学会动态丨中国人工智能学会走进高校活动——大数据智能高峰论坛在重庆邮电大学举学术资讯

2018年1月26日，由中国人工智能学会主办，中国人工智能学会机器学习专业委员会协办，重庆邮电大学计算机科学与技术学院承办的“中国人工智能学会走进高校”活动——大数据智能高峰论坛在重庆邮电大学成功举行，中国人工智能学会机器学习专业委员会常委会于同期同地举行。

本次论坛邀请了清华大学朱军博士、同济大学苗夺谦教授、深圳大学王熙照教授分别作了题为《贝叶斯深度学习：算法、编程库及应用》、《粒计算及其对人工智能的贡献》、《Big Data Learning with Uncertainty》的特邀报告。

朱军博士讲解了大数据环境下深度学习中面临的一些急需解决的问题，并着重介绍了贝叶斯深度学习中涉及的过拟合、对抗样本、未标注数据建模等问题，以及清华大学研发的“珠算”概率编程库。朱博士指出，单纯的使用深度神经网络已经不能够很好地满足时代的需求，而在贝叶斯深度学习中，使用深度神经网络的强大拟合能力，可以运用贝叶斯理论来避免过拟合的产生，可以对未标注数据进行建模，并且可以显著提升半监督学习的性能。

朱军博士的精彩报告

苗夺谦教授对人工智能的发展进行了回顾，认为目前的人工智能研究围绕知识展开，但是对于知识尚无形式化的定义。苗教授提出，在数据驱动的推理中引入逻辑规则可较好地建模人类的思维和先验知识，策略学习具有良好的多任务适应能力。他还分析了人工智能目前面临的挑战：首先，单一类型媒体推理到跨媒体综合推理；其次，确定条件下的AI到非确定下条件下的自主智能；最后，特定任务导向的AI到场景适应的多任务AI。最后，苗教授总结了粒计算对人工智能的贡献，认为粒计算的研究一定要在人工智能的大背景下开展。

苗夺谦教授的精彩报告

王熙照教授对大数据的特点进行了介绍，指出现在大数据的概念非常模糊，缺乏普遍可接受的基本描述。在讲到大数据机器学习面临的挑战时，王教授从大数据表示、高维大数据降维、大数据分类、大数据之间的关系以及大数据计算不可伸缩等方面进行了讨论。重点阐述了不确定性给大数据机器学习所带来的新挑战。针对这些挑战，王教授介绍了若干可能的解决途径，包括分治、并行、增量、抽样等。王教授同时指出，深度学习已经进入平缓期，但是现在这个时期的研究才更加具有挑战性。