實錄 | 計算未來輕沙龍：人工智慧前沿與應用研討會（PPT下載）

 張佶 / 阿裡巴巴智慧服務事業部高階演演算法專家 

張佶，阿裡巴巴智慧服務事業部高階演演算法專家，致力於智慧人機互動領域的演演算法研究和業務場景落地，目前在阿裡小蜜團隊擔任企業小蜜演演算法平臺負責人，推動阿裡小蜜在國內和海外業務領域的演演算法實踐，帶領團隊實現了機器閱讀理解、多語言問答等演演算法技術最早的成功應用。    

 從學術研究到工業落地—阿裡小蜜機器閱讀實踐 

本次分享將介紹機器閱讀理解這一學術熱點技術在阿裡小蜜真實的業務和產品中有哪些具體場景，落地過程中有哪些挑戰以及如何設計面向工業應用的機器閱讀技術平臺。     

 徐瀟然 / Hulu研究員 

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，研究點主要關註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，和基於註意力流(Attention Flow)的可微推理模型。    

 推理、知識圖譜與深度學習 

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，在執彼此之手中開啟強AI的序幕？在令眾生憧憬的道路上，還有哪些需要逾越的鴻溝？從歷史到當下，簡單談一下我們的體會和展望。   

 王佩琪 / 清華大學計算機系博士生 

王佩琪，計算機系14級博士生，主要研究方向為神經網路硬體加速，網路壓縮，計算體系結構設計。 

 SNrram：基於ReRAM的稀疏神經網路加速 

在這次報告中，簡要介紹一種針對稀疏神經網路的硬體加速架構設計。神經網路演演算法的迅速發展，對硬體的計算資源和儲存資源需求都在不斷提高。從體系結構的角度，我們設計了一種專用的加速架構，可有效利用網路的稀疏性來實現硬體加速。  

 米爾阿迪力江·麥麥提 / 清華大學計算機系博士生 

米爾阿迪力江·麥麥提，清華大學計算機系2015級博士研究生，北京新譯資訊科技有限公司低資源語言機器翻譯技術顧問。研究方向包括自然語言處理、機器翻譯、跨語言資訊檢索以及機器學習；相關工作發表在ICIS,ICCSIP,TALLIP等國際會議及期刊上。同時，一直積極參與多項國家自然科學基金專案與國家重點課題。

 基於多輪遷移學習的低資源語言神經網路機器翻譯 

在這次報告中，首先講一下神經網路機器翻譯研究的目前總況，同時介紹一下低資源語言翻譯中的有些挑戰；其次，介紹一下低資源機器翻譯研究中的已有的工作（好處並短處）；再次，將詳細介紹我們本篇論文中提出的方案、跟前人工作的比較以及所取得的成績；最後跟大家分享一下本領域的發展趨勢並尚未得到解決的問題。   

 周琳鈞 / 清華大學計算機系博士生 

周琳鈞，現為清華大學計算機系媒體所Media and Network Lab三年級博士生，主要研究方向為小樣本機器學習及類人視覺推理，指導教師為楊士強教授。    

 基於視覺推理的小樣本影象分類 

本次講座主要給大家介紹小樣本機器學習的歷史與發展，在此基礎上，我們參考人類的視覺推理能力，提出了一個全新的小樣本影象分類的演演算法：Visual   Analogy Graph Embedding Regression (VAGER),   實驗表明我們提出的演演算法優於目前最新的演演算法且具有較強的可解釋能力。最後會給大家分享小樣本機器學習未來的發展方向。    

 易冉 / 清華大學計算機系博士生 

易冉，清華大學計算機系媒體所博士在讀，研究領域為計算機視覺及計算幾何。博士期間在CVPR、SIGGRAPH   Asia、TASE發表多篇文章。    

 APDrawingGAN: 人臉照片藝術肖像風格化 

在這次報告中，我會展示如何使用針對人臉設計的生成對抗網路，學習不同面部特徵的專用繪製策略，從單張人臉照片生成高質量的藝術肖像畫。該研究成果錄取為CVPR 2019的oral論文。  

 荊明軒 / 清華大學計算機系博士生 

荊明軒，清華大學計算機系人智所博士三年級學生，研究方向為機器人擬人學習和模仿學習。

 基於人傾向性的機器人遷移學習 

這次報告中，首先介紹模仿學習、遷移學習和擬人學習的一些基本概念和方法，然後介紹最近的基於傾向性的機器人遷移學習工作，最後進行總結與展望。