【预告】TF39: 语言知识前沿研究与工业实践
12月27日，主题为“语言知识前沿研究与工业实践”的TF39期研讨会将于线上举行。本次研讨会邀请到学术界资深研究专家和和业界资深技术专家，从因果关系、结构化预测、BERT的工业实践、机器翻译的研究和实践、多模知识对话系统等技术的研究和探索，分享人工智能前沿研究和落地进展，并探讨其未来突破方向。欢迎报名参加！
CCF TF 技术前线
只为技术专家
CCF TF第39期
主题 语言知识前沿研究与工业实践
2020年12月27日 14:00-17:00
自然语言处理(NLP，Natural Language Processing)是人工智能的重要技术领域，其发展历史几乎与计算机和人工智能的发展历史一样悠久，NLP技术的进步将大大推动人工智能整体进展。语言和知识是NLP领域发展的两个重要元素，对NLP技术实际落地发挥重大影响。
本次论坛邀请到学术界资深研究专家和和业界资深技术专家，从因果关系、结构化预测、BERT的工业实践、机器翻译的研究和实践、多模知识对话系统等技术的研究和探索，分享人工智能前沿研究和落地进展，并探讨其未来突破方向。
会议主席
CCF TF金融科技SIG主席 平安人寿人工智能研发团队总经理
沈剑平
个人简介：平安人寿AI研发负责人，负责AI技术的研发及在保险业务场景的落地应用。曾在腾讯及百度工作。并担任复旦大学硕士校外导师、香港中文大学（深圳）校外导师等。
特邀讲者
卡耐基梅隆大学哲学系与机器学习系副教授、德国马普所智能系资深研究科学家
张坤
主题报告一：因果表征与人工智能
主题简介：通过数据分析发现因果关系是个很重要的研究课题。目前研究界在尝试回答下述问题：什么时候应该使用因果知识，什么时候知道关联信息足够充分？如何通过分析观察到的数据找到变量之间的因果趋势？在迈向强人工智能之路，因果信息将起到很大的作用。本次讲座将介绍如何通过观察数据学习因果关系的相关技术，如何通过因果的角度实现自适应的预测和更高层次的人工智能，并阐述一些相关应用。
个人简介：博士毕业于香港中文大学。研究方向为通用人工智能和因果关系。曾获UAI最佳学生论文，入围CVPR最佳论文，因果挑战最佳基准挑战奖。他是机器学习等顶会NeurIPS, ICML, UAI, IJCAI和AISTATS的资深领域主席或领域主席。
新加坡科技设计大学副教授
陆巍
主题报告二：StatNLP: 自然语言处理中结构化预测的统一框架
主题简介：结构化预测是机器学习、计算机视觉、自然语言处理一个重要的研究课题。本次讲座我将给大家介绍一个创新的统一结构化预测框架。该框架囊括了目前已有的结构化预测模型，如线性链条件随机场(Linear chain Conditional Random Field, CRF)、半-马尔科夫条件随机场(semi-Markov CRF)、隐变量条件随机场(latent variable CRF)、基于概率上下文无关文法的句法分析(Probabilistic Context Free Grammar, PCFG)、基于树形条件随机场(tree-CRF)、结构化支持向量机(structured SVM)和基于深度学习的结构化预测模型，如神经网络/长短记忆网络条件随机场等。基于上述框架，我们可以方便快捷的实现其他复杂的结构化预测模型（如混合树模型），其他传统模型无法实现的带重叠结构的模型。该框架亦被使用应用于信息抽取、名词短语组块(noun phrase chunking)、语义解析(semantic parsing)、情感分析和算术应用题解析等实际场景中。
个人简介：新加坡科技设计大学副教授、信息系统技术与设计(ISTD)副主任。在自然语言处理领域做出的贡献集中于语义分析、语言生成、结构预测、信息抽取等。TACL、CL执行编委，在ACL、EMNLP等会议发表超过70篇论文。2011年获EMNLP最佳论文奖。
云知声 AI Labs 资深技术专家
刘升平
主题报告三：BERT应用工程化实践
主题简介：近年来，BERT等预训练语言模型凭借其优异的性能几乎席卷了整个自然语言处理领域，但BERT模型也带来了巨大的显存消耗和漫长的训练、推理时间，这给BERT的工程化应用带来了阻碍。为此，我们将分享云知声对BERT模型工程化的解决方案。我们首先介绍主流的模型小型化的方法，然后介绍在云知声内部得到广泛应用的预训练语言模型平台UniPLM，以及我们总结的BERT应用工程化方法论，最后，以一个评测为例子，介绍我们拿到评测冠军的技术以及如何把此技术顺利应用在实际生产环境中。
个人简介：前IBM研究院资深研究员，中文信息学会语言与知识计算专委会委员。2005年获得北京大学应用数学专业博士学位。2012年底，加入云知声AI Labs，领导NLP团队，全面负责自然语言理解和生成、人机对话系统、聊天机器人、知识图谱、智慧医疗等方向的研发及管理工作。
腾讯AI Lab专家研究员
涂兆鹏
主题报告四：机器翻译研究与应用探索
主题简介：本次报告主要分享腾讯AI Lab在机器翻译的基础研究和应用场景上的一些探索，包括：
1.针对机器翻译核心问题——信息失真（如漏翻、错翻等）的模型改进；
2.对同声传译、拍照翻译等场景中含噪输入导致的译文错误的解决方案；
3.业界首个交互式翻译系统TranSmart中的一些技术难题攻克；
4.开放AI能力，赋能合作伙伴时的通用翻译能力提升。
个人简介：腾讯AI Lab专家研究员，研究方向为机器翻译和深度学习，在国际顶级期刊和会议上发表学术论文五十余篇。SCI期刊NeuroComputing副主编，多次担任ACL、EMNLP、AAAI、IJCAI等国际顶级会议领域主席和高级程序委员。
平安人寿SAIL Lab负责人，香港中文大学客座副教授
杨海钦
主题报告五：多模知识智能对话技术的探索与实践
主题简介：本次讲座讲测重讲解我们AI团队在寿险场景中落地多模知识的智能对话技术，探索如何更好赋能百万代理人、服务2亿寿险用户。在讲座中，将介绍平安人寿的应用成果，如：保险行业首个打造“AI会客厅”的智能拜访助手以及行业首款视频回访机器人等。同时将介绍提升实际场景性能的相关技术研究工作，包括移情对话系统的相关技术、基于知识图谱的挖掘技术。
个人简介：博士毕业于香港中文大学，是机器学习和大数据分析领域专家。已发表专著2部，杂志和会议论文50多篇，美国专利1项，中国发明专利多项等。谷歌学者引用超3000，h-index=24。为2018年亚太神经学会年青研究者唯一获奖者，并于2020入榜AI 2000经典AI(AAAI/IJCAI)最具影响力学者。担任ICONIP’20程序委员会主席，WWW’20程序集主席，多次担任AAAI，IJCAI，ICML, NeurIPS的领域主席或(资深)程序委员会成员。
日程安排
14:00-14:10 | 沈剑平 CCF TF金融科技SIG主席 | 开场致辞 |
14:10-14:40 | 张坤 卡耐基梅隆大学哲学系与机器学习系副教授, 德国马普所智能系资深研究科学家 | 因果表征与人工智能 |
14:40-15:10 | 陆巍 新加坡科技设计大学副教授 | StatNLP：自然语言处理中结构化预测的统一框架 |
15:10-15:40 | 刘升平 云知声AI Labs资深技术专家 | BERT应用工程化实践 |
15:40-16:10 | 涂兆鹏 腾讯AI Lab专家研究员 | 机器翻译研究与应用探索 |
16:10-16:40 | 杨海钦 平安人寿SAIL Lab负责人，香港中文大学客座副教授 | 多模知识智能对话技术的探索与实践 |
参会说明
1、报名时间截止到12月26日24:00点。
2、将会场挪至互联网，打破地域限制，自由参与其中。
3、免报名费，对TF感兴趣的参会者完全开放。
4、会议模式：腾讯会议
5、参会帐号和密码将在会前两个小时，通过邮件和手机短信通知。
参会方式
联系方式
电 话：010-62600321-22邮 箱：tf@ccf.org.cn手 机：153-1141-9618
点击“阅读原文”，免费报名参加TF39！