念完书的人,也有工作了很多年的人回来,包括我的很多同事都看到国内有非常多的机会,例如BAT。除了BAT,其他一些新的AI创业公司也有很多这样的海归人才。我觉得这非常正常,今天已经没有地区性人才这个概念了,人才都是全局性的人才,你有能力去哪里都一样。举个例子,RestNet的研究员贺凯明从微软去了美国Facebook,他最近得了奖,我们都觉得非常自豪,我们培养出了这样的人才,这样之后中国就损失了一个人才吗?我觉得也不必要这样看,可能我们从Facebook、微软和其他地方拉回中国的人会更多。

政府方面的话,这一年,政府和高校、研究机构从“千人计划”开始,做了很多事情,我的教授朋友基本上跟国内的合作都做得非常好,例如今天演讲的丘成桐院士的数学研究中心,也是一批非常优秀的中心。

雷锋网 AI科技评论编辑整理。

雷锋网

CNCC 2017大会第一天,邱成桐,梅宏,沈向洋,李飞飞,汤道生,马维英都讲了什么?| CNCC 2017

雷锋网消息:10月26上午8:30分,由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的2017中国计算机大会(CNCC 2017)在福州海峡国际会展中心如期隆重召开。雷锋网作为CNCC 2017独家战略合作媒体,大会期间将会在现场全程跟踪报道。会议最新动态,请关注雷锋网。

本次大会主题是“人工智能改变世界(AI Changes the World)”,共邀请近十位院士、300余位国内外计算机领域知名专家、著名国际国内IT企业家到会演讲。会议包括14个特邀报告、2场大会论坛、40余场前沿技术论坛及30余场特色活动,同期举办科技成果展,汇聚80余家企业参展。大会已连续举办13届,此次参会规模也是迄今为止最大,人数最多的一次,共计有近700家企事业单位,超过6000名专业人士参会参展。

大会开幕式由中国计算机学会CCF秘书长杜子德主持。大会主席、中科院计算所研究员孙凝晖,福州市市长尤猛军,中国工程院院士、福州大学校长付贤智分别致辞。CCF的合作伙伴ACM(美国计算机学会)、IEEE-CS(美国电子电气工程师学会计算机协会)、IPSJ(日本信息处理学会)、KIISE(韩国信息科学家和工程师学会)和ACS(澳大利亚计算机协会)等国际组织均派要员和专家参加了开幕式会议,并向大会致辞。随后在全场参会人员集体掌声中,高文理事长简短有力地宣布:CNCC 2017正式开幕。

特邀报告环节

大会第一环节是特邀报告。首先是哈佛大学终身教授、美国国家科学院院士、中国科学院外籍院士丘成桐教授做开场报告,讲述“现代几何学在计算机科学中的应用”。

他认为现代几何的发展和计算机科学的发展是相互联系,相互促进的。

现代几何为计算机科学的发展奠定了理论基础,几乎应用到计算机科学的所有分支,例如计算机图形学,计算机视觉,计算机网络,数字几何处理,数字安全等等。而计算机科学的发展为现代几何提供了需求和挑战,推动了跨学科的发展方向。比如,人工智能中的机械定理证明推动了计算代数的发展,机器学习的发展推动了最优传输理论的发展;数据安全、比特币、区块链的发展推动了代数数论,椭圆曲线和模型式的发展,还有动漫、游戏的发展推动了计算共形几何学科的诞生和发展。现代几何的理论和方法已经日益渗透到计算机科学中,并且通过计算机科学会对人类社会做出更大的贡献。

丘成桐教授最后总结说,对于人工智能,现代以神经网络为代表的统计及其学习在工程实践中取得了很大的成功,但其理论基础非常薄弱,是一个黑箱算法;人工智能需要一个可以被证明的理论作为基础。

第二位特邀讲者是CCF会士、中国科学院院士,同时也是北京理工大学副校长的梅宏教授。

他的演讲题目是《软件定义一切:挑战和机遇》。他从软件从业者的视角,将计算机软件发展历程分为三个阶段:第一个阶段是1946—1975年,是软硬一体化阶段;第二个阶段是1975年以后,是软件的产品化、产业化阶段;第三个阶段是1995年以后,软件的网络化、服务化阶段。软硬一体化阶段早期计算机没有软件的概念,仅仅是以程序的形式存在。早期应用领域以军事领域的计算为主。它的展性形式是高级程序语言+文档,紧接着到了Microsoft和Oracle的出现,标志着软件开始成为一个独立产业。PC的广泛应用和软件产品化催生了信息化的第一波浪潮,即以单机应用为特征的数字化阶段。紧接着就出现了办公软件,彻底改变了人类传统的办公行为,微软office迄今依然是微软的标志性产品。

报告中除了回顾了软件技术的发展,梅宏教授还从操作系统的视角来理解软件定义的本质和内涵:硬件资源虚拟化、管理功能可编程;同时也展望了软件定义的未来。他认为在人机物融合计算的场景下,万物皆可互联、一切均可编程、进而分析了软件定义的带来的机遇和挑战。

结合当下的人工智能热潮,梅宏教授认为我们正在进入一个软件定义的时代。软件定义的技术本质是把一体式的硬件设施,把它的基础硬件及其虚拟化提供标准化的基本功能,然后管控软件,控制基本功能,提供更开放、灵活、智能的管控服务。

他认为软件定义的制造业是新一轮的核心竞争力。制造业需要实现“硬件”、知识和工艺流程的软件化,进而实现软件的平台化,本质上即“软件定义”。

软件定义的挑战是什么?梅宏教授认为是体系结构设计决策。具体来说就是如何合理平衡管理灵活性和“虚拟化”后的性能损耗,如何降低“软件实行”的复杂性和故障率,以及如何有效定位故障以保障可靠性。

接下来出场的是美国国家工程院院士、微软公司的高级执行副总裁沈向洋博士,他的分享报告题目是《理解自然语言:描述、对话和隐喻》。

沈向洋博士的演讲报告中提出,近些年,人工智能在计算力,大数据,精准模型,特别是在深度学习等方面都有快速的发展,而AI最基本的两个要素是感知和认知,感知中的视觉和语言进展飞速,认知和语言理解却发展速度有限。沈向洋博士认为未来十年中,“懂语言者得天下”,自然语言处理会成为人工智能突破的最重要方向。

如何让机器理解并掌握语言,沈博士将其分为三个层次:机器学习,机器智能,机器意识。

第一个层次,机器学习是建立客观的对观察到的或体验到的事物进行描述的能力,他举了微软认知服务里的CaptionoBot例子,展现了通过机器学习对一幅输入图像内容产生客观描述的技术。第二个层次是机器智能,沈博士认为“对话即智能”,让机器建立持续对话的能力。因为在对话的过程中,机器要能答问题,还要能提问题。机器要理解上下文状况,常识,及情感来做出合理的判断和响应,所以称对话即智能。第三个层次是机器意识,即建立在有意识地思考之上的理解和表达隐喻的能力。尽管离建立完全的机器意识还很远,但是是一个重要的探索方向。作为初步的尝试,沈博士展示了微软小冰看图作诗的技术。这项技术已经使得小冰成为了人类历史以来最多产的诗人。

最后,沈向洋博士讲到人机对话是微软在人工智能产品上的布局,第一个就是智能搜索,第二个智能助理,第三个智能客服,第四个智能聊天。分别对应的产品是必应搜索引擎,智能助理小娜,智能客服助理, 和聊天机器人小冰。

第四位出场的人工智能领域领军人物李飞飞教授,李飞飞教授是斯坦福人工智能实验室主任,同时也是谷歌云首席科学家,她的分享报告题目是:《追求视觉智能,超越物体层次的探索》(A Quest for Visual Intelligence: Exploration Beyond Objects)。

她讲到人类对人工智能和计算机视觉的研究已长达半个世纪,在这个报告中,她简单介绍了追求视觉智能前沿技术的一些关键思想,以及她的实验室近些年关注的工作。

李飞飞接下来介绍了视觉对生物的重要性,以及计算机视觉在物体识别任务中的飞速发展。然后继续与大家讨论了计算机视觉的下一步目标:丰富场景理解,以及计算机视觉与语言结合和任务驱动的计算机视觉的进展和前景。场景理解和与语言结合的计算机视觉进一步搭起了人类和计算机之间沟通的桥梁,任务驱动的计算机视觉也会在机器人领域大放异彩。李飞飞介绍的自己团队的工作也丰富多样、令人振奋。

第五位,腾讯集团高级执行副总裁汤道生,分享主题是《让AI服务于人》。

机器最终是否会取代人类,一直备受大家关注。而腾讯更关注的是,让AI如何服务于人。汤道生认为今天的AI在有限的领域与局部环节或许可以胜过人类,但和人类对比,仍然无法完像人一样来思考与行动。AI可以实际中有很多应用,机器视觉与语音语义理解的发展与机械的联动,已经可以替代人类部分的工作。因此我们可以将AI视为一种生产力,其通过算法与经验(数据),提供某种可标准化、可复制的智能服务,替代那些重复性人工作業。无论是新兴产业还是传统行业,至今仍然有不少依靠有经验人士的日复一日的操作,現在都有机会通过物联网获取数据,通过AI来替代人工判断,从而让智慧变得可复制,同时提高服务可靠性并提升工作效率。

与此同时,云服务的发展也让AI服务变得更加普及,由于数据可以更及时的在云上被收集与处理,这便让AI服务可以更快更有效地适应不同应用与场景的需要。比如大量的手写单据不再需要人工处理、医疗图像识别可以辅助诊断、城市里的交通疏导、零售店里的人流分析等等都是AI能力应用到不同生活场景的例子,让AI服务于人。

第六位特邀讲者是今日头条高级副总裁、IEEE fellow马维英带来的演讲《人工智能和新一代信息与内容平台》。

马维英博士回顾中国历史说道,中国发明的造纸术,印刷术,以及后来书籍的出现都是一个作为主要的媒体来连接信息的工具。后来在很长的一段时间,作者在创作的时候,他不知道读者是谁,在什么时候会读,以及会有什么反馈。读者也不知道什么时候阅读,也不知道作者在哪里创作出他所需要的东西。后来出现了搜索引擎,但数据大部分只是用户的搜索关键词。直到移动互联网时代,万物互联,以及融合了社交的新内容时代里,有了智能处理信息技术,人工智能才有着巨大的创新机会来重新定义人与信息的连接方式。从内容创作、 过滤、分发、消费以及互动的每个环节,都可以使用大规模机器学习、文本分析、自然语言理解、计算机视觉、和数据挖掘等技术,来高效处理、分析、挖掘、理解和组织海量文字、图片和视频,并根据对用户的深度理解,进行智能分发。同时基于丰富多样的应用场景和海量用户,持续累积大量的训练样本和数据,让机器学习系统根据用户反馈,再不断地改善和进化。形成良性循环。

以上就是上午五位特邀嘉宾的特邀报告概览,大会下午由技术论坛和活动组成。今天下午的技术论坛涉及到的领域有人工智能硬件,高性能计算+人工智能,类脑计算,知识图谱,智能制造等。活动包括网络攻防演练秀,百名优秀大学生互动讲座和颁奖会、产业政策推介及项目对接会、CCF-腾讯犀牛鸟基金获奖者培训等。

除了上述特邀报告和论坛,大会在未来两天还会举办多场特色活动,备受关注的CCF王选奖、海外杰出贡献奖、科学技术奖、青年科学家奖也在大会期间隆重揭晓。雷锋网将会第一时间报道,敬请期待!

大会更多详情,请关注CNCC 2017.

雷锋网

2017“CCF科学技术奖”全公布,6位获奖人带来独家经验分享 | CNCC 2017

由中国计算机学会(CCF)主办,福州市人民政府、福州大学承办,福建师范大学、福建工程学院协办的2017中国计算机大会(CNCC2017)将于10.26—10.28日在福州·海峡国际会展中心举办。今年大会的主题是“人工智能改变世界(AI Changes the World)”,届时将邀请十多位院士、300余位国内外计算机领域知名专家、著名国际国内IT企业家到会演讲。

会议包括14个特邀报告、2场大会论坛、40余场前沿技术论坛及30余场特色活动和展览。在30余场特色活动中,以2016国家奖与2017CCF科学技术奖成果交流会最为吸引雷锋网记者的目光。

2016国家奖与2017CCF科学技术奖成果交流会由中国计算机学会科学技术奖评奖委员会主办。本次活动邀请到2016年国家奖获奖项目以及2017CCF科学技术奖获奖项目代表所在团队核心人员进行项目介绍,并与听众进行充分交流。使听众更加了解这些获奖项目的细节,并对如何做出真正有影响力的工作有更深刻的认识。

据主办方介绍,此次交流会的价值体现在两点:

  • 对于体制内的科研人员、大学教授、研究员来说,这是一个进行学术交流、展现科研水平的绝佳场所。

  • 对于企业来说,这也是一个绝佳的交流机会,能将企业的科研拔高到国家科学技术奖的层面。

另外,2017“CCF科学技术奖”首次采用申报制和推荐制相结合的方式,面向创新实践一线的优秀企业敞开大门,评出在计算机及相关领域的技术研究、技术开发、技术创新、推广应用先进的科学技术成果、促进高新技术产业化等方面做出重大/重要贡献的优秀项目。同时CCF积极为优秀获奖项目搭建面向国家奖的推荐沟通渠道,CCF将帮助自然科学奖、技术发明奖一等奖成果推荐申报国家奖,并提供专家辅导。

在“2016国家奖与2017CCF科学技术奖成果交流会”活动上,四位2016国家奖获奖代表和六位2017CCF科学技术奖获奖代表将现场介绍经验,与听众互动沟通。届时,雷锋网 AI科技评论将作为独家战略合作媒体,为大家进行现场报导。下面是此次交流会的详细信息:

会议日程(27号下午福州海峡国际会展中心308会议室)

13:30 -13:40 嘉宾讲话

13:40 -14:40 2016国家奖成果特邀报告

13:40-13:55 自然科学二等奖:郑南宁院士

13:55-14:10 自然科学二等奖:吕金虎研究员

14:10-14:25 技术发明二等奖:徐恪教授

14:25-14:40 技术发明二等奖:吕卫锋教授

14:40-14:50 2017年国家奖评委分享:陈宝权教授

14:50-16:20 2017CCF科学技术奖成果特邀报告

14:50-15:05 自然科学一等奖:马华东教授

15:05-15:20 自然科学一等奖:朱军副教授

15:20-15:35 技术发明一等奖:陈益强研究员

15:35-15:50 技术发明一等奖:单羿博士

15:50-16:05 科技进步卓越奖:除鹏总监

16:05-16:20 科技进步卓越奖:盛克华杰出工程师

16:20-17:30 Panel:主持人:孟小峰教授

联系人兼主持人:董慧 博士

donghui@ict.ac.cn

中科院计算所高级工程师,计算机体系结构国家重点实验室主任助理

论坛主席

孙凝晖 研究员

中科院计算所研究员,博导,杰青。现任中科院计算所所长,计算机体系结构国家重点实验室主任,CCF副理事长、高性能计算专委主任,国科大计控学院副院长。曙光系列高性能计算机总设计师,获国家科技进步奖二等奖4项(排名第一)、一等奖1项(排名第五)。

特邀报告人

郑南宁 院士

视觉场景理解的模式表征与计算理论及方法(2016年度国家自然科学二等奖)

工学博士、西安交大人工智能与机器人研究所教授、IEEE Fellow、中国工程院院士、中国自动化学会理事长;曾获国家科技进步奖二等奖(1991/1996)、国家技术发明二等奖(2007)、国家自然科学二等奖(2016)。

吕金虎 研究员

复杂动态网络的同步、控制与识别理论与方法(2016年度国家自然科学二等奖)

中国科学院数学与系统科学研究院研究员、IEEE Fellow,全国科技领军人才联盟(创新)理事长。基金委创新群体学术带头人、万人计划领军人才、国家杰青、重点研发计划首席科学家。主要从事复杂网络、动力学与控制等研究。曾获何梁何利科学与技术进步奖、3项国家自然科学二等奖(2项排名第一,1项排名第二)。

徐恪 教授

支持服务创新的可扩展路由交换关键技术、系统及产业化应用(2016年度国家技术发明二等奖)

清华大学教授、博士生导师,长期在互联网体系结构领域从事基础研究,提出了体系结构演进性的概念。提出可扩展开放式路由交换的技术思路。获得国家技术发明奖二等奖1次(2016,排名第一),国家科技进步奖二等奖1次(2005,排名第四)。2011年获中国计算机学会青年科学家奖。2012年获中创软件人才奖。是中国计算机学会理事,微金融50人论坛成员。

吕卫锋 教授

基于移动位置数据的城市出行信息服务关键技术与应用(2016年度国家技术发明二等奖)

北京航空航天大学计算机学院教授,院长,软件开发环境国家重点实验室副主任。获国家技术发明二等奖一项(第一),科技进步奖二等奖一项(第二)。

马华东 教授

多媒体传感网基础理论与方法 (2017年度CCF科学技术奖自然科学一等奖)

北京邮电大学计算机学院长江学者特聘教授,网络技术研究院执行院长。国家杰出青年科学基金获得者,曾任国家973计划项目首席科学家。中国计算机学会常务理事、会士。

朱军 副教授

贝叶斯机器学习理论与方法(2017年度CCF科学技术奖自然科学一等奖)

清华大学长聘副教授、CMU兼职教授,智能技术与系统国家重点实验室副主任,国家“万人计划”青年拔尖人才,CCF青年科学家,入选IEEE智能系统期刊AI’s 10 to Watch。担任PAMI和AI编委。

陈益强 研究员

无障碍普适计算系统关键技术及应用   (2017年度CCF科学技术奖技术发明一等奖)

中国科学院计算技术研究所研究员,博士生导师,泛在计算系统研究中心主任。其研究兴趣是普适计算和智能人机交互,侧重于用户行为智能感知和理解。现兼任中国计算机学会监事,CCF杰出会员。

单羿 博士

稀疏化神经网络压缩与硬件加速研究(2017年度CCF科学技术奖技术发明一等奖)

博士,毕业于清华大学,任深鉴科技合伙人、CTO,负责深度学习芯片系统的软硬件协同优化。曾供职于百度研究院、地平线机器人等。

陈鹏 总监

互联网大数据实时处理与分析平台(2017年度CCF科学技术奖科技进步卓越奖)

腾讯大数据平台产品总监,负责腾讯大数据平台产品的研发和系统架构设计,负责将腾讯大数据内部系统对外输出的产品化工作,参与核心平台的研发,关注大数据系统技术架构,对高并发、低延时的分析系统,流计算平台等技术有一定研究。加入腾讯前,曾就职于支付宝,comodo。

盛克华 杰出工程师

基于大数据的新一代移动出行平台(2017年度CCF科学技术奖科技进步卓越奖)

滴滴出行杰出工程师。毕业于浙江大学。加入滴滴后,从0到1打造了引擎技术团队,逐步构建了滴滴统一交易引擎架构体系,支撑了滴滴从200万单到2500万单的快速发展。

陈宝权 教授

2017年度国家奖评委分享

博士,山东大学教授,长江特聘教授,973首席科学家,国家“万人计划”领军人才,博士生导师,山东大学计算机科学与技术学院及山东大学软件学院院长。2017年度国家技术发明奖评委。

李晓维 研究员

Panel嘉宾分享

中科院计算所研究员,博导,国家百千万人才。计算机体系结构国家重点实验室常务副主任,CCF会士、理事。以第一完成人获国家技术发明二等奖、中国质量协会质量技术一等奖、中国计算机学会王选奖等。入选“科技北京”百名领军人才。

Panel Discussion

Panel主持人:孟小峰 教授

中国人民大学信息学院教授,博导,CCF会士。

嘉宾:郑南宁院士、孙凝晖研究员、李晓维研究员、吕金虎研究员、徐恪教授、马华东教授、陈益强研究员、朱军副教授、单羿博士、陈鹏总监、盛克华杰出工程师

CNCC2017 官网:http://cncc.ccf.org.cn/

雷锋网 AI科技评论届时将作为独家战略合作媒体,进行现场报导。

雷锋网