澳门赌场

　　7月22-23日，在中国科学技术协会、澳门赌场的指导下，由中国人工智能学会、阿里巴巴集团&蚂蚁金服主办，CSDN、澳门赌场自动化研究所承办的2017中国人工智能大会(CCAI 2017)在杭州国际会议中心盛大召开。 
　　本次大会围绕着当前AI热点话题、核心技术，以及与会者共同关注的科学问题进行深入交流和探讨，并针对语言智能与应用、智能金融、人工智能科学与艺术、人工智能青年发展四个主题设立专题论坛，对于我国人工智能的科学研究及在各行业落地有着极大的推进作用。本次大会为期两天，以“AI大师主题报告”、“专题论坛群雄论剑”的方式展开，主题报告环节，由香港科技大学计算机系主任杨强，蚂蚁金服首席数据科学家漆远，南京大学教授周志华，以及澳门赌场自动化研究所研究员宗成庆分别主持。中国工程院院士、中国人工智能学会理事长李德毅，澳门赌场院士、中国人工智能学会副理事长谭铁牛，阿里巴巴技术委员会主席王坚分别发表大会致辞，总结过去一年产学研界在人工智能领域取得的丰硕成果，并热忱地欢迎所有与会者的到来。 
　　大师云集，世界级学术带头人齐聚，权威分享人工智能的创新发展
　　大会现场，9位海内外工智能专家分别从人工智能技术的两面性、L3自动驾驶挑战、深度学习迁移模型、金融智能实践，到构建强健的人工智能、机器学习在商务智能中的创新应用、众包中的统计推断与激励机制、小数据方法模型以及弱监督机器学习研究最新进展等进行了深刻解读与分享，在拓展人工智能边界的同时也为其未来发展及应用实践指明了方向。
　　大会首日第一个主题报告来自中国人工智能学会理事长李德毅。在主题为《L3的挑战与量产》的报告中，李德毅重点讨论了当前L3自动驾驶汽车所面临的挑战以及量产问题，并表示定制量产L3应先用于特定场景，且自动驾驶汽车能否取代驾驶员掌控，取决于其能否处置特定场景下的意外情况，能否发出求助信息要求人工干预，或者在迫不得已时作出最小损失决策。
　　香港科技大学计算机系主任杨强则从深度学习模型的共性问题谈起，在主题报告《深度学习的迁移模型》中，深度剖析如何使得深度学习模型变得更加可靠，使得在数据变化的情况下，模型还可以持续可用，更通过不同的应用案例多角度地阐述迁移学习的深度模型所带来的优点。
　　澳大利亚新南威尔士大学教授、AAAI执行委员会成员Toby Walsh的报告则更聚焦于如何发展可用于造福社会的技术，以《人工智能造福人类的那一面》为主题，结合实际研究案例，详细阐述人工智能技术的两面性，以及如何来帮助现有的食品银行，以及器官银行。
　　蚂蚁金服副总裁、首席数据科学家漆远发表《金融智能的发展与应用》主题报告，在大会现场具体介绍了蚂蚁金服在金融服务场景中如何发展AI技术——从新的深度学习模型到深度学习与图关系的结合等——来应对这些挑战，分析如何将新技术创新应用在场景中，以解决金融服务的关键问题，如风控与智能助理等，并且就当下金融智能面临的开放性问题进行了探讨。
　　第二天的主题报告则都由来自海外的AI领域翘楚带来。其中，德国人工智能研究中心(DFKI)科技总监Hans Uszkoreit分享了《机器学习在商务智能中的创新应用》，介绍如何分析各种来源的数据，用于执行众多的商务智能任务，如供应链监控、市场调研和产品管理等。其所讨论的方法包含了不同类型的机器学习和基于知识的自然语言理解技术，充分利用知识图表和各种结构化数据源，实现信息的互为补充。在此方法中，文本分析管道被嵌入在开源大数据分析平台Apache Flink中，能支持近乎实时地快速处理海量数据。
　　美国微软雷德蒙研究院首席研究员周登勇(Dengyong Zhou)发表《众包中的统计推断与激励机制》主题演讲，具体总结了微软雷德蒙研究院过去几年在基本的众包问题的研究与工程上的进展。具体来说，主要集中在群体智慧与激励机制两个方面。在技术上更是融合了机器学习、统计推断、博弈论、心理学以及人机交互，目前，周登勇及其团队对于众包的研究工作已经应用到了微软的诸多产品。
　　南加州大学副教授Fei Sha则从《大数据如何帮助“小数据”？》切入，介绍其所在团队在该方向的研究成果，并通过3个场景阐述多任务学习、领域适应及零样本学习。该主题旨在从其他任务和相关大数据集中寻求帮助，以研究有关小数据的方法和模型。并且，报告还探讨了相关方法的制定，以及如何将它们运用到实际问题中。
　　日本理化学研究所先进智能研究中心主任Masashi Sugiyama发表《弱监督机器学习研究新进展》主题演讲，总结了其与团队在监督弱化分类方面的最新研究进展，包括两组未标记数据分类、正面数据和未标记数据分类、半监督分类的新方法以及补充标签分类。最后，还简要地介绍了RIKEN高级智能中心项目。
　　在主题报告的最后，俄勒冈州立大学教授、AAAI前主席Thomas G. Dietterich带来了《构建强健的人工智能：原因及方式》演讲。当前，人工智能技术正在各种应用中广泛使用。由于其中一些应用可能会对人类生活或经济造成威胁，因此我们需要寻找相应的算法和方法来确保人工智能系统行为安全。本报告即介绍了用于保证安全行为的方法，并综合考虑“已知的未知”情况(对不确定情形有一个明确的模型)以及“未知的未知”情况(模型不完整或错误)。