精品 | 2016三大深度学习峰会：顶级科学家360度剖析技术重点、应用关键及投资机会

【新智元导读】Re-Work上放出了本年度波士顿、伦敦、柏林的三大深度学习峰会的全部演讲视频，156位行业精英带来精彩演讲，其中包括 Yoshua Bengio、伦敦帝国学院认知机器人学教授Murray Shanahan等人。新智元搜集整理翻译了三场峰会的全部简介，并附上视频链接，为想要在周末“充电”的读者带来本年度深度学习界的绝对干货。

波士顿深度学习峰会，2016年5月12日-13日

视频地址：http://videos.re-work.co/events/1

1. 采访HonglakLee，密歇根大学计算机科学助理教授

Honglak Lee是密歇根大学计算机科学与工程系助理教授。他于2010年获得斯坦福大学计算机科学系博士学位，师从Andrew Ng教授。他的研究兴趣主要是机器学习，包括深度学习，无监督、半监督和监督学习，转移学习，图形模型和优化。他还致力于计算机视觉，音频识别，机器人感知和文本处理中的应用问题。 他的研究在ICML（2009）和CEAS（2005）获得最佳论文奖。

2. Yoshua Bengio：深度学习框架

Yoshua Bengio，1991年获McGill大学计算机科学博士学位，MIT及AT&T贝尔实验室博士后，加拿大蒙特利尔大学的计算机科学系教授，统计学习算法研究主席，NSERC主席，CIFAR研究员，NIPS基金会理事会成员，等。出版两本著作及300多种出版物，最多被引用的领域是深度学习，回归网络，概率学习，自然语言和流形学习。 他是被引用最多的加拿大计算机科学家之一，曾担任机器学习和神经网络顶级期刊的副主编。

3. 构建用于深度学习的节能加速器

Vivienne Sze，MIT; 陈新兴，MIT

随着深度学习在我们的生活中变得越来越普遍，我们需要更好的硬件基础设施来支持可预见的大量计算。尤其，当前CPU和GPU系统的高能耗阻碍了更大规模的深度学习，因此，专用的深度学习加速器将是解决这个问题的关键。在这次演讲中，我将介绍我们为深层卷积神经网络（CNN）建立的名为Eyeriss的节能加速器，这是目前许多深度学习算法的基石。 Eyeriss可重新配置以支持最先进的深层CNN。 它专注于最小化加速器和主存储器之间以及加速器的计算结构内的数据传送，与当前的移动GPU相比，我们能实现10倍的能效。

4. 物理直觉学习实例

Adam Lerer，Facebook工程师

人类在婴儿阶段就懂得视觉的“常识”概念，例如物体的静止、重力和直觉性的物理。例如，婴儿能通过玩积木获得关于世界的物理行为的直觉。虽然深层神经网络在许多计算机视觉任务上显示出非常好的性能，但更复杂的推理（例如“下个场景中将会发生什么？”）需要理解物理世界的行为。我们研究深度前向模型以学习这种直觉性的物理。我们使用3D游戏引擎创建积木的小块，并训练大型卷积网络模型，以准确预测其稳定性。这个模型能够推广到新的物理场景和实际的图像。

其他重要视频

视频聚焦：Nervana Systems #reworkDL

UrsKöster，NervanaSystems工程师

YoshuaBengio访谈

Yoshua Bengio，蒙特利尔大学终身教授

用于识别更换部件的工业强度管道

Nashlie Sephus，PartpicCTO

深度学习应用：现在和未来

Hugo Larochelle，Twitter研究科学家

深度学习与解析表达

Honglak Lee，密歇根大学计算机科学助理教授

临床试验：人工智能改善健康结果

Alejandro Jaimes，AiCure首席科学家&CTO

PANEL：AI在企业中的实际应用

Kathryn Hume , Fast Forward Labs; LeonardD'Avolio , Cyft; Yuri Ivanov , Rethink Robotics

3D深度学习与机器人知觉

Jianxiong Xiao，普林斯顿大学助理教授

深度置信网络的双层推理

Tony Jebara，Netflix研究机器学习主任

移动视频物体检测

Adham Ghazali，ImageryCEO

深度学习于生物多样性保护

David J. Klein，ConservationMetrics首席AI开发者

人工智能主要数据库

Mark Hammond，BonsaiCEO

鸡尾酒会问题：语音分割的深层聚类

John Hershey，三菱电机研究实验室首席科学家

Byte2vec及其在自然语言处理中的应用

Parsa Ghaffari，AYLIEN创始人兼CEO

深度学习的生物基础：决策网络

Nathan Wilson，NaraLogics联合创始人兼CTO

深度学习用于自然语言表达和推理

Andrew McCallum，Amherst大学数据科学中心主任

不只关键字搜索：用CV2Vec找到工作候选人

Byron Galbraith，Talla首席数据科学家

深度学习和图像识别如何改变广告体验

Cambron Carter，GumGum图像科学家

Facebook产品的深度学习

Andrew Tulloch，Facebook研究工程师

深度学习规模

UrsKöster，NervanaSystems工程师

把日常设备变成健康传感器

Daniel McDuff，Affectiva研究主任。Tejas Kulkarni，MIT;北卡罗来纳大学Olexandr Isayev; Aditya Khosla，MIT; Nanette Byrnes，麻省理工学院技术评论

怎样使深度学习在短期内实现尽可能大的影响力？

Tejas Kulkarni , MIT; Olexandr Isayev ,North Carolina大学; Aditya Khosla , MIT; Nanette Byrnes ,MIT 技术评论

伦敦深度学习峰会, 9月22日至23日

视频地址：http://videos.re-work.co/events/6

1. 采访MurrayShanahan，伦敦帝国学院认知机器人学教授

Murray Shanahan是伦敦帝国学院计算机系认知机器人学教授，领导神经动力学团队。他毕业于帝国学院和剑桥大学（国王学院），2006年成为全职教授。他的著作涉及人工智能、机器人学、逻辑学、动力系统、计算神经科学和心智哲学。Murray Shanahan还是电影Ex Machina的科学顾问，并定期在媒体上发表有关人工智能和机器人的文章。他的著作“Embodimentand the Inner Life” 于2010年由牛津大学出版社出版，最新著作“The Technological Singularity”（《技术奇点》）于2015年8月由MIT Press出版。

2. BenMedlock，SwiftKey创始人演讲

SwiftKey最知名的是它的智能输入法技术，能从用户打字习惯学习，实现准确的自动更正和输入预测，目前已经有超过250万台设备使用SwiftKey的输入法服务。Swiftkey被Wired杂志评为伦敦最热门创业公司，在Fast Company评出的世界最具创新力公司名单中位列前五，并且凭借其创新产品获得了一系列奖项。Ben Medlock在达勒姆大学获得计算机科学学士学位，在剑桥大学获得自然语言和信息处理博士学位。作为SwiftKey的联合创始人和首席技术官，Ben Medlock发明了智能手机和平板电脑的智能键盘，改变了触屏打字方式。SwiftKey的使命是让每个人都能轻松地在移动设备上实现创造和交流。

3.数据妄想：深度学习民主化的挑战

演讲：Neil Lawrence，Sheffield大学机器学习与计算生物学教授

深度学习在各个领域取得的一系列成果被誉为人工智能的一场新的革命。人工智能从在国际象棋上打败Kasparov到在围棋上打败李世石，花了20年时间。但这次真正的进步是什么？根本的变化是数据的可得性和计算的可实现性，其基础技术在过去20年里并没有太大变化。那么，这对医疗和健康领域意味着什么。提高算法的数据有效性，并保持模型预测能力和个人隐私间的平衡，这方面仍存在很大挑战。本次演讲中，我们将回顾这些挑战，并提出一些发展方向。

其他重要视频：

用符号推理加强深度强化学习

Murray Shanahan伦敦帝国学院认知机器人学教授

使用CNN进行源代码摘要分类

Eiso Kant，source{d}联合创始人兼CEO

深度学习实例

Ingmar Posner，牛津大学工程科学副教授

处理计算机视觉中学习专门任务的标签瓶颈

Alex Dalyac，Tractable联合创始人兼CEO

构建AI以更好地了解和回应客户

Edward Challis，re:infer联合创始人兼CEO

促进深度学习在企业中的影响

Arjun Bansal，NervanaSystems算法VP兼联合创始人

图像艺术风格变化，神经涂鸦与纹理合成

Dmitry Ulyanov，Skolkovo科技研究院博士

用深度学习进行面部表情分析

Hongying Meng，Brunel大学助教

将感情主体置于受控世界外：深度学习的挑战

Nadia Berthouze，UCL情感计算教授

使用自主机器人和AI的3D打印

DağhanÇam，AI Build CEO

输入定制概念地图：促进AI掌握科学知识的方式

Victor Botev，IrisAI CTO

用于人脸情态识别的条件卷积神经网络

Tae-Kyun (T-K) Kim，伦敦帝国学院副教授

深度跟踪

Peter Ondrúška，牛津大学BlueVision实验室机器人学博士

夹心蛋糕——食物中的AI

Viktor Taranenko，WhiskCTO

嵌入式设备的深度学习：隐私保护高精度移动医疗工具

Nic Lane，UCL副教授

AI改变药物发现模式

John Overington，Benevolent.ai生物信息学主任

NVIDIA的深度学习业务

Jack Watts，NVIDIA；Derek Wise，Benevolent.ai

用卷积神经网络检测糖尿病性视网膜病变

Jeffrey de Fauw，GoogleDeepMind研究工程师

企业应用深度学习的挑战

Armando Vieira，BupaGlobal首席数据科学家

自动编码银翼杀手（Blade Runner）

Terence Broad，伦敦大学Goldsmiths艺术家兼研究工程师

机器能看到隐形的东西吗？

Miriam Redi，贝尔实验室科学家

怎样使深度学习在短期内实现尽可能大的影响力？

Shaona Ghosh，牛津大学；Amir Banifatemi，XPRIZE；Simon Edwardsson，Aipoly；Will Heaven，New Scientist

采访UCL情感计算教授Nadia Berthouze

金融业中的深度学习伦敦峰会, 9月23日

视频地址：http://videos.re-work.co/events/8

1. 利用深层神经网络进行实时市场预测

Diego Klabjan，西北大学教授

由于市场的复杂性，市场波动方向的预测应该同时考虑多种金融工具。这种内在的复杂性包含数千种可能的特征，因此适用于深层神经网络。我们对超过40个期货的5分钟中间价格变动应用了深度前向网络。在这种情况下，深度神经网络的性能大大优于传统模型，基于合理交易策略的回测显示了P&L和夏普指数的增加。

2.金融交易中的深度学习

Hitoshi Harada，AlpacaCTO

金融服务领域里有许多深度学习的应用潜力，Alpaca已经解决了其中一些，并且一直专注于应用于金融交易的深度学习。这次演讲中，我们将讨论我们的技术应用于实验和产品中的一些发现。

3.产品研究：金融领域的机器与人类智能

Peter Sarlin，Hanken经济学院副教授

金融领域的人工智能和深度学习在过去几年中受到很大关注。这次演讲介绍我们在应用于金融困顿、网络和新闻等的机器学习工作。我们利用机器学习进行系统性风险识别，测量微观和宏观金融失衡以发现困顿信号，进行网络分析以发现金融市场和银行破产新闻中提取的深度学习文本数据的相互关系性。

4. 深度投资组合理论

Jan Hendrik Witte，GreyMaths数据科学家

通过应用深度学习于经典投资组合优化，我们展示了如何捕捉（或“学习”）经典投资组合理论不可见的非线性特征。 我们开发一个独立的四步程序，即编码、校准、批准和验证，以提高索引跟踪和基准买进的前期效率。

其他重要视频

FinBot - 用于会计，银行等

Christine Ng，Gupshup经理

一种算法解救全部

Alesis Novik，AimBrain联合创始人

深度学习如何改革金融和房地产行业的文档管理

Dan Wucherpfennig，LEVERTON

软技能和个人化机器：人工智能如何改变游戏

Alexander Del Toro Barba，Visual Vest产品营销主管

区块链在财务中的使用

Josep GrauMiró，Caixa银行数字创新项目经理

橡树：你的金融健康教练

Niall Bellabarba，橡树联合创始人

柏林机器智能峰会 2016年6月29日 - 30日

视频地址：http://videos.re-work.co/events/4

1. GPU加速的深度学习的无限计算能力

Axel Koehler，NVIDIA首席解决方案架构师

NVIDIA一直是加速深度学习的先驱，在开发深度学习软件、库和工具方面已经深耕多年。今天的深度学习解决方案几乎完全依靠NVIDIA GPU的加速计算来训练和加速具有挑战性的任务，如图像、手写和语音识别。本演讲将概述NVIDIA在深度学习方面的最新硬件和软件开发，特别关注NVIDIA®DGX-1™，这是世界上第一个专门用于深度学习的系统。它的软件堆栈包括主要的深度学习框架，如NVIDIA Deep Learning SDK，DIGITS™GPU训练系统，驱动程序以及用于快速设计深层神经网络（DNN）的CUDA®。

2.提高医学影像的质量，价值和可得性

Kilian Koepsell，BayLabs联合创始人兼CTO

怎样为更多人带来医学影像的救命用处？Bay Labs通过结合深度学习和超声波来追求这一使命。超声波和深度学习的结合具有改变医疗条件的潜力。在这次演讲中，我将介绍我们小组成员的工作，展示现在可以触及的这种未来潜在性。最后，Bay Labs将致力于把我们的深度学习技术实现的医学成像技术带给最需要的人。

自然语言接口：使用基于案例的推理

TinaKlüwer，parlamindCTO

运输行业中利用深度学习的人力自动化挑战

Juris Puce，KleintechCTO

自动驾驶车辆中的认知系统

Daniel Göhring，柏林自由大学动力机器人和自动驾驶汽车教授

实现视觉控制四轴飞行器

Davide Scaramuzza，苏黎世大学机器人学教授

深度学习用于药物发现

Polina Mamoshina，Insilico医学研究科学家

为什么聊天机器人让人失望&如何做更好的聊天机器人

Alexander Weidauer，LastMile联合创始人

深度学习用于语音识别

SébastienBratièresat dawin gmbh，剑桥大学博士

认知机器人对学习语义环境的感知

Sven Behnke，波恩大学计算机科学系主任

基于预测分析的智能能源管理

Rolf Behrsing，ÜberEnergyCEO

学习聊天的语义呈现

Marius Cobzarenco，re:infer联合创始人兼CTO

音乐的未来：简介

Ivan Yamshchikov，mubert

传感器的神经网络

Gilles Backhus，KONUX机器学习工程师

RNN模型的临床逆向工程及预测结果

David Camacho，GeneHolisticsCEO

更好匹配人&工作的机器智能

Mihai Rotaru，Textkernel研发主管

机器人任务规划进展

Jeremy L Wyatt，伯明翰大学机器人与人工智能教授

用于语音识别的DNN、回归 LSTM神经网络和隐马尔可夫模型的组合

Gerhard Rigoll，慕尼黑人机通信研究所教授

人机合作发现最美

Appu Shaji，EyeEm研发部主任

使用深度学习生成风景路线的新方法

JohannesSchöning，Hasselt大学计算机科学教授

使用CNN进行源代码摘要分类

Vadim Markovtsev，source{d}高级机器学习工程师

机器理解语言：机器如何学习？

Marie-Francine Moens，鲁汶大学教授

AI的创造力

J. Paul Neeley，Yossarian联合创始人兼CEO

投资机器智能的挑战和机遇

Fabian Westerheide,Asgard; Jason Kingdon , Blue Prism; Jason D. Whitmire , BlueYard