【CCIG早鸟注册只剩5天】重磅嘉宾 | 郑南宁院士将在CCIG 2022作大会报告

2022 年 7 月 10 日 中国图象图形学学会CSIG


  四川成都  


院士加盟

欢迎参会

WELCOME TO CCIG 2022


   2022年8月19-21日    

  共襄图象图形盛会 



详细介绍

郑南宁,工学博士,西安交通大学教授、人工智能与机器人研究所所长、视觉信息与应用国家工程实验室理事长,IEEE Fellow,1999年当选中国工程院院士。

现任中国自动化学会理事长,国际模式识别协会(IAPR)理事会成员,中国人工智能产业发展联盟常务副理事长,中国人工智能教育联席会理事长,科技部新一代人工智能战略咨询委员会专家组副组长,曾任国家高技术研究发展计划(即“863计划”)信息领域首席科学家。

郑南宁教授长期从事计算机视觉与模式识别、人工智能系统及其先进计算架构等研究,建立的视觉场景理解的立体对应计算的Markov模型与视觉注意力统计学习方法成为计算机视觉领域代表性工作。


报告摘要

报告题目

智能机器行为与常识推理

报告摘要:当前人工智能的发展深刻改变了人与物理环境、人与人、人与社会之间的联系与交互方式,智能机器已经越来越多地渗透到我们的社会、文化、经济和政治的各个方面,并已参与到人类的各种活动之中,人与智能机器的交互、混合是未来社会的发展形态。大多数人工智能算法在与人类共存的复杂混合系统中发挥着重要作用,如何分析和刻画这些系统中人-机交互的属性和行为特征,包括合作、竞争和协调,都是至关重要的问题。在社会系统中引入智能机器可以改变人类的行为方式,这是因为智能算法可能会以有意或无意的方式塑造人类行为,并有可能带来意想不到后果。而且,一些智能算法的黑箱特征,使我们很难从可解释的层面去信任AI,这就需要从智能机器“输入-输出”的行为生成的关联去寻找什么样的AI更容易获得人类的信赖,并从AI的角度去感知和评估人类的信任程度。对智能机器行为生成的研究不仅可以提高人类对智能机器的监督和控制能力,并有助于我们构建真实世界的因果模型,以及可信、可解释机器学习的基本框架,也为我们审慎管理人工智能的伦理、法律和安全问题提供政策制定的依据。

此外,对当前人工智能而言,解决某些对人类来说属于智力挑战的问题可能是相对简单的,但对看似简单的与真实物理世界交互的行为能力依然很差(常识推理与无人驾驶就属于这类问题)。特别是人类使用较少的数据,就可以在广泛的问题上表现出智能行为,这种智能行为往往是建立在直觉与常识的基础之上。因此,为使机器学习模型产生人类的认知结果,需要其所学特征在一定程度上符合神经生理学实验结果,同时使特征具有数学和语义的解释性,并且使机器具有行为预测、推理和常识学习的能力,这样才能实现一类更加健壮的人工智能系统。

本报告讨论智能机器的行为生成、发展与进化,并从常识的心理语言表征出发,探讨如何实现对物体属性或行为预测的常识推理,结合作者团队的研究工作,进一步讨论如何实现复杂、动态、不确定的交通场景下无人驾驶的行为决策。


早鸟优惠进行时~

不要犹豫,快来参与!

注册信息


注册方式

可通过手机端或PC端完成注册

PC端注册链接

https://conf.csig.org.cn/10316.html


手机端注册二维码

扫描下方二维码即刻完成注册

缴费标准

01

“学生注册”为全日制在校学生,不含非全日制研究生和博士后,注册须提供学生身份证明。

02

CSIG会员(含学生会员)注册必须使用会员系统预留手机号码,请准确填写手机号码和姓名。

*注册CSIG会员说明:请登录会员系统http://membership.csig.org.cn注册,普通会员会费200元/年,学生会员会费50元(一次性)

03

会议地点: 成都香格里拉大酒店,四川成都市滨江东路9号。


关于大会,你了解多少~

会议简介

中国图象图形大会(CCIG 2022)将于2022年8月19-21日成都盛大举办,大会以“图象视界,形智未来”为主题,由中国图象图形学学会主办、四川大学承办、电子科技大学协办。

目前,潘云鹤院士、郑南宁院士、高文院士、戴琼海院士、王耀南院士、乔红院士已受邀并确定莅临此次大会,6位院士将齐聚成都,开启“最强大脑”,为大家带来一场精彩的学术盛宴。与此同时,CCIG 2022将汇聚100余位国内顶尖学者以及知名企业专家、2000余名科研院校师生、一线技术工程师,共同探索图像图形技术行业的最新进展。

此次大会将面向开放创新、交叉融合的发展趋势,为图像图形相关领域的专家学者和产业界同仁,搭建一个展示创新成果、展望未来发展的,集高度、深度、广度三位于一体的交流平台。

更多会议相关信息,请浏览会议官网

网站链接

http://ccig.csig.org.cn


有任何疑问,记得call我们~

联系方式

         会议秘书        

联系人:罗女士

电话:028-87555888

手机:13688349945


  中国图象图形学学会  

联系人:骆老师、徐老师

电话:010-82544676

大会邮箱:ccig@csig.org.cn


错过了精彩内容吗?

点击以下链接回顾吧!

【早鸟注册倒计10天】重磅嘉宾 | 高文院士将在CCIG 2022作大会报告

【早鸟优惠倒计9天】AI时代,飞桨助力图象图形技术的实践与探索高峰论坛

【早鸟注册倒计8天】重磅嘉宾 | 王耀南院士将在CCIG 2022作大会报告

【早鸟注册倒计7天】智能光谱探测感知与解译高峰论坛

【早鸟注册倒计6天】智能可视化洞视科学数据高峰论坛

视觉盛宴款款而来,注册通道即日开启

中国图象图形大会展览征集正式开启啦!

26场学术论坛、6大特色论坛、3大企业论坛邀您共襄图象图形盛会!

中国图象图形大会CCIG 2023承办征集开始啦!

6位院士助阵CCIG 2022,邀您共襄图象图形盛会


关注我们,了解更多图象图形

最新资讯不迷路~


登录查看更多
1

相关内容

161页 | 2022年新兴科技趋势报告(附PDF)
专知会员服务
53+阅读 · 2022年5月8日
专知会员服务
124+阅读 · 2020年3月26日
【CCIG早鸟注册只剩4天】医学影像与人工智能高峰论坛
中国图象图形学学会CSIG
0+阅读 · 2022年7月11日
【早鸟注册倒计8天】重磅嘉宾 | 王耀南院士将在CCIG 2022作大会报告
中国图象图形学学会CSIG
1+阅读 · 2022年7月7日
【早鸟注册倒计10天】重磅嘉宾 | 高文院士将在CCIG 2022作大会报告
中国图象图形学学会CSIG
0+阅读 · 2022年7月5日
【CCIG 2022】三维视觉高峰论坛
中国图象图形学学会CSIG
0+阅读 · 2022年6月24日
【CCIG 2022】6位院士助阵CCIG 2022,邀您共襄图象图形盛会
中国图象图形学学会CSIG
0+阅读 · 2022年2月11日
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年8月30日
Arxiv
28+阅读 · 2021年9月18日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关资讯
【CCIG早鸟注册只剩4天】医学影像与人工智能高峰论坛
中国图象图形学学会CSIG
0+阅读 · 2022年7月11日
【早鸟注册倒计8天】重磅嘉宾 | 王耀南院士将在CCIG 2022作大会报告
中国图象图形学学会CSIG
1+阅读 · 2022年7月7日
【早鸟注册倒计10天】重磅嘉宾 | 高文院士将在CCIG 2022作大会报告
中国图象图形学学会CSIG
0+阅读 · 2022年7月5日
【CCIG 2022】三维视觉高峰论坛
中国图象图形学学会CSIG
0+阅读 · 2022年6月24日
【CCIG 2022】6位院士助阵CCIG 2022,邀您共襄图象图形盛会
中国图象图形学学会CSIG
0+阅读 · 2022年2月11日
相关基金
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年8月30日
Arxiv
28+阅读 · 2021年9月18日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
Arxiv
53+阅读 · 2018年12月11日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
26+阅读 · 2018年8月19日
Top
微信扫码咨询专知VIP会员