聚焦AI落地痛點(diǎn)，縱論跨域?qū)W習(xí)技術(shù)前沿和應(yīng)用趨勢 | CNCC技術(shù)論壇

量子位的朋友們 2020-10-17 14:19:05 來源：量子位

《AI落地的跨域?qū)W習(xí)技術(shù)和進(jìn)展》技術(shù)論壇將于CNCC期間，10月24日下午16:00-18:00，在北京新世紀(jì)日航飯店2層江蘇廳舉行。本論壇邀請跨域?qū)W習(xí)領(lǐng)域、學(xué)術(shù)界的頂尖學(xué)者和工業(yè)界的領(lǐng)軍人物一起，聚焦AI落地過程中跨域?qū)W習(xí)起到的重要作用，一起探討跨域?qū)W習(xí)的技術(shù)前沿和進(jìn)展。歡迎光臨！

今年CNCC大會將于10月22-24日在北京（主會場）舉行，全國多地設(shè)立分會場和專場并進(jìn)行同步線上直播。今年除講者陣容十分強(qiáng)大外（首批KN講者確認(rèn)：圖靈獎得主、院士、名企專家將做特邀報(bào)告），活動也十分多。包括三場大會論壇、百余場技術(shù)論壇、CTO Club峰會首發(fā)、14場特邀報(bào)告、CCF頒獎晚宴、優(yōu)秀大學(xué)生頒獎等，精彩紛呈，不容錯過。

技術(shù)論壇豐富多彩、嘉賓陣容強(qiáng)大、話題前沿，其中10月24日下午16:00-18:00，在北京新世紀(jì)日航飯店2層江蘇廳舉行的《AI落地的跨域?qū)W習(xí)技術(shù)和進(jìn)展》技術(shù)論壇，將邀請跨域?qū)W習(xí)領(lǐng)域?qū)W術(shù)界的頂尖學(xué)者和工業(yè)界的領(lǐng)軍人物一起，聚焦AI落地過程中跨域?qū)W習(xí)起到的重要作用，以及AI落地痛點(diǎn)等尖銳問題展開探討，一起探討跨域?qū)W習(xí)的技術(shù)前沿和進(jìn)展，歡迎光臨！

△掃碼報(bào)名

AI落地的痛點(diǎn)，跨域?qū)W習(xí)的技術(shù)和進(jìn)展

傳統(tǒng)的機(jī)器學(xué)習(xí)和現(xiàn)在的深度學(xué)習(xí)都依賴大量的標(biāo)注數(shù)據(jù)，并在監(jiān)督下訓(xùn)練出表現(xiàn)優(yōu)異以及具備一定泛化能力的模型。但隨著感知環(huán)境及應(yīng)用場景的變化，訓(xùn)練好的模型性能會大幅度下降，重新訓(xùn)練周期長成本高，再加上AI人才的短缺，都成為AI落地和普惠的障礙。如何解決跨域?qū)W習(xí)、數(shù)據(jù)標(biāo)注以及數(shù)據(jù)隱私問題，訓(xùn)練更具泛化性、魯棒性的模型成為學(xué)術(shù)界和工業(yè)界面臨的共同課題。在此背景下，跨域?qū)W習(xí)和遷移學(xué)習(xí)成為近年來研究的前沿?zé)狳c(diǎn)。

通用智能是下一代AI發(fā)展的必然趨勢，代表智能革命的未來?？缬?qū)W習(xí)、遷移學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等將在未來幾年實(shí)現(xiàn)在多個領(lǐng)域的落地生根，正在成為AI大規(guī)模落地的希望。本論壇邀請跨域?qū)W習(xí)領(lǐng)域走在國際算法前沿的學(xué)術(shù)界頂尖學(xué)者和已在產(chǎn)業(yè)應(yīng)用中實(shí)現(xiàn)落地的工業(yè)界領(lǐng)軍人物，共同探討AI落地的跨域?qū)W習(xí)技術(shù)和進(jìn)展。

論壇議程日程

論壇主席

申省梅澎思科技首席科學(xué)家、新加坡研究院院長。華人知名女科學(xué)家，計(jì)算機(jī)視覺與深度學(xué)習(xí)領(lǐng)域國際知名學(xué)者。前松下新加坡研究院副院長，累計(jì)獲得30余項(xiàng)人工智能國際競賽冠軍，累計(jì)專利300余項(xiàng)。擁有計(jì)算機(jī)視覺領(lǐng)域全棧算法研究及工程化經(jīng)驗(yàn)，技術(shù)面覆蓋AI智能傳感、AI視覺感知、AI視圖處理、視覺導(dǎo)航和控制、增強(qiáng)現(xiàn)實(shí)、聲紋識別、機(jī)器人等領(lǐng)域。曾榮獲日本松下杰出技術(shù)、領(lǐng)軍人物特別獎；擔(dān)任國際標(biāo)準(zhǔn)化組織(ISO)和國際電工委員會(IEC)標(biāo)準(zhǔn)制定主編；負(fù)責(zé)和牽頭多項(xiàng)音視頻國際標(biāo)準(zhǔn)制定工作，在CVPR 2020組織了第一屆Anti-UAV Workshop & Challenge競賽。

陳熙霖中科院計(jì)算技術(shù)研究所研究員，IEEE Fellow, IAPR Fellow, CCF會士。近年來主要研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺、模式識別、多媒體技術(shù)以及多模式人機(jī)接口。目前是IEEE Trans. on Multimedia的Associate Editor、Journal of Visual Communication and Image Representation的Senior Associate Editor、計(jì)算機(jī)學(xué)報(bào)副主編、人工智能與模式識別副主編。先后獲得國家自然科學(xué)二等獎1項(xiàng)，國家科技進(jìn)步二等獎4項(xiàng)，合作出版專著1本，在國內(nèi)外重要刊物和會議上發(fā)表論文300多篇。

講者簡介

楊強(qiáng)微眾銀行首席人工智能官、香港科技大學(xué)講席教授，AAAI、ACM、CAAI、IEEE、IAPR、AAAS Fellow，《IEEE Transactions on Big Data》和《ACM Transactions on Intelligent Systems and Technology》開創(chuàng)主編，曾獲2019年度“吳文俊人工智能科學(xué)技術(shù)獎”杰出貢獻(xiàn)獎，2017年ACM SIGKDD杰出服務(wù)獎。他曾任華為諾亞方舟實(shí)驗(yàn)室主任，第四范式公司聯(lián)合創(chuàng)始人，香港科技大學(xué)計(jì)算機(jī)與工程系系主任以及國際人工智能聯(lián)合會(IJCAI)理事會主席。最近的著作有《遷移學(xué)習(xí)》和《聯(lián)邦學(xué)習(xí)》。演講題目：用戶隱私，數(shù)據(jù)孤島和聯(lián)邦學(xué)習(xí)摘要：聯(lián)邦學(xué)習(xí)，是當(dāng)前人工智能尤其是AI金融領(lǐng)域，最受工業(yè)界和學(xué)術(shù)界關(guān)注的研究方向之一。當(dāng)下，AI在算法研發(fā)方面突飛猛進(jìn)，卻離企業(yè)落地的目標(biāo)有著不小的距離。AI所面臨的一個挑戰(zhàn)是標(biāo)注數(shù)據(jù)的嚴(yán)重不足，而數(shù)據(jù)往往分布在不同的機(jī)構(gòu)和個人形成的數(shù)據(jù)孤島處。使用和聚合這些數(shù)據(jù)都會受到用戶隱私、商業(yè)安全的挑戰(zhàn)。本次演講將介紹如何利用聯(lián)邦學(xué)習(xí)來連接數(shù)據(jù)孤島的數(shù)據(jù)，形成合力，以得到更有效的機(jī)器學(xué)習(xí)模型，同時(shí)保護(hù)用戶隱私和商業(yè)機(jī)密。

鄧偉洪北京郵電大學(xué)人工智能學(xué)院教授，博士生導(dǎo)師。長期從事模式識別與計(jì)算機(jī)視覺的基礎(chǔ)理論研究，并應(yīng)用到人臉識別、表情識別、行人再識別、細(xì)粒度圖像檢索等。近年來主持國家重點(diǎn)研發(fā)計(jì)劃課題和國家自然科學(xué)基金等項(xiàng)目十余項(xiàng)，與華為、中興、騰訊、滴滴、佳能等科技企業(yè)開展廣泛的技術(shù)合作，曾三次指導(dǎo)學(xué)生獲得圖像識別類的國際算法競賽第一名，擔(dān)任IJCAI 2020、ICPR 2020、ICME2020 領(lǐng)域主席和高級程序委員，國際期刊IEEE Access編委，Image and Vision Computing客座編委。在IEEE TPAMI、TIP、TIFS、IJCV、PR等國際期刊以及ICCV、CVPR、ECCV、NIPS、AAAI、SIGIR等國際會議發(fā)表論文100多篇，谷歌學(xué)術(shù)引用4300多次，SCI他引1100余次。曾入選北京市優(yōu)秀博士學(xué)位論文、教育部“新世紀(jì)優(yōu)秀人才”、北京市“科技新星”。演講題目：跨域人臉和表情識別摘要：海量標(biāo)注數(shù)據(jù)和深度學(xué)習(xí)技術(shù)推動了視覺識別的巨大進(jìn)步，現(xiàn)有模型在許多數(shù)據(jù)集上的性能已經(jīng)超越人類。然而，高準(zhǔn)確率的前提是同源數(shù)據(jù)的隨機(jī)劃分保證了訓(xùn)練和測試集具有相同的特征分布。在技術(shù)落地中，訓(xùn)練集和應(yīng)用間的環(huán)境差異、地域差異、文化差異等挑戰(zhàn)導(dǎo)致大部分視覺識別應(yīng)用的準(zhǔn)確率和穩(wěn)定性仍不理想，甚至造成“種族偏見”等倫理問題。本報(bào)告將從數(shù)據(jù)集建設(shè)、遷移學(xué)習(xí)算法和性能評價(jià)三個角度，匯報(bào)課題組近期在解決多人種人臉識別、視頻監(jiān)控人臉識別、對抗魯棒性人臉識別、表情識別文化差異上的研究進(jìn)展。

闞美娜中科院計(jì)算所副研究員，碩士生導(dǎo)師。研究領(lǐng)域?yàn)橛?jì)算機(jī)視覺與模式識別，主要關(guān)注人臉識別、多視學(xué)習(xí)、遷移學(xué)習(xí)、弱少監(jiān)督學(xué)習(xí)等問題，相關(guān)成果已發(fā)表在TPAMI、IJCV、CVPR、ICCV等相關(guān)領(lǐng)域主流國際期刊與會議上面，谷歌學(xué)術(shù)引用2300余次。擔(dān)任TPAMI、IJCV、TIP、TMM、CVPR、ICCV、ECCV等期刊會議的審稿人。2014年獲得CCF優(yōu)秀博士學(xué)位論文獎、2016年入選CCF青年人才托舉計(jì)劃、2018年獲得中國圖象圖形學(xué)學(xué)會石青云女科學(xué)家獎青年獎、2019年入選北京市科技新星計(jì)劃。此外，獲得2015年IEEE FG視頻人臉識別競賽冠軍、2015年IEEE ICCV年齡估計(jì)競賽亞軍、2017年IEEE CVPR人臉面部關(guān)鍵點(diǎn)定位亞軍等。演講題目：多粒度圖像遷移建模摘要：遷移學(xué)習(xí)是機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺中的重要研究問題之一，旨在研究如何將一個領(lǐng)域的知識遷移到另外的領(lǐng)域，具有重要的研究意義與應(yīng)用價(jià)值。場景變化是計(jì)算機(jī)視覺應(yīng)用中的重要挑戰(zhàn)之一。本報(bào)告將介紹講者近期在場景、類別、以及樣例層面進(jìn)行圖像遷移建模的研究工作，旨在提升圖像分類算法的場景自適應(yīng)能力。

鄭良澳大利亞國立大學(xué)講師、計(jì)算機(jī)未來學(xué)者、澳大利亞研究理事會優(yōu)秀青年科研學(xué)者獎的獲得者。在物體再識別領(lǐng)域做出了重要貢獻(xiàn)。論文被MIT Technology Review報(bào)道。獲中國人工智能學(xué)會優(yōu)秀博士學(xué)位論文、澳大利亞青年科學(xué)家獎、澳大利亞人報(bào)Top-40 Early Achievers等榮譽(yù)。任CVPR 2021, ECCV 2020和Multimedia 2020領(lǐng)域主席，IJCAI 2019 和 AAAI 2020資深程序委員，IEEE TCSVT副編輯等。在CVPR 2020和ECCV 2020組織了AICITY和TaskCV競賽。演講題目：Do We Really Need Ground Truths to Evaluate A Model?摘要：模型性能評估是機(jī)器學(xué)習(xí)的重要一步，一般來說，我們要求測試集包含測試樣本與其標(biāo)簽，并將測試標(biāo)簽與模型預(yù)測結(jié)果進(jìn)行比較。盡管學(xué)術(shù)界大多數(shù)數(shù)據(jù)集滿足這個要求，在實(shí)際情況中，往往我們只能獲取測試數(shù)據(jù)而無法獲取其標(biāo)簽。在本次報(bào)告中，我將介紹一個重要而較少討論的問題：模型自動評估(AutoEval)。具體地，給定有標(biāo)簽的訓(xùn)練集和一個模型，目標(biāo)是估計(jì)模型在一個沒有標(biāo)簽的測試集上的性能。為此，提出了一種meta-dataset的方法，從數(shù)據(jù)集層面上設(shè)計(jì)了一種回歸模型，實(shí)現(xiàn)了較為理想的精度。

龍明盛清華大學(xué)軟件學(xué)院副教授，博士生導(dǎo)師，大數(shù)據(jù)系統(tǒng)軟件國家工程實(shí)驗(yàn)室機(jī)器學(xué)習(xí)組組長。分別于2008和2014年從清華大學(xué)獲學(xué)士和博士學(xué)位，2014-2015年在加州大學(xué)伯克利分校大數(shù)據(jù)實(shí)驗(yàn)室(AMPLab)、統(tǒng)計(jì)人工智能實(shí)驗(yàn)室(SAIL)從事研究工作。研究領(lǐng)域包括機(jī)器學(xué)習(xí)理論、算法和系統(tǒng)，特別是遷移學(xué)習(xí)、深度學(xué)習(xí)、預(yù)測學(xué)習(xí)及其在圖像視頻識別、預(yù)測任務(wù)中的應(yīng)用。以第一作者或通訊作者在ICML/NIPS/CVPR等CCF-A類會議和期刊上發(fā)表論文46篇，谷歌學(xué)術(shù)引用超過3700次，其中在ICML 2015發(fā)表的深度遷移學(xué)習(xí)論文單篇引用800余次。擔(dān)任ICLR領(lǐng)域主席、ICML/NIPS/CVPR等國際會議（高級）程序委員會委員。主持國家重點(diǎn)研發(fā)計(jì)劃子課題、國家自然科學(xué)基金課題3項(xiàng)，授權(quán)國家發(fā)明專利20項(xiàng)。獲2012國際數(shù)據(jù)挖掘會議最佳論文提名，2016中國人工智能學(xué)會優(yōu)秀博士論文，2018教育部技術(shù)發(fā)明一等獎。演講題目：遷移學(xué)習(xí)理論，算法及開源庫摘要：遷移學(xué)習(xí)一直是機(jī)器學(xué)習(xí)領(lǐng)域的難點(diǎn)問題，其目標(biāo)是在數(shù)據(jù)分布變化的條件下實(shí)現(xiàn)強(qiáng)泛化能力。經(jīng)過長期探索，逐步縮小了遷移學(xué)習(xí)的泛化理論與學(xué)習(xí)算法之間的鴻溝，獲得了更緊致的泛化界和更優(yōu)的學(xué)習(xí)器。此次報(bào)告將按照發(fā)展歷程介紹遷移學(xué)習(xí)的代表性泛化理論及學(xué)習(xí)算法，重點(diǎn)介紹我們的間隔泛化理論及其對抗學(xué)習(xí)算法、遷移推理中的概率校準(zhǔn)和無監(jiān)督遷移學(xué)習(xí)算法。最后，介紹我們最近開源的遷移學(xué)習(xí)算法庫，為推動遷移學(xué)習(xí)的規(guī)范發(fā)展和應(yīng)用落地提供支撐。