其中,Michael I. Jordan 教授(上图左二)被誉为“统计机器学习之父”,他将统计学的方法引入机器学习领域,让学界认识到贝叶斯网络的重要性,还提出了 Jordan 网络(一种递归神经网络)。
Jordan 教授是美国科学院、美国工程院、美国艺术与科学院三院院士,是 AAAI,ACM,ASA,CSS,IEEE,IMS,ISBA 和 SIAM 等顶级学会的Fellow,是2016年IJCAI卓越研究奖,2015年David E. Rumelhart 奖和2009年ACM/AAAI Allen Newell 奖得主。
Jordan 教授指出,深度神经网络绕不开的问题是,尽管拥有强大的泛化能力,但学习的都是过去的数据,而真实世界永远存在新的未知信息。
论坛还讨论了深度学习模型的可解释性、学术界和工业界资源不对等等热点问题。
嘉宾们认为,基础理论的研究对机器学习和人工智能的发展至关重要,学术界和工业界各有优势,领域进步需要更好的数据集基础,以及建立统一的基准(benchmark)。
他们还指出,对于研究者来说,要勇于挑战他人未曾涉足的领域,不仅仅在前人的基础上改善,更要提出原创性的问题,并为之持续奋斗。