<mark id="oztn4"></mark>
0
| 本文作者： 奕欣 | 2017-02-04 21:11 | 專題：AAAI 2017 |
雷鋒網旗下人工智能公眾號 AI 科技評論此前已經為大家帶來 AAAI 2017 的大會看點集錦，而很快，雷鋒網小編就要見到大神們做演講了，心情還是很激動的。
不過在之前的文章中，對六位嘉賓的演講主題只是一筆帶過，所以在這篇文章中，雷鋒網會對他們的生平及演講內容做更加詳細的整體介紹。
這六個演講分五天進行，按照時間順序為：
? 2 月 5 日，田納西大學與國家科學基金 Lynne Parker：《美國國家人工智能研究及發展戰略計劃的創新之處》。此前雷鋒網曾經報道過關于這位學界大神的介紹，更多可參看《琳恩帕克：調教一個機器人不難，她要教一群機器人自動「聚沙成塔」》；
? 2 月 6 日，MIT 的 Rosalind Picard：《構建情感智能技術存在的風險》；
? 2 月 7 日，劍橋大學工程部 Steve Young：《機器學習的統計語音對話系統及其挑戰》；同一天下午還有倫敦大學教授 Peter Dayan 的《神經強化學習與人工強化學習的兼容性》；
? 2 月 8 日，德克薩斯大學奧斯汀分校 Kristen Grauman：《根據無標簽視頻，機器如何學習移動與觀察方位》；
? 2 月 9 日，MIT CSAIL 與本田研究院 Russ Tedrake：《現實世界中，動態機器人的凸度與組合優化》；
接下來，雷鋒網將對每一個演講進行介紹。
說起 Lynne Parker，只要稍微對異構分布式機器人有所了解的學界人士想必都不陌生。她目前為田納西大學電子工程及計算機科學教授，IEEE Fellow，主要研究方向是分布式智能系統的計算化——特別是物理層面的，比如多機器人及傳感器網絡。而在 NSF 工作的兩年間，她作為計算機與信息科學 CISE 及信息與智能系統 IIS 的部門主任，主要進行國家人工智能研究及發展戰略計劃的工作。而在 AAAI 的演講上，她也計劃就這一主題進行分享。
「在 2016 年 10 月份，美國聯邦政府發布了一份人工智能戰略計劃，而作為這份報告的聯合主席，我打算從我的角度闡述這份報告產生的背景，并討論如何通過多機構的合作實現報告的創新。此外，這份計劃是否能為美國帶來受益？這一點也歡迎與現場的朋友進行討論。」
雷鋒網此前也對這份戰略報告做過覆蓋和編譯，詳情請見《五分鐘讀完美國白皮書：為了人工智能的未來，政府都做了哪些準備？》，那么 Lynne Parker 又會在現場帶來怎樣的真知灼見呢？敬請期待。
MIT 媒體實驗室中有不少研究小組，而情感計算如果不是最有意思的一個，也是非常具有「人性」的一個小組。作為創始人及主要負責人，Picard 首創了「情感計算」（affective computing）這一名詞，同名著作也在國際上享有盛名。這一概念分別被紐約時報評選為 2006 年的最佳思想，及 2011 年的大眾科學十大研究之一。
Picard 畢業于 MIT 電氣工程及計算機科學專業，「情感計算」是一項對人類情感進行感知、識別及反應的算法。而通過開發信號處理與機器學習技術，Picard 領導團隊挖掘了很多新的發現，包括移動設備探測人體生物信號，并以這些電信號揭示大腦活動。那么，它所面臨的機遇與挑戰又會是什么？Picard 將在 AAAI 2017 上與我們分享。
誠然，雷鋒網此前也報道過不少關于人類認知與情感在機器學習領域的新聞，但從未近距離覆蓋過這一方面的演講，更何況是這一概念的創始人來給我們答疑解惑。雷鋒網小編表示，已經搬好小板凳前排坐等了。
劍橋大學的 Steve Young 的主要研究方向正是語音系統，包括了語音識別、語義理解及對話管理等方面。他曾經參加過蘋果 Siri 的研發工作，雷鋒網認為他對語音對話想必有著獨到的見解。
在 AAAI 2017 上，Steve Young 計劃從語音對話系統的特性說起，并指出機器學習能夠提升開放系統的魯棒性。而在分享中，Young 會提及劍橋大學利用機器學習的所做的一些研究進展，包括自然語言、反饋預測及思維跟蹤等方面。此外，也會提及可能存在的一些核心挑戰。
博士師從 David Willshaw，博士后師從 Salk 的 Terry Sejnowski 還有多倫多大學的 Geoff Hinton，Peter Dayan 在畢業前就儼然是一名人生贏家。而在 MIT 當了三年助理教授后，他于 1998 年協同各位大牛于 UCL 建立了 Gatsby 計算神經科學團隊，并于四年后成為負責人。他的核心研究領域主要在神經處理的數學及計算模型構建上，重點在于機器的呈現、學習及決策。
「如果一種動物無法根據獎懲對事件進行預測或控制，那么它也將自絕于世間。強化學習提供了這樣的一種理論核心，即能夠通過心理學與神經科學組織與促進大量的工作，而我也計劃在演講中提及這些可能面對的挑戰?！?/p>
Kristen Grauman：機器如何實現第一視角的無監督學習？
德克薩斯大學奧斯汀分校計算機科學助理教授 Kristen Grauman 在 MIT 獲得了博士學位，而這位美女及其團隊拿下了三大人工智能頂級會議的最佳論文：
CVPR 2008：大范圍圖像檢索的散列算法；
ICCV 2011：視覺屬性建模；
ACCV 2016：360 度視頻的自動攝影。
此外，她還是 TPAMI 的副主編，兼任 CVPR2015 的項目主席。
目前視覺識別的現狀是讓機器在帶有人類標記的網絡照片里學習。但認知科學告訴我們，這個概念需要隨著實際應用而改變了——沒有監督的真實世界里，機器又要怎么學習呢？Grauman 在 AAAI 2017 上將帶來工作的最新成果：讓機器如何通過不經標記的視頻來學習有效的認知。機器通過接受以第一視角拍攝的視頻，在視角移動過程中了解「我如何移動」與「我看到了什么」之間的聯系。此外，團隊探討了如何在這種新形式中讓機器學會提取不變的物體特征，并實現無監督學習下的視覺觀察，甚至比傳統的有監督學習效果更佳。根據這一實驗成果，系統可以簡單地模仿人類攝影師的拍攝手法，自動從未經處理的 360 度視頻中剪輯短片。
Russ Tedrake：無人機如何解決動態控制問題？
Russ Tedrake 是 MIT 電子工程及計算機科學的教授，同時也是 CSAIL 機器人中心的負責人，他曾帶領團隊研究如何應對 DARPA 的機器人挑戰，目前也是微軟研究院的新晉 Fellow。
Tedrake 認為，類人機器人、機械臂及無人機所代表的動態及控制問題都有著非線性動力學及固有的組合結構。他在演講中計劃回顧這兩個方面所存在的問題及研究進展，包括混合整數凸度、半限定編程松弛及基于 SMT 的方法，以克服粗糙地形、抓地力優化及無人機在復雜環境飛行等問題。
以上便是 AAAI 2017 上六位大牛的演講內容前瞻，至于演講實錄，還請等待雷鋒網 AI 科技評論從前線發回的報道吧！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
