人工智能各领域有哪些最新研究进展？16位来自清北等高校的科学家在线报告，快来报名

2020 年 2 月 9 日 量子位

位来发自凹非寺
量子位编辑 | 公众号 QbitAI

今天是大家宅在家里的第几天了？是不是迫切的想学习新知识？

在关注疫情的同时，我们希望能为大家提供一些更好的学习机会。今天为大家推荐由北京智源人工智能研究院主办的“智源论坛Live|青年科学家线上报告会”。

报告会邀请了16位来自北大、清华、人大、中科院等高校，以及商汤、香侬科技等企业的青年科学家，分享他们在各自领域的最新研究进展与经验。分享领域包含AI理论、AI信息处理、AI芯片与系统、AI新兴与交叉、AI感知等五大专题，相信总有一款适合你。

△直播报名方式见文末

活动详情

2019年11月智源研究院启动了“2019年度智源青年科学家征集评选工作”，面向人工智能领域优势高校院所定向征集，及面向在京企事业单位公开征集相结合的方式，由各单位推荐符合基本条件的青年科学家申请人。

通过组织小同行专家初评和研究院综合评议相结合的方式对申请人进行遴选，并邀请人工智能领域学科带头人及知名专家按照研究方向组织申请人进行了分组答辩。参考专家初评结果，结合申请人学术信息及研究方向特点对申请人进行综合评议，从中遴选出16名申请人，成为智源青年科学家候选人。

“智源论坛 Live | 青年科学家线上报告会”将由这16位青年科学家候选人，于2020年2月11日、12日两天，在线分享他们在各自领域的最新研究进展与经验。

分享主题&嘉宾介绍

人工智能理论专题

袁洋

清华大学助理教授，2018 年获得康奈尔大学计算机专业博士学位。在机器学习理论与算法设计方面取得了突出成果。参与合作的关于 SGD 逃离鞍点的论文是机器学习理论顶级会议 COLT 最近 5 年来被引用次数最多的论文，独立证明了第一个满足严格鞍点性质的函数，即张量分解问题。与他人合作给出了第一篇 SGD 在非线性网络的收敛性分析。2019 年入选“福布斯中国”科技领域30岁以下精英榜，累计发表论文 20 篇，谷歌学术引用超过 1600 次。

拟研究方向：机器学习鲁棒性与算法优化

蔡少伟

中国科学院软件研究所研究员，2012 年获得北京大学计算机软件与理论专业博士学位，2014 年在 Griffith 大学集成与智能系统研究所获得博士学位。致力于人工智能基础理论研究，在逻辑推理与搜索领域取得一系列重要研究成果，对布尔可满足性问题（SAT）和最大可满足性问题（MaxSAT）设计了创新算法。提出格局检测策略，有效解决局部搜索的重要缺陷—循环现象，针对大规模组合优化问题设计了高效算法。发表论文 60 篇，其中 CCFA 类 30 余篇（其中一作 16 篇，通讯作者 10 篇，在人工智能旗舰期刊 AIJ 发表论文 6 篇）。在国际 SAT 比赛取得两次冠军和多次亚军，在近 7 届国际 MaxSAT 比赛中获得不完备组约 40%的冠军奖项，获得 2018 年“国际联合逻辑大会”奥林匹克金牌。

拟研究方向：逻辑公式的可满足性求解及其应用

张新雨
中国科学院数学与系统科学研究院副研究员，2010 年获得中国科学院数学与系统科学研究院管理科学与工程专业博士学位。致力于集成学习与迁移学习领域的研究且有显著的研究成果，包括提出了复杂数据下一类集成学习方法，即最优模型平均；建立了连续权重和相依数据下一类集成学习和迁移学习方法的统计理论基础。代表作包括《Focused information criterion and model averaging for generalized additive partial linear models》（AoS 2011）等。以第一或通讯作者发表（含接受）论文 37 篇，其中统计学顶刊论文 10 篇，高被引论文 1 篇。曾获国家自然科学基金优青、杰青基金项目支持。

拟研究方向：多种源数据下的基于参数的迁移学习方法

人工智能信息处理专题

赵鑫

中国人民大学副教授，2014 年获得北京大学计算机系统结构专业博士学位。主要从事面向复杂背景环境的用户兴趣建模和推荐系统的相关研究，在国内外著名学术期刊与会议上发表或者录用论文 70 篇。其中，以第一作者或通信作者身份发表 CCF A 类长文 20 篇，曾获得 CIKM 2017 最佳短文候选、AIRS 2017 最佳论文等。发表在主题建模方面的论文《 Comparing Twitter and Traditional Media Using Topic Models》单文被引用 1200 余次，所提出的 Twitter-LDA 模型已经成为短文本主题建模领域最重要的基准模型之一。谷歌学术引用超 3200 次。

拟研究方向：面向复杂互联网环境下的用户兴趣学习与推荐算法研究

杨植麟

循环智能（Recurrent AI），2019 年获得卡耐基梅隆大学计算机专业博士学位。在深度学习和自然语言处理领域有深入研究且取得了显著成果。作为第一作者与卡内基梅隆大学、Google Brain 团队联合推出NLP 领域热门的国际前沿预训练 XLNet 模型，在 20 个标准任务上超过了曾经保持最优性能记录的 Google BERT 模型，并在 18 个标准任务上取得历史最好结果，入选 NeurIPS 2019 Oral。作为共同第一作者提出 Transformer-XL 模型并在多项主流序列建模数据集上取得历史最好结果。谷歌学术引用超 2400 次。联合创立循环智能（Recurrent AI）。

拟研究方向：深度学习和自然语言理解

兰艳艳

中国科学院计算技术研究所研究员，2011 年获得中国科学院数学与系统科学研究院概率论与数理统计专业博士学位。长期从事信息检索与机器学习方向的科研工作，在基于机器学习的信息检索算法和理论方面研究方面取得一系列原创性成果，研究了排序学习算法的泛化和一致性理论，提出了 Top-k 排序学习框架，关系排序学习方法和深度文本匹配方法，解决了传统排序学习方法标注质量低，特征提取难和性能差的问题。发表 CCFA 类论文 42 篇，CCFB 类论文 12 篇，谷歌学术引用超过 2500 次，Hindex 23。获 2012 年 SIGIR 最佳学生论文奖和 2017 年 CIKM 最佳论文 RunnerUp 奖。

拟研究方向：对话式信息检索

李纪为

香侬科技，2017 年获得斯坦福大学计算机科学专业博士学位。长期从事自然语言处理和深度学习研究，并取得显著成果。提出关于自然语言生成的多样性解码模型，发布深度学习对话系统开源框架 neural dialogue generation，提出一系列建立语言单元语义表示的模型，发表的一系列相关文章系统性地探究了如何通过深度学习模型，由基本语法单元（字、词）构建高级语法单元（句子、段落、篇章）的语义表示。以第一作者和通讯作者身份在国际顶级会议发表文章27篇，谷歌学术引用超过4300 次，H-index 28。入选 MIT Technology Review”35 岁以下科技创新 35 人”。

拟研究方向：自然语言处理、深度学习、机器学习

人工智能芯片与系统专题

梁云
北京大学研究员，2010 年获得新加坡国立大学计算机专业博士学位。主要研究领域为计算机体系结构、编译优化、芯片设计自动化、高性能计算机。在 MICRO、HPCA、PPoPP、DAC 等顶级会议发表论文 80 多篇，谷歌学术引用超过 2000 次，根据 CSranking 的统计，共发表 24 篇顶级会议论文。8 次被评选或提名为国际会议最佳论文，包括 ICCAD 2017 和 FCCM 2011 最佳论文，DAC 2017,2012和 PPoPP 2019 的最佳论文提名。担任 ASAP 2019 Program Chair 及 5 个 CCF A 会议的 TPC。目前担任北京大学商汤科技智能计算联合实验室主任，曾获北京市自然科学基金杰出青年项目支持。

拟研究方向：面向人工智能的敏捷芯片设计

陈恺

中国科学院信息工程研究所研究员，2010 年获得中国科学院研究生院信息安全专业博士学位。主要从事人工智能安全、系统安全领域的研究工作。对人工智能算法的脆弱性进行研究，率先实现物理攻击语音识别深度学习算法。在人工智能辅助安全方面，致力于将传统攻防手段逐步进行智能化替代，将现有漏洞发现的效率提升至 10 倍以上。在高水平会议、期刊发表论文 90 余篇，其中在安全类顶级会议（IEEE S&P, USENIX Security, ACM CCS, NDSS）上发表录用论文 15 篇（均为 CCF-A 类）。获国家“万人计划”青年拔尖人才，北京市自然科学基金“杰出青年”基金、北京市“科技新星”计划资助。

拟研究方向：人工智能安全

人工智能新兴与交叉专题

边凯归

北京大学副教授，2011 年获得弗吉尼亚理工大学电子与计算机工程专业博士学位。长期从事计算机网络方面的研究工作，近年来专注于智能视频内容分发与边缘计算的研究，获相关领域 5 个学术会议最佳论文奖，发表 20 余篇 CCF A 类会议与期刊论文、1 篇 ESI 热点论文，出版 Springer 专著一部，谷歌学术引用超过 3000 次。获 2018 年教育部高等学校自然科学一等奖，2018 年 IEEE ComSoc 会亚太地区青年研究者奖，2019 年 JSPS 国际研究奖，2020-2021 年 IEEE ComSoc 杰出演讲者等。

拟研究方向：智能视频内容分发、传输与理解

喻纯

清华大学副研究员，2012 年获得清华大学计算机科学与技术专业博士学位。主要研究领域为人机交互，提出了自然交互意图的贝叶斯推理框架和计算方法，以第一作者或通讯作者在 CCF A 类会议和期刊上发表论文 20 篇，8 次获得 CCF 列表内国际会议最佳论文提名或最佳论文奖。获 2019 年电子学会科技进步一等奖、阿里巴巴达摩院青橙奖等。

拟研究方向：人机交互

人工智能感知专题

王瑞平

中国科学院计算技术研究所研究员，2010 年获得中国科学院计算技术研究所计算机应用技术专业博士学位。主要研究方向为视觉数据非线性模型与学习，建立了跨欧式-黎曼的异质空间度量学习框架，引领形成了“黎曼度量学习”分支研究方向。发表主流国际期刊和会议论文 70 余篇（含 CCF-A 类论文 30 篇），谷歌学术引用超过 3600 次，一作单篇最高引用 450 次，单篇引用 100 次以上的论文 11 篇，H-Index 25。围绕相关学术专题，先后在 CVPR2015、ECCV2016、ICCV2019 等国际会议合作组织并主讲 Tutorial。获得 2015 年度国家自然科学奖二等奖（排名第 4），入选 2019 年度国家自然科学基金优秀青年科学基金资助。

拟研究方向：知识引导的开放环境视觉识别理论与方法

鲁继文

清华大学副教授，2011 年获得新加坡南洋理工大学电气与电子工程专业博士学位。主要研究方向为计算机视觉与模式识别，提出了面向视觉内容理解的深度度量学习系列方法，建立了视觉数据非线性相似度显式计算框架，在人脸识别、图像检索、行为理解等视觉任务的性能上取得了显著提升。以第一/通讯作者发表 IEEE 汇刊论文 57 篇（含 PAMI 论文 12 篇）和 CVPR/ICCV/ECCV 会议论文 45 篇，谷歌学术引用超 9500 次，H-index 51。获 ICME 2018 国际会议最佳铂金论文奖。担任国际期刊 Pattern Recognition Letters 主编，2015 年入选国家青年千人计划，2018 年获得国家自然科学基金优秀青年科学基金资助。

拟研究方向：智能视觉感知与推理

施柏鑫

北京大学研究员，2013 年获得日本东京大学信息科学与技术专业博士学位。主要研究方向为计算摄像学与计算机视觉，发表论文 70 余篇（一作或通讯 30 余篇），包括 6 篇 TPAMI 和 21 篇计算机视觉三大顶级会议论文。2015 年提出的“余数相机高动态范围成像”获国际计算摄像学大会（ICCP）年度 Best Paper Runner-Up，同年于国际计算机视觉大会（ICCV）提出的“融合偏振光和低精度结构光的高分辨率三维成像系统”入选IJCV专刊Best Papers from ICCV 2015（1700 选 9）。入选国家青年千人计划、北京大学博雅青年学者。

拟研究方向：融合非传统图像感知和计算机视觉算法的超级视觉

马占宇

北京邮电大学教授，2011 年获得瑞典皇家理工学院电子信息工程专业博士学位。围绕“数据的非高斯建模与分析”开展系列研究工作，提出了扩展变分法，引入最优近似策略的强弱条件，解决了非高斯概率模型的贝叶斯估计无法通过解析表达式描述参数估计算法的难题，实现了非高斯有界分布数据的非线性低秩表示模型和特征提取模型，形成以“高效，准确，可靠”为代表的系列成果，发表高水平论文80余篇，授权发明专利15项。获得国家自然科学基金优秀青年科学基金优秀青年基金资助，入选北京市科技新星计划，获中国人工智能学会吴文俊人工智能科技进步一等奖。

拟研究方向：基于域自适应的小样本学习

代季峰

商汤科技，2014 年获得清华大学自动化专业博士学位。致力于物体识别与深度学习领域的研究，作为第一作者开发了 R-FCN 物体检测算法，和 Deformable ConvNets 可变形卷积网络，在学术界获得广泛认可并在工业界取得应用。在相关领域顶级国际会议和期刊上发表 20 余篇论文，谷歌学术引用超过 6200 次，单篇最高引用 2100 余次。曾连续三年参加本领域权威 COCO 物体识别竞赛，获第一名两次，第三名一次。担任顶级国际会议 ECCV 2020 的 Area Chair，国际会议 AAAI 2018 的 Senior PC member。

拟研究方向：数据和知识双驱动的图像理解算法