Close

我院成功举办“人工智能”专题报告会


发表日期:2018-09-25 作者:段震

2018921日,我院在安徽大学磬苑校区行知楼负一楼报告厅成功举办了“人工智能”专题报告会。本次报告会是安徽大学90周年校庆学术活动月的组成部分,报告会邀请了天津大学胡清华教授、山西大学钱宇华教授、南京大学高阳教授和天津大学熊德意教授,分别就《大规模分类任务的多粒度学习》、《人工智能研究的几个新视角》、《面向流数据的在线学习》、《Towards Knowledge-Based Neural Machine Translation》进行了报告。报告会由张燕平教授和郑春厚教授主持,100多名师生到场聆听,整个报告厅座无虚席。

  


胡清华教授首先介绍了分层分类的定义并按照不同种类的问题解决策略对大规模分层分类任务中的几个基本问题的研究进行总结首先给出层次结构的形式化定义其次分别阐述如何设计分层评价指标、如何构建层次结构、如何利用层次结构信息进行特征选择、如何利用层次结构信息训练分类器以及如何面向层次结构设计停止机制并介绍具有代表性的相关工作最后对大规模分层分类任务进行总结并展望未来可能的研究方向


钱宇华教授首先回顾了人工智能的研究历史,将其分为推理期、知识期与学习期,指出目前的研究与强人工智能和通用人工智能还有很大距离。在报告中,给出概念学习、逻辑学习、关联学习、通用学习以及纯一致性学习五个新的研究视角来审视人工智能,引发对人工智能领域新的学术思考

  


高阳教授首先介绍了在发生概念漂移时学习步长对算法追踪悔恨界的影响,进而给出演化环境下稀疏在线线性分类模型,然后分析了一种利用截断策略的预算受限在线特征选择方法,最后给出一种基于集成策略的资源高效的高维演化数据流分类方法。


熊德意教授首先介绍了机器翻译的发展现状,数据驱动的机器翻译已由统计机器翻译发展为神经机器翻译,指出新的机器翻译模式仍然在资源稀缺语言、领域迁移、复杂语言现象等方面差强人意。然后将适用于机器翻译的知识分为外部知识和内部知识,并以此探讨知识、数据与机器翻译模型之间的关系,还给出了相关知识驱动型神经机器翻译模型,总结知识在神经机器翻译模型中的融合方法。

  


各位专家学者通过深入浅出的讲解,将人工智能领域中最前沿的知识带给了听众。报告会上,各位专家学者与相关研究方向的老师同学展开了热烈的讨论,并针对提问做出了详细的解答。会后,师生们均表示,本次报告会加深了自己对人工智能领域有关理论方法的理解,对人工智能近几十年的发展历程和未来的发展方向有了清晰的认识,还对如何进行科学研究有了更加深入的理解,受益匪浅。