search
除了Yann LeCun站台,SSIST 17還有哪些值得關注的亮點?

除了Yann LeCun站台,SSIST 17還有哪些值得關注的亮點?

via 曹雨晨

夏天到來,學術圈即將迎來一個會議小高潮。放眼海外,有 7 月在美國舉辦的 CVPR、加拿大的 ACL 及 SIGGKDD;還有 8 月的 ICML 及 IJCAI。而在國內,第三屆 SSIST 於 7 月 2 日至 7 月 4 日於上海科技大學舉行。SSIST 全稱 ShanghaiTech Symposium on Information Science and Technology,即信息學會國際研討會,每年夏天根據不同議題邀請各領域的頂尖嘉賓到場做學術分享。SSIST 舉辦的主要目的是為了將前沿的研究成果與工業界技術介紹給的青年研究者及研究所,並輻射上海及周邊地區。

本次 SSIST 所定的主題為人工智慧、網路安全及智能引擎,組委會歡迎與會者(尤其是學生)投遞包括機器學習、計算機視覺、NLP、優化問題及安全問題的最新研究成果。

這場持續三天的研討會分為兩個部分,一個是 7 月 2 日的工業界報告;接下來是 3-4 日持續兩天的學術報告。雷鋒網 AI 科技評論第一時間與參與本次研討會的清華大學博士生王奕森取得聯繫,帶來 SSIST 的一手消息。

王奕森告訴雷鋒網 AI 科技評論,從議程上看,SSIST 更像是一次暑期課程。理由有以下幾個方面:

首先,各位講者所分享的內容互不交叉,並不像 workshop 一樣會圍繞某個特定的主題進行討論,SSIST實際上更傾向於採取覆蓋面廣的「打開方式」。如果看 SSIST 的官網,從標題就可以很容易發現,不論是邀請了 LeCun、沈向洋的 Keynote Talk,還是各大高校教授的 invited talk,所定的題目都比較宏觀。王奕森覺得這是一個很好的平台,可以在短時間內宏觀地了解每個領域的以往研究經歷及最新研究動態。

以 CV 場為例:

此外,上台做報告的講者都是各高校或企業的領袖級人物,沒有學生。儘管 SSIST 中提及有 poster 環節,但親臨現場的王奕森告訴雷鋒網 AI 科技評論,本次論壇並沒有安排特定時間展示 poster,而提交的數量也相對較少。這一點其實也不難理解,作為一個僅創辦三年,且每年議題都會發生調整的研討會,SSIST 目前在學術界內的知名度還不是很高。

而這也從另一個側面體現,SSIST 是一個偏向於單向輸出的會,主要希望讓聽眾更多地理解受邀嘉賓所分享的內容,因此學生間的討論與交流也相對而言少了一些。

via 曹雨晨

其中,Yann LeCun 的分享讓王奕森印象尤深,此次他來到 SSIST 的主要目的就是奔著 Yann LeCun 來的,看來大神的魅力著實不淺。除了 3 月份清華經濟管理學院及 6 月底的台灣大學,Yann LeCun 彷彿還沒有接受過其它學校的邀請。他這次的演講主題是《Obstacles to Progress in AI and Deep Learning 》,而熟悉 LeCun 演講內容的同學,一定不會對蛋糕 PPT 感到陌生的。

via 王奕森

王奕森還提及了商湯科技 CEO 徐立的演講,這個以《人工智慧忽悠史》為題的演講首先調侃了一番自家公司,比如特意強調商湯科技名字的由來並不是「商業化的湯曉鷗」,或是將首席執行官說成是「首席忽悠官」等,可謂是最愛自黑的 CEO 段子手。徐立在演講中除了層出不窮的幽默金句,實際上主要還是闡述商湯在創業中的一些思考,王奕森表示讓他受益匪淺。

via 曹雨晨

徐立在演講中表示,人工智慧的能力在突破三個階段的過程中不斷進步。首先是「技不如人」的第一階段;其次是超越大眾的第二階段;最後便是超越專家的第三階段。徐立表示,目前 AI 處於第二階段。雷鋒網 AI 科技評論由此聯想到,目前人工智慧在某些方面已經超越人類,比如計算機視覺領域但在 NLP 上,依然處於追趕人類的階段。此外,徐立提及了人工智慧創業過程中需要做的兩件事是立與破。立指的是在「應用中重新定義問題」,破指的是「演算法突破達工業紅線」。這兩個總結在王奕森看來「非常到位,一針見血」。

而回顧本次的 SSIST,王奕森的最大感受在於學術研討會對工業界的關注正在逐步加強。以他參加的 AAAI 2017 上,最火的一個議程不是某個 workshop,或是哪個討論技術細節的演講,而是一個名為「AI in Practice」的 session,該議程邀請了谷歌、亞馬遜、Facebook 等頂級科技公司領袖前來分享他們是怎麼做人工智慧的。雷鋒網 AI 科技評論此前在參加 AAAI 時也做過演講覆蓋與報道。而學生們在參加 AAAI 的過程中,除了收穫學術前沿的交流心得外,也能了解大公司是如何做研究的。

這一點,在上周雷鋒網 AI 科技評論提及的 ACM EC'17 上也有類似情況。這個原本偏理論性的會議如今也開始增加社會議題,增加了應用層面的關注與討論。不論是對於學術界還是工業界而言,無疑這是一件值得振奮的事情。

至於在學術界與工業界做研究的區別,王奕森表示,360 首席科學家顏水成在演講中以一張圖解釋了二者的不同,讓他深受啟發。

顏水成表示,學術界的人工智慧/深度學習傾向於針對特定的問題,探索新演算法,追逐精度的極限,也就是從模型、平台、計算資源、預測學習等多項內容進行最高精度的融合;而工業界的人工智慧本身並不是產品,而是需要結合具體業務/場景才能體現價值。「有落地場景的 AI 才是真愛(AI),」顏水成如是說,一個成功產品化的 AI 技術需要考慮用戶剛需內容、技術成熟程度、是否形成技術壁壘,還要打通產品的變現模式。科學家與產品工程師的組合,不一定會有完美的演算法,但提供給用戶的一定是無瑕疵的用戶體驗。

縱觀本次的 SSIST,王奕森向雷鋒網 AI 科技評論表示,本次研討會另一個明顯的感覺在於,不論是從議程的設置或是演講的主題來看,大家都意識到了人工智慧的泡沫,因此能更加理性地看待 AI。「以往的觀點可能會對人工智慧無限地看好與放大,缺乏各種批判的聲音,但現在可能很多工作會傾向于思考如何真正推動智能化的進步。」

正如香港科技大學計算機系主任楊強教授此前接受雷鋒網() AI 科技評論採訪時提及的,去年的 CCF-GAIR 到現在一年過去,隨著技術走向平穩發展時期,大家看待 AI 的態度趨向於理性,這也是有益於人工智慧的發展的。相信在未來,以更加平和的心態做研究,並重視工業界的應用前景,也將是學術會議的一個普遍趨勢。

附現場照片集錦(via 曹雨晨):

附彩蛋一張:LeCun打代碼(via 王奕森)

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23295次喜歡
留言回覆
回覆
精彩推薦