GMIS 2017读懂机器智能前沿技术：这份技术清单助你做好准备

5 月 27 日至 28 日，机器之心 SYNCED 主办的 2017 全球智能机器峰会（GMIS 2017）将在北京正式举行。这是机器之心主办的第一届 GMIS 大会，从大咖参会、人机大战，到五场主题 Session 和 IME 主题展的设置，可谓亮点十足 。

此外，我们还启动了志愿者招募和赠书等活动。现在离大会正式开幕还有 11 天，相信你已经为你心仪的演讲和分享做好了准备。在这篇文章中，我们将对 GMIS 2017 大会上出现的前沿技术分享进行一个前瞻性的介绍，希望能为你的参会计划安排提供帮助。

从深度强化学习到生成对抗网络再到超大规模的深度学习，机器学习的疆界在研究的推动下不断扩大，为计算机赋予了许多前所未有的强大能力——有的甚至已经比肩甚至超过了最优秀的人类的水平。在这一届 GMIS 大会上，将有多个领域的多位科学家和研究者分享他们对于机器学习研究现状以及未来的看法，内容涉及无监督学习、语音识别、语音降噪、视觉信息处理、迁移学习、认知对话等计算机领域，也将涵盖语言学、神经科学等交叉学科。

第一天：从无监督学习到交叉学科

大会第一天，有「LSTM 之父」之称的深度学习神经网络开拓者 Jürgen Schmidhuber 将首先带来主题为《真正的人工智能将会改变一切（True Artificial Intelligence Will Change Everything）》的开场演讲。在这场演讲中，Schmidhuber 将探讨 21 世纪最重要的变革力量之一——人工智能，他认为人工智能即将改变我们人类文明的每一个方面。作为一位通用人工智能的重要支持者，他还将在 GMIS 2017 谈到他对人工智能未来的看法，并且还将畅想人工智能与人类文明的共同命运。

紧随其后，微软人工智能首席科学家邓力将分享《无监督学习的最新进展（Recent Advances in Unsupervised Learning）》。他认为，聚类方法、GAN 和变分自编码器（VAE）等传统无监督学习方法关注的重点是对输入数据的结构建模，而邓力则将探讨一种通过探索输出结构来进行无监督学习的方法以及为这种学习技术的新型成本函数问题所提出的新技术——随机原始-对偶梯度（SPDG：stochastic primal-dual gradient）。

有关研究的论文《一种利用序列输出统计的无监督学习方法（An Unsupervised Learning Method Exploiting Sequential Output Statistics）》已经在 arXiv 上发布：https://arxiv.org/abs/1702.07817，来听演讲之前，不妨先读读论文吧。

在了解这项无监督学习的前沿进展之后，腾讯 AI Lab 副主任俞栋又将带我们洞悉《语音识别领域的前沿研究》。

语音识别已经有数十年的研究历史了，而在近些年来深度学习的推动下，语音识别的准确度已经在一些评测标准上超过了人类水平。但语音识别仍还有有一些难题仍待完全解决，比如「鸡尾酒会问题」。俞栋将在 GMIS 2017 上带我们回顾语音识别领域的过去和现在，并将探讨那些悬而未决的问题。不要错过这个演讲，或许你从中找到研究或创业下一步方向。参会之前，看看这篇文章或许会有所帮助《机器之心年度盘点 | 从技术角度，回顾 2016 年语音识别的发展 》。

在第一天下午的三场 Session 中，第一场是专门的机器学习主题。

首先，俄亥俄州立大学感知与神经动力学实验室主任、大象声科首席科学家汪德亮将分享《基于深度学习的语音降噪技术》。作为全球第一个将深度学习应用于语音增强的科学家，汪教授正在利用深度学习技术推动解决「鸡尾酒会问题」，即如何让计算机正确识别在嘈杂环境中多人对话的声音。汪教授将在 GMIS 2017 分享他在这方面的研究成果。如果你也正在从事这方面的工作，一定不要错过这个最前沿的声音。更多内容可参阅《深度 | 听！具备深度学习能力的助听器是怎么工作的？》

之后，地平线机器人创始人余凯将解读《自动驾驶中的深度学习》。众所周知，自动驾驶涉及到大量人工智能相关的技术——计算机视觉、预测、决策……而且还对计算速度和实时性有很高的要求。在这个 GMIS Session 中，余凯将从技术的角度分享深度学习在自动驾驶方面的应用，让你了解自动驾驶系统从感知到决策的整个过程。这将会是一个干货十足的演讲，这两篇文章《重磅 | 自动驾驶计算机视觉研究综述：难题、数据集与前沿成果》和《深度 | 英伟达自动驾驶技术解读：用于自动驾驶汽车的端到端深度学习 》或许能帮助做一点准备。

还记得清华大学机器学习组开源的「珠算（ZhuSuan）」 软件库吗？据了解，使用珠算，用户可以享有深度学习的强大拟合能力和多 GPU 支持的高效训练，同时，还能通过生成模型对复杂环境进行建模，充分利用无标注数据，并通过严谨的贝叶斯推理处理不确定性。在这场 Session 中，清华大学副教授朱军还将更进一步地对这一软件库进行解读。

另一场 Session 则是专为机器学习与其它领域的交叉学科所设置的。

其中，在人工智能上取得成功的「叛逆者」Gary Marcus 将对《控制智能与机器智能（Control Intelligence and Machine Intelligence）》进行一个全面的概述。

接下来，来自北京师范大学认知神经科学与学习国家重点实验室的吴思教授将分享《视觉信息处理的动态法则》，他将从神经科学的角度为我们论证解析为什么「动态信息处理是智能的关键，而预测又是动态信息处理的关键」。从这个角度，相信你能够获得对机器智能和人类智能的全新认识。

看过今年年初在中国上映的科幻电影《降临》吗？你从中感受到语言学的不可思议了吗？本届 GMIS 也有幸邀请到了《降临》的科学顾问兼麦吉尔大学语言学系副教授 Jessica Coon，她将对《降临》背后的语言学进行解读，带你进入外星人、语言学实地考察和普遍文法的神奇领域。

了解了语言学的魅力之后，杉数科技联合创始人、首席科学家、上海财经大学交叉科学研究院院长葛冬冬又将带我们走进运筹学的领域。运筹学是一门研究怎样处理事情更有效的学科（因此达成「优化」或「最优化」常常是运筹学的目标）；如今，从管理、金融、计算机、军事到日常生活的具体问题，运筹学都能给出可实施的解决方案。在 GMIS，葛冬冬将探讨分享优化运筹在人工智能时代的挑战和机遇、工业实践方法以及该领域的工作方向。想要在此之前了解更多有关运筹学及其与人工智能交叉学科的内容？可查看机器之心对杉数科技的专题报道《这家公司正在影响大公司决策，还开发了一款机器学习优化引擎》。

这场 Session 将以一场主题为《机器学习的前沿与交叉研究》的圆桌论坛而结束。届时，将有前面提到的邓力、俞栋、吴思以及 Bay Labs 科学与技术负责人 Johan Mathe 和麦克马斯特大学工程实践与技术学院助理教授高振等研究者将聚首一处进行思想的碰撞。在这里，你也许能收获意想不到的观点和启迪。

而在接下来的另一场「先锋青年」主题的 Session 上，将有两位青年科学家通过演讲分享他们在机器学习前沿上的研究和思考。

首先，第四范式联合创始人兼首席研究科学家陈雨强将分享他对于机器学习模型的「深度」和「宽度」的看法——模型是越深越好还是越宽越好？我们该如何找到这两者之间的平衡，希望你能在这里找到答案。这会是一场干货十足的分享，如果你想做更好的准确，不妨先浏览一下机器之心之前的相关文章《观点丨深度神经网络中深度究竟带来了什么？》和谷歌在这方面的研究成果《深度 | 谷歌新开源「宽度&深度学习」框架：结合记忆和归纳实现更优推荐》。

然后，NIPS 2016 最佳论文《价值迭代网络（Value Iteration Network）》的作者之一、伯克利在读博士吴翼也将在本次大会上对这项研究进行一次宣讲。据了解，价值迭代网络是一种能学习设计策略，而不是被动的完全遵循策略的神经网络，具有一种不同于以往的「基于模型的（model-free）」强化学习观。来听分享之前，不妨先看看机器之心对他的专访做做准备吧。

最后，围绕「机器智能时代的青年先锋视野」的主题，加州大学伯克利分校计算机系在读博士姜碧野、卡内基梅隆助理教授 Zachary Lipton、澎峰科技创始人张先轶、Abundy 创始人& CEO 邹昊和 Fusion Fund(A.K.A NewGen Capital) 创始合伙人张璐等青年先锋将共同分享讨论他们对机器智能时代的观点和看法。在这些青年先锋的观点碰撞中，你或许你能在这场论坛中看到机器智能的未来方向和机会。

第二天：从迁移学习到启发式搜索

相比于第一天密集的前沿解读和技术分享，第二天的演讲更侧重人工智能的产业应用和社会价值，但其中也有一些值得关注的技术内容值得你期待。

第二天上午，吴翼的博士生导师 Stuart Russell 将在开场演讲中剖析人工智能当前所面临的挑战和难题。这位著名的人工智能学者是人工智能「标准教科书」《人工智能：一种现代方法》作者之一，这本标准教科书目前已被全世界 1300 多所大学选为教材。

迁移学习是近来机器学习研究的一个重要方向，是指将在一个场景中学习到的知识迁移到另一个场景应用中。在 GMIS 2017 上，第四范式联合创始人兼中国香港科技大学教授杨强将在 Russell 的分享之后为我们解读迁移学习方面的研究。在此之前，不妨先读读机器之心的第四范式专栏文章《第四范式专栏 | 杨强教授漫谈《西部世界》、生成式对抗网络及迁移学习》和《深度 | 迁移学习全面概述：从基本概念到相关研究 》。

接下来在科大讯飞执行总裁胡郁和蚂蚁金服首席数据科学家漆远的演讲之后，上海交大教授、思必驰联合创始人兼首席科学家俞凯将解读《迈向智能认知型对话交互》。

最后的技术分享来自阿尔伯塔大学教授、计算机围棋顶级专家 Martin Müller。如果你对这个名字不熟悉，那你一定听说过 AlphaGo。实际上，AlphaGo 相关 Nature 论文的第一和第二作者 David Silver 和黄士杰（Aja Huang）都曾师从于他。他将在 GMIS 2017 上解读《深度学习时代的启发式搜索》。

GMIS 2017

GMIS 2017 将会是一场融合了学术界和产业界的顶级盛会。对技术内容感兴趣的观众将在本次会议上看到学界的研究者和在一线领导技术开发的业界大牛对前沿思想和应用技术的解读。除了上面提到的围绕技术内容的分享解读之外，本次 GMIS 2017 上还有搜狗 CEO 王小川、图灵机器人 CEO 俞志晨和图普科技 CEO 李明强等业界领袖和百度风投 CEO 刘维和联想之星 Comet Labs 管理合伙人 Saman Farid 等投资界代表在他们角度上分享对机器智能的看法以及相关产品开发和投资上的经验。

大会全部的日程安排可以浏览大会官网 gmis.jiqizhixin.com 或这篇文章《从 46 位嘉宾到 1 场人机大战：GMIS 2017 全部亮点都在这里》。