明日开幕！微软亚洲研究院邀您关注CNCC 2021上的精彩报告

（本文阅读时间：16分钟）

CNCC 2021（中国计算机大会）将于2021年12月16日-18日在深圳国际会展中心举行，本次大会以“计算赋能加速数字化转型”为主题。微软亚洲研究院始终致力于推动计算机领域的前沿进展，依托自身科研优势与关注焦点，微软亚洲研究院的顶尖研究员们将在大会的技术论坛上带来覆盖深度学习、计算机图形学、自然语言生成等领域的众多精彩报告，期待大家关注！

在本次大会的三天时间内，CNCC 2021 将呈现17场特邀报告、3场大会论坛、113个技术论坛及特色活动，讨论议题涵盖学术、技术、产业、教育、科普等诸多方向。虽几经波折，大会仍将呈现中国计算机领域最丰富的技术报告与前沿讨论，以此共飨所有与会者。

“这是国内最大规模、最高规格的计算机盛会”，微软亚洲研究院学术合作部总监、CCF 常务理事、CCF 女工委主任马歆这样评价 CNCC 大会，她也是 CNCC 2021 的赞助和展览委员会主席。

微软亚洲研究院与 CNCC 大会渊源颇深。自大会最初举办起，每年都有多位研究员参与大会并带来技术报告，共计近百位研究员曾进行过精彩分享，微软全球资深副总裁、微软亚太研发集团主席洪小文博士、微软亚洲研究院常务副院长郭百宁曾受邀做大会特邀报告，更有多人曾任大会核心组织成员。

如果你对微软亚洲研究院研究员们的精彩分享感兴趣，那就快来查收这份 CNCC 2021 观看指南！除线下购票参会外，也可通过线上直播观看（需进行线上参会注册），让我们共聚这场年底学术盛宴！

CNCC 2021 微软亚洲研究院亮点论坛

论坛：计算之美女性菁英论坛

研究员报告：可信机器学习

论坛时间：12月16日 13:30-17:30

论坛地点：在线会议室 v11，可线上直播观看

报告摘要：在大数据和大算力的支持下，以机器学习为内核的人工智能（AI）技术帮助多个领域取得了性能突破。然而，伴随大规模模型而来的还有 AI 技术在数据隐私安全性、鲁棒性/可靠性、可解释性、和公平性等方面的挑战，开始阻碍 AI 技术的应用，尤其是高风险或者服务于人的领域，比如医疗、自动驾驶等。本报告将首先简介机器学习算法的可信评价体系、现有表现、和技术难点；介绍我们在改进机器学习可信程度方面的几项工作，包括差分隐私学习、因果学习、和对抗学习等；最后，将和大家一起展望可信 AI 的发展趋势。

陈薇

微软亚洲研究院高级研究员

微软亚洲研究院高级研究员，计算与学习理论组负责人，中国科学技术大学兼职博士生导师，2006年毕业于山东大学数学科学学院统计系，2011年于中国科学院数学与系统科学研究院取得博士学位。她长期从事机器学习方面的科研工作，研究兴趣包括深度学习理论和算法、分布式机器学习、以及带有隐私保护的机器学习等，入选2021年福布斯中国科技女性榜。她在机器学习顶级国际会议/期刊（如 NeurIPS、ICML、ICLR 等）发表学术论文50余篇，出版分布式机器学习学术著作1本，曾担任多个机器学习国际会议的领域主席或者高级程序委员。

点击这里了解更多论坛信息

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7af1ba09017afa1f3ee9002a&globalId=m8271748750546083841617255458379

论坛：面向人工智能芯片的编程语言和编译器

研究员报告：探索深度学习编译的通用抽象与全局优化

论坛时间：12月17日 13:30-17:30

论坛地点：在线会议室 v1，可线上直播观看

报告摘要：随着深度学习的快速发展，面向深度学习负载的硬件加速器也在快速迭代，深度学习编译器成为连接计算表达和硬件执行的关键技术，然而，如何在不同硬件上高效地支持深度学习任务仍然存在较多的挑战，致使大量相关工作从不同角度涌现。当前大多编译框架都以计算流图（data-flow graph）作为中间表示层来描述深度学习计算任务，以算子（Operator）为软硬件接口来进行调度。因此，硬件往往需要实现一层更加复杂且细粒度的调度逻辑来完成最终的计算。这样的抽象往往会导致优化空间不足、以及硬件利用率低的问题。因此，本报告将介绍我们在深度学习计算表达层和硬件层的通用抽象上的一些探索，并基于该抽象定义出一个全新的全局编译优化空间，将深度学习编译优化转化为细粒度的时空调度问题，从而能够较充分的发挥硬件性能。我们的实验表明，简单的启发式调度策略即可比现有深度学习编译器实现高达数量级性能提升。更重要的是，我们希望新的编译抽象能够成为连接深度学习软硬件技术更加通用和高效的桥梁。

薛继龙

微软亚洲研究院高级研究员

薛继龙博士，微软亚洲研究院系统组高级研究员，主要研究方向为构建和优化基于新型异构硬件的高性能计算系统，目前主要负责人工智能计算和编译框架方向的研究，相关成果已发表在 OSDI、NSDI、EuroSys 等国际会议上。在加入微软亚洲研究院之前，主要从事大规模图计算系统和流式系统的研究，并在2016年于北京大学获得计算机博士学位。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7ac879d4017ad0a79db00007&globalId=m8271748750546083841617255458379

论坛：计算艺术论坛

研究员报告：基于深度学习的流行音乐创作

论坛时间：12月17日 13:30-17:30

论坛地点：在线会议室 v13，可线上直播观看

报告摘要：近年来，随着深度学习的发展，AI 音乐成为了一个非常火热的研究课题。在本次报告中，我将简要分析流行音乐的创作流程以及如何将深度学习应用到流行音乐的创作中。然后介绍我们开展的一系列 AI 音乐创作的研究工作，包括词曲写作、伴奏生成、歌声合成等，以及推出的 AI 音乐研究项目 Muzic （https://github.com/microsoft/muzic）。最后，我将分析当前人工智能音乐创作研究的局限，以及未来潜在的研究方向。

谭旭

微软亚洲研究院主管研究员

微软亚洲研究院主管研究员，研究兴趣为深度学习及其在自然语言/语音/音乐中的应用，包括神经机器翻译、预训练模型、语音合成、语音识别、音乐理解与生成等。在机器学习、人工智能等学术会议上发表论文70余篇。他参与开发的机器翻译系统在中英机器翻译上达到人类水平，并在 WMT 机器翻译比赛中获得多项冠军。他研究的预训练语言模型 MASS、语音合成系统 FastSpeech、AI 音乐项目 Muzic 受到学界广泛关注并应用于微软重要产品中（如 Azure、Bing 等）。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7b1b42ed017b2a706c9d0016&globalId=m8271748750546083841617255458379

论坛：科学计算与艺术呈现

研究员报告：

人工智能时代的计算机图形学：机遇与挑战

论坛时间：12月17日 13:30-17:30

论坛地点：虚拟会议室 v2，可线上直播观看

报告摘要：计算机图形学为艺术家利用计算机实现视觉艺术创作提供了基础的技术支撑。随着计算机图形的发展，艺术家和工程师紧密合作，创作了电影特效、三维游戏、计算机动画等全新的艺术表现形式与手法。然而，传统的计算机图形学仍然存在着一系列问题，制约着艺术创作的丰富想象。近年来，人工智能技术的进步，为图形学带来了全新的技术与方法，也对图形学带来了新的挑战。在这一报告中，我将通过回顾近年来人工智能与图形学结合所取得的技术进步，来进一步讨论这一进步所带来的机遇与挑战。

童欣

微软亚洲研究院首席研究员

微软亚洲研究院首席研究员，网络图形组负责人。长期从事计算机图形学与计算机视觉研究，在计算机图形学和视觉顶级会议和期刊发表文章一百多篇，曾任 ACM TOG、IEEE TVCG、CGF 编委，多次 SIGGRAPH/SIGGRAPH ASIA 论文委员会委员。2018年获得中国计算机图形学杰出奖。童欣博士1999年于清华大学获得博士学位，1993年与1996年于浙江大学获得本科和硕士学位。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7a385462017a4b3927bd0019&globalId=m8271748750546083841617255458379

论坛：大数据推动数字化转型

研究员报告：AI 技术研究与行业智能化应用实践

论坛时间：12月17日 13:30-17:30

论坛地点：在线会议室 v10，可线上直播观看

报告摘要：近些年随着数据收集和计算能力的不断增长，AI 技术也正在经历高速发展。不过，目前关于 AI 技术研究的多数成功实践主要集中在人机界面（视觉、语音、自然语言）和游戏（围棋、德扑、麻将）等领域。面对更广泛的行业，我们发现其中的实践需求对 AI 技术的研究提出了新的挑战。首先，在数据层面，很多重要领域难以获取大量有标注的训练数据，不满足机器学习渐进性假设；即使标注数据体量充足，在很多场景下，样本分布极不平衡，经典机器学习算法往往会失效；另外，由于现实行业中任务的时序性和环境的动态性，导致数据分布不满足独立同分布假设，也对机器学习算法提出了更大的挑战。在数据层面的挑战之外，还存在计算层面的挑战。即如何设计更高效的机器学习算法，来满足现实场景中的效率和成本需求。微软亚洲研究院通过与各个行业的龙头企业以及科研机构合作，深入理解 AI 技术在行业智能化实践中的这些痛点，开发了一系列先进的机器学习算法来解决上述这些挑战。具体来说，我们提出了对偶学习的方法，利用一对 AI 任务的结构对称性，形成天然的反馈闭环，用以解决数据不足的问题；同时，我们提出了利用元学习的方式来自动得到样本在学习过程中的最佳权重，用以解决样布不平衡的问题；面对动态的数据分布，我们提出了自适应的特征选择和数据采样算法；另外，针对行业中大规模优化场景，我们提出了多智能体强化学习的方法，来解决效率和成本困境。在这些行业智能化实践过程中，我们也把相关的 AI 技术提炼成了相应的开源工具，期望可以赋能更多人的 AI 研究。

边江

微软亚洲研究院高级研究员

边江博士，现任微软亚洲研究院高级研究员，所带领的团队主要负责人工智能在金融、物流、医疗、可持续发展等垂直领域的前沿性研究和应用。他的研究领域还涉及机器学习、数据挖掘、信息检索和推荐系统等。在此之前，他曾任美国雅虎研究院科学家，负责雅虎首页内容推荐及若干垂直搜索模块的研发和优化工作。之后加入国内领先的内容分发平台——一点资讯，成为初创团队成员，负责推荐模型的研发。边江博士曾在国际顶级学术会议 (KDD、NIPS、WWW、ICML、WSDM、AAAI、IJCAI AAMAS 等)和期刊 (TKDE、TIST、TOIS、TKDD 等)上发表过数十篇学术论文，并获得十多项美国专利。他还曾是多个国际顶级学术会议程序委员会成员，并担任多个国际顶级期刊审稿人。边江博士本科毕业于北京大学，获计算机科学学士学位，之后在美国佐治亚理工学院深造，获计算机科学博士学位。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7af1ba09017afc5efa76003a&globalId=m8271748750546083841617255458379

论坛：自然语言生成技术前沿与产业发展

研究员报告：基于多模态预训练的文本和视觉生成

论坛时间：12月18日 13:30-17:30

论坛地点：在线会议室 v1，可线上直播观看

报告摘要：近年来，随着自监督学习在自然语言处理和计算机视觉上的不断发展，多模态预训练模型已经能够从海量多模态数据中学习获得语言和视觉的联合向量表示，并将其用于不同的下游任务。本报告将重点关注多模态预训练模型在内容生成上的最新进展，尤其是基于视频的文本生成和基于文本的视频生成。除了介绍针对这两类多模态生成任务的最新模型外，本报告还将总结目前在技术和评测上遇到的一系列挑战，并指出若干未来研究方向。

段楠

微软亚洲研究院高级研究员

段楠博士，微软亚洲研究院高级研究员，天津大学兼职教授，微软亚洲研究院-中国科学技术大学/中山大学/北京航空航天大学联合培养博士生导师，主要从事自然语言处理、机器推理、以及针对语言/视觉/代码的大规模预训练等研究，多次担任 NLP/AI/ML 相关国际会议评测主席、高级领域主席和领域主席，CCF 杰出会员和杰出讲演者，CCF-NLPCC 青年科学家，发布 XGLUE、CodeXGLUE 和 NLPCC-KBQA/DBQA 等开源学术数据集，著有《智能问答》(高等教育出版社，2018)，发表学术论文100余篇，持有专利10余项，多项研究成果用于微软各类人工智能产品。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7ac879d4017ae1a45015001d&globalId=m8271748750546083841617255458379

论坛：软件自动化：从低代码到无代码开发

研究员报告：基于自然语言的程序生成

论坛时间：12月18日 13:30-17:30

论坛地点：CC207C，无线上直播

报告摘要：能够根据自然语言描述自动生成计算机程序一直是人工智能和计算机软件领域梦寐以求的目标。近年来，深度学习和自然语言处理技术的一些突破，使得基于自然语言的程序自动生成技术取得了长足进步。本报告将先系统地介绍基于自然语言的程序自动生成技术的主要问题、技术路线和方法，然后结合我们自己研究和应用工作分享我们的一些发现和心得。

楼建光

微软亚洲研究院首席研究员

现为微软亚洲研究院首席研究员，CCF 系统软件专委委员。多年来主要从事机器学习和人工智能技术在商业智能（Business Intelligence）数据分析、大规模在线软件系统分析（Software Analytics）等方面的研究与应用工作。研究兴趣包括交互式数据分析机器人、自动数据理解、程序自动生成、大规模在系统智能诊断与运维等方面。多项成果在微软公司的大规模在线系统实践中得到广泛应用，典型案例有 Azure 中的自动诊断和故障预测系统、微软 PowerBI Mobile 及 Excel 产品中基于自然语言的交互式数据分析功能。部分工作发表在人工智能、自然语言处理、计算机软件、系统及数据挖掘相关的知名国际会议（ACL、AAAI、IJCAI、EMNLP、ICSE、FSE、ATC、ASE、KDD、ICDM 等）。

大会官网本论坛页面：

https://cncc.ccf.org.cn/web/html15/dayMeetZhibo.html?dayMeetNewsId=8a9e362c7af1ba09017afb88a3470031&globalId=m8271748750546083841617255458379

不想错过 CNCC 2021 上微软亚洲研究院的精彩报告？扫描下方二维码，完成报名！

CNCC 2021 线上参会报名

建议在浏览器打开

你也许还想看：