预告 | 人工智能何去何从？“二十一世纪的计算”大会告诉你
丹棱君有话说：基于大数据、大计算和精确算法的人工智能，已驶入快车道。然而目前人工智能应用的开发和部署，还需要大量的手动设计的解决方案，如何从人工智能的“手工”时代，过渡到更加“工业化”的未来？在深度学习领域，有哪些新的研究动态？深度学习的方法和整体范式上有哪些限制和突破口？微软在深度学习方面，取得了什么样的进展？10 月 19 日上午 9 点在哈尔滨举办的第十九届“二十一世纪的计算”国际学术研讨会，将为你解读人工智能的未来之路。大会全程直播哦，线上参与方式详见后文~
1995 年，比尔·盖茨在自己的第一本书《未来之路》中预言道，在即将到来的二十一世纪中，“信息高速公路”将会贯通整个现代社会。在这光速变迁的二十年里，科技摩擦出的火花随处可见，科幻与现实的次元壁逐渐被打破，而这条“高速公路”通往的下一站，将是人工智能大行其道的新纪元。
今年，以“人工智能·未来之路”为主题的第十九届“二十一世纪的计算”国际学术研讨会将于 10 月 19 日上午 9 点在中国哈尔滨市隆重开幕。本届会议将由微软亚洲研究院与哈尔滨工业大学共同主办，并有幸邀请到多位全球计算机科学和人工智能学术领域的大师级人物，包括“二十一世纪的计算”大会的老朋友、图灵奖获得者 John E. Hopcroft 教授，微软公司全球资深副总裁 Peter Lee 博士和微软亚洲研究院院长洪小文博士等等，他们将与大家携手同行，探索人工智能的未来之路。
本届大会还将以微信群分享的形式进行同步直播，并邀请微软亚洲研究院资深研究员秦涛博士担任此次分享的主讲人，从专家角度实时解说嘉宾演讲（参与方式见文末）。
强大的嘉宾阵容，权威的专家解读，小伙伴们是不是已经期待值爆表了呢？在正式享用这场学术饕餮盛宴之前，先来几道精致的“开胃小菜”：大咖演讲内容抢先看。点击“阅读原文”，即可了解更多大会信息。
大咖演讲内容抢先看
Peter Lee：人工智能的手工性
Peter Lee
微软全球资深副总裁
美国计算机协会（ACM）院士
人工智能已经到达一种前所未有的科技高度，大批科学家和技术人员正在人工智能领域倾注他们的热情与专业技术，商界领袖和学者们也同样对人工智能的产业应用充满信心、翘首以待。
在微软，人工智能的元素渗透在几乎所有的产品和服务中，为用户带来巨大的收益。然而，创造和部署这样的人工智能应用并非易事，需要大量的专业知识和手动设计的解决方案。在这个意义上，可以说我们正处于“手工 AI”的时代。在本演讲中，微软全球资深副总裁 Peter Lee 将着重解析当前人工智能应用的手工性质，展望一个更加工业化的未来。
John Hopcroft：深度学习高效运作的秘诀
John Hopcroft
康奈尔大学计算机系教授
1986 年图灵奖获得者
电气电子工程师学会（IEEE）院士
美国计算机协会（ACM）院士
在人工智能的驱动下，一场信息革命正在轰轰烈烈地上演。15 - 20 年前，支持向量机模型的出现点燃了这场革命的引火线，而最近，深度学习的快速发展将信息革命推向新的高潮。众所周知，深度学习在许多应用领域中都取得了标志性的成功，但这种高效运作背后的原因却知之甚少。
在本演讲中，康奈尔大学计算机系教授、1986 年图灵奖获得者 John Hopcroft 将带领大家回顾机器学习的基础知识，并分享深度学习领域中一些比较有趣的研究方向。
Lise Getoor：从图数据科学到有效推论
Lise Getoor
加州大学圣克鲁兹分校计算机科学系教授
美国人工智能学会（AAAI）院士
我们正处于数据爆炸的时代，图数据无处不在，比如通信数据，由金融交易网络、协作网络、组织层次结构、社交媒体等产生的数据。尽管这些观测数据有一定价值，但局限性也相当突出，比如往往会带有很多“噪声”，模型也不够全面，对实际存在的深层社会、科学或技术结构只是浅触皮毛。因此，大数据分析的挑战之一就在于如何能够合理利用这种大型、异构、不完整且带有噪音的集成数据进行合理推论。
在本演讲中，加州大学圣克鲁兹分校计算机科学系教授 Lise Getoor 将介绍图数据所需的一些常见推理模式，以及解决这些问题所需的一些关键功能。
Raymond Mooney：深度学习革命
Raymond Mooney
德克萨斯大学奥斯汀分校计算机科学系教授
德克萨斯大学奥斯汀分校人工智能实验室主任
美国计算机协会（ACM）院士
美国人工智能学会（AAAI）院士
在很多具有挑战性的人工智能问题上，为深度神经网络而生的新机器学习方法已经初露头角，展现出惊人的实力，深度学习的革命力量已经蓄势待发。
在本演讲中，德克萨斯大学奥斯汀分校计算机科学系教授兼人工智能实验室主任 Raymond Mooney 将简要回顾机器学习的历史和深度学习的基础知识（包括卷积神经网络和循环神经网络），以及一些成功解决计算机视觉、自然语言处理和游戏领域中不同问题的实际案例。同时，他还将分析当前深度学习在方法和整体范式上的一些限制因素。
滕尚华：大数据和网络分析的可扩展算法
滕尚华
南加州大学计算机科学与数学系教授
美国计算机协会（ACM）院士
身处大数据时代，我们对高效算法的需求比先前任何时候都要突出。虽然大数据使我们进入了我们先驱者设想的渐近世界，但问题规模的爆炸式增长也对经典算法的有效性提出挑战：根据多项式时间表征，以前被认为有效的算法可能不再适用，有效的算法应该是可扩展的。
在本演讲中，南加州大学计算机科学与数学系教授滕尚华将讨论一系列算法技术，用于设计可靠的可扩展算法，重点对新兴的拉普拉斯范式进行研究。
洪小文：帮助机器和人类共同学习
洪小文
微软全球资深副总裁
微软亚太研发集团主席兼微软亚洲研究院院长
微软杰出首席科学家
电气电子工程师学会（IEEE）院士
近年来，机器学习计算机视觉、语音和自然语言处理等领域取得了长足的进步。然而，很多挑战仍然存在，需要配合以更好的机器学习算法。有些教学信号和评估指标很清楚。还有一些场景，评估指标可以是主观的，人们需要依靠现实世界的反馈来更好的学习。
在本演讲中，微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文将介绍微软亚洲研究院在帮助机器学习方面取得的最新成果，例如对偶学习和自生成数据学习。此外，他还将强调机器学习目前面临的一些重要挑战。最后，随着人工智能对社会的影响越来越大，人们还需要适应提高自己的技能，机器如何帮助人类学习同样值得关注。
线上专属福利
大会微信群同步直播
长按识别下图二维码（或搜索微信号 MSRAsia01）添加“微软亚洲研究院”为好友，即可由小助手拉入直播群，参加“二十一世纪的计算”大会直播活动。
和研究员零距离交流互动
在直播过程中，参与线上直播的同学们可以与研究员交流互动。如果你对人工智能感兴趣或者心存疑惑，都可以向我们的研究员提问哦！请尽情把你的问题向后台砸过来吧！
“二十一世纪的计算”大会再次起航，未来，人工智能何去何从，将如何书写，希望各位都能在本届大会中都能收获灵感一二。人工智能的未来之路，我们诚邀您共同探索。
本文转自微信公众号：微软研究院AI头条
了解更多：
后台入驻微软小冰
如果你很萌，请跟她一决高下！
点击这里，即可了解本届“二十一世纪的计算”国际学术研讨会的更多信息~