【ICML2019 tutorial】永无止境的学习（Never-Ending Learning），Tom M. Mitchell，Partha Talukdar

题目： Never-Ending Learning

简介：

今天的机器学习方法与人类终身学习能力之间存在着明显的差异。人类学习许多不同的功能和技能，从多年来获得的不同经验，从一个阶段的课程中，他们首先学习更容易的任务，然后更困难的任务，保留所学的知识和技能，在随后的学习中使用，使它更容易或更有效。此外，人类会对自己不断进化的技能进行自我反思，随着时间的推移选择新的学习任务，相互教导，学习新的表现形式，阅读书籍，讨论相互竞争的假设等等。本教程将重点讨论如何设计具有类似功能的机器学习智能体，包括强化学习和其他智能体学习体系结构、迁移和多任务学习、表示学习、平摊学习、自然语言教学和演示学习、实验学习等主题的研究。

邀请嘉宾：

Tom M. Mitchell是卡内基梅隆大学(Carnegie Mellon University)计算机科学学院(School of Computer Science)临时院长。Mitchell从事机器学习工作多年，与Jaime Carbonell和Ryszard Michalski共同创办了ICML会议。最近，他指导了一个名为“永无止境的语言学习”(NELL)的项目，该项目持续运作了8年多，为如何构建学习系统提供了一个案例研究。Mitchell是美国国家工程学院的成员，美国艺术与科学学院的成员以及人工智能发展协会(AAAI)的前会长和研究员。

Partha Talukdar是班加罗尔的印度科学研究所(IISc)计算和数据科学(CDS)系的一名教员。他还是企业知识图谱公司KENOME的创始人，该公司的使命是帮助企业理解大数据。在此之前，Partha是卡内基梅隆大学机器学习系的博士后，与Tom Mitchell一起参与了NELL项目。Partha在宾夕法尼亚大学获得CIS博士学位(2010)，Partha对机器学习、自然语言处理和认知神经科学有广泛的兴趣，尤其对大规模学习和推理感兴趣。Partha是IBM教员奖、谷歌重点研究奖和埃森哲开放创新奖的获得者。他与人合著了一本由Morgan Claypool出版社出版的关于基于图形的半监督学习的书。