会员服务
The Future Society · 策略 · 人工智能 · Yolanda Lannquist · 挑战 ·
2019 年 11 月 22 日
【北京智源大会2019】 控制人工智能的兴起：策略、途径和挑战（Governing the Rise of AI: Strategies, Pathways, and Challenges ），Yolanda Lannquist
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

报告题目： Governing the Rise of AI: Strategies, Pathways, and Challenges

报告摘要： 人工智能在我们的生活中无处不在，人工智能倡议是未来社会的人工智能治理实践,帮助制定全球政策和治理框架，以抓住人工智能的优势并限制其发展。本篇将从几个方面描述控制人工智能兴起的方面。

嘉宾介绍： Yolanda Lannquist，The Future Society研究主管。

成为VIP会员查看完整内容
https://slides.baai.ac.cn/2019/
Governing the Rise of AI Strategies, Pathways, and Challenges.pdf
2

相关内容

未来社会是一个人工智能治理的非营利组织，最初在哈佛大学肯尼迪政府学院（Harvard Kennedy School of Government）孵化。它专门研究人工智能和新兴技术的影响和治理问题。它们的项目合作伙伴包括国际组织、各国政府、公司、主要学术机构等。
最新《可解释人工智能XAI：机会与挑战》25页pdf，Opportunities and Challenges in Explainable Artificial Intelligence (XAI): A Survey
最新《可解释人工智能XAI：机会与挑战》25页pdf，Opportunities and Challenges in Explainable Artificial Intelligence (XAI): A Survey
专知会员服务
176+阅读 · 2020年6月23日
贝叶斯网络在医疗的应用综述：过去，现在和未来 | A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future
贝叶斯网络在医疗的应用综述：过去，现在和未来 | A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future
专知会员服务
38+阅读 · 2020年2月26日
【NeurIPS2019】模仿学习中的因果混乱问题 Causal Confusion in Imitation Learning
【NeurIPS2019】模仿学习中的因果混乱问题 Causal Confusion in Imitation Learning
专知会员服务
29+阅读 · 2019年12月10日
【KDD2019|讲座推荐】公平意识机器学习：现实挑战与经验教训：Fairness-Aware Machine Learning: Practical Challenges and Lessons Learned
专知会员服务
19+阅读 · 2019年12月9日
【KDD2019|讲座推荐】工业中可解释的人工智能：Fake News Research: Theories, Detection Strategies, and Open Problems
专知会员服务
65+阅读 · 2019年12月9日
【北京智源大会2019】AV+AI -挑战和机遇（AV+AI - Challenges and Opportunities），伯克利DeepDrive副主任詹景尧
【北京智源大会2019】AV+AI -挑战和机遇（AV+AI - Challenges and Opportunities），伯克利DeepDrive副主任詹景尧
专知会员服务
13+阅读 · 2019年11月22日
实时强化学习《Real-Time Reinforcement Learning》S Ramstedt, C Pal [Mila, Element AI] (2019)
实时强化学习《Real-Time Reinforcement Learning》S Ramstedt, C Pal [Mila, Element AI] (2019)
专知会员服务
12+阅读 · 2019年11月17日
【课程推荐】 深度学习中的新兴挑战（Emerging Challenges in Deep Learning）
【课程推荐】 深度学习中的新兴挑战（Emerging Challenges in Deep Learning）
专知会员服务
16+阅读 · 2019年11月10日
【清华大学-微软研究院】构建智能开放域对话系统的挑战综述论文，31页pdf，Challenges in Building Intelligent Open-domain Dialog Systems
【清华大学-微软研究院】构建智能开放域对话系统的挑战综述论文，31页pdf，Challenges in Building Intelligent Open-domain Dialog Systems
专知会员服务
27+阅读 · 2019年10月23日
【IJCAI 2019 Tutorials】基于概率图模型的医疗决策分析（Medical decision analysis with probabilistic graphical models）
【IJCAI 2019 Tutorials】基于概率图模型的医疗决策分析（Medical decision analysis with probabilistic graphical models）
专知会员服务
44+阅读 · 2019年8月10日
科技向善：国际“人工智能+教育”发展新路向——解读《教育中的人工智能：可持续发展的机遇和挑战》
科技向善：国际“人工智能+教育”发展新路向——解读《教育中的人工智能：可持续发展的机遇和挑战》
MOOC
12+阅读 · 2019年11月6日
人工智能的现状与未来（附PPT）
人工智能的现状与未来（附PPT）
人工智能学家
74+阅读 · 2019年3月27日
中科院院士谭铁牛: 人工智能的历史、现状和未来
中科院院士谭铁牛: 人工智能的历史、现状和未来
专知
16+阅读 · 2019年2月17日
美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》
美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》
人工智能学家
25+阅读 · 2019年2月9日
人工智能 | PRICAI 2019等国际会议信息9条
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
【工业4.0】工业人工智能与工业4.0 制造
【工业4.0】工业人工智能与工业4.0 制造
产业智能官
18+阅读 · 2018年11月8日
深度|拥抱人工智能报告：中国未来就业的挑战与应对
深度|拥抱人工智能报告：中国未来就业的挑战与应对
机器人大讲堂
6+阅读 · 2018年9月24日
DTalk｜自动化机器学习－人工智能的未来
DTalk｜自动化机器学习－人工智能的未来
机器之心
4+阅读 · 2018年9月15日
《人工智能标准化白皮书（2018版）》发布|附下载
《人工智能标准化白皮书（2018版）》发布|附下载
人工智能学家
17+阅读 · 2018年1月21日
英国政府AI报告(全文)：18条建议抢夺AI主导地位 | AI研究院
英国政府AI报告(全文)：18条建议抢夺AI主导地位 | AI研究院
网易智能菌
5+阅读 · 2017年10月24日
A Survey on Trajectory Data Management, Analytics, and Learning
A Survey on Trajectory Data Management, Analytics, and Learning
Arxiv
16+阅读 · 2020年3月25日
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
79+阅读 · 2020年1月19日
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Arxiv
14+阅读 · 2019年12月27日
A Survey of the Usages of Deep Learning in Natural Language Processing
A Survey of the Usages of Deep Learning in Natural Language Processing
Arxiv
121+阅读 · 2019年9月11日
Advances in Natural Language Question Answering: A Review
Advances in Natural Language Question Answering: A Review
Arxiv
5+阅读 · 2019年4月10日
Deep Learning on Graphs: A Survey
Arxiv
53+阅读 · 2018年12月11日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
7+阅读 · 2018年10月31日
Understanding Chatbot-mediated Task Management
Arxiv
10+阅读 · 2018年2月9日
Survey of the State of the Art in Natural Language Generation: Core tasks, applications and evaluation
Arxiv
5+阅读 · 2017年12月12日
Natural Language Processing: State of The Art, Current Trends and Challenges
Arxiv
4+阅读 · 2017年8月17日
VIP会员
相关主题
The Future Society
策略
人工智能
Yolanda Lannquist
挑战
相关VIP内容
最新《可解释人工智能XAI：机会与挑战》25页pdf，Opportunities and Challenges in Explainable Artificial Intelligence (XAI): A Survey
最新《可解释人工智能XAI：机会与挑战》25页pdf，Opportunities and Challenges in Explainable Artificial Intelligence (XAI): A Survey
专知会员服务
176+阅读 · 2020年6月23日
贝叶斯网络在医疗的应用综述：过去，现在和未来 | A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future
贝叶斯网络在医疗的应用综述：过去，现在和未来 | A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future
专知会员服务
38+阅读 · 2020年2月26日
【NeurIPS2019】模仿学习中的因果混乱问题 Causal Confusion in Imitation Learning
【NeurIPS2019】模仿学习中的因果混乱问题 Causal Confusion in Imitation Learning
专知会员服务
29+阅读 · 2019年12月10日
【KDD2019|讲座推荐】公平意识机器学习：现实挑战与经验教训：Fairness-Aware Machine Learning: Practical Challenges and Lessons Learned
专知会员服务
19+阅读 · 2019年12月9日
【KDD2019|讲座推荐】工业中可解释的人工智能：Fake News Research: Theories, Detection Strategies, and Open Problems
专知会员服务
65+阅读 · 2019年12月9日
【北京智源大会2019】AV+AI -挑战和机遇（AV+AI - Challenges and Opportunities），伯克利DeepDrive副主任詹景尧
【北京智源大会2019】AV+AI -挑战和机遇（AV+AI - Challenges and Opportunities），伯克利DeepDrive副主任詹景尧
专知会员服务
13+阅读 · 2019年11月22日
实时强化学习《Real-Time Reinforcement Learning》S Ramstedt, C Pal [Mila, Element AI] (2019)
实时强化学习《Real-Time Reinforcement Learning》S Ramstedt, C Pal [Mila, Element AI] (2019)
专知会员服务
12+阅读 · 2019年11月17日
【课程推荐】 深度学习中的新兴挑战（Emerging Challenges in Deep Learning）
【课程推荐】 深度学习中的新兴挑战（Emerging Challenges in Deep Learning）
专知会员服务
16+阅读 · 2019年11月10日
【清华大学-微软研究院】构建智能开放域对话系统的挑战综述论文，31页pdf，Challenges in Building Intelligent Open-domain Dialog Systems
【清华大学-微软研究院】构建智能开放域对话系统的挑战综述论文，31页pdf，Challenges in Building Intelligent Open-domain Dialog Systems
专知会员服务
27+阅读 · 2019年10月23日
【IJCAI 2019 Tutorials】基于概率图模型的医疗决策分析（Medical decision analysis with probabilistic graphical models）
【IJCAI 2019 Tutorials】基于概率图模型的医疗决策分析（Medical decision analysis with probabilistic graphical models）
专知会员服务
44+阅读 · 2019年8月10日
热门VIP内容
相关资讯
科技向善：国际“人工智能+教育”发展新路向——解读《教育中的人工智能：可持续发展的机遇和挑战》
科技向善：国际“人工智能+教育”发展新路向——解读《教育中的人工智能：可持续发展的机遇和挑战》
MOOC
12+阅读 · 2019年11月6日
人工智能的现状与未来（附PPT）
人工智能的现状与未来（附PPT）
人工智能学家
74+阅读 · 2019年3月27日
中科院院士谭铁牛: 人工智能的历史、现状和未来
中科院院士谭铁牛: 人工智能的历史、现状和未来
专知
16+阅读 · 2019年2月17日
美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》
美国DARPA204页可解释人工智能文献综述论文《Explanation in Human-AI Systems》
人工智能学家
25+阅读 · 2019年2月9日
人工智能 | PRICAI 2019等国际会议信息9条
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
【工业4.0】工业人工智能与工业4.0 制造
【工业4.0】工业人工智能与工业4.0 制造
产业智能官
18+阅读 · 2018年11月8日
深度|拥抱人工智能报告：中国未来就业的挑战与应对
深度|拥抱人工智能报告：中国未来就业的挑战与应对
机器人大讲堂
6+阅读 · 2018年9月24日
DTalk｜自动化机器学习－人工智能的未来
DTalk｜自动化机器学习－人工智能的未来
机器之心
4+阅读 · 2018年9月15日
《人工智能标准化白皮书（2018版）》发布|附下载
《人工智能标准化白皮书（2018版）》发布|附下载
人工智能学家
17+阅读 · 2018年1月21日
英国政府AI报告(全文)：18条建议抢夺AI主导地位 | AI研究院
英国政府AI报告(全文)：18条建议抢夺AI主导地位 | AI研究院
网易智能菌
5+阅读 · 2017年10月24日
相关论文
A Survey on Trajectory Data Management, Analytics, and Learning
A Survey on Trajectory Data Management, Analytics, and Learning
Arxiv
16+阅读 · 2020年3月25日
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
A Survey of Reinforcement Learning Techniques: Strategies, Recent Development, and Future Directions
Arxiv
79+阅读 · 2020年1月19日
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Arxiv
14+阅读 · 2019年12月27日
A Survey of the Usages of Deep Learning in Natural Language Processing
A Survey of the Usages of Deep Learning in Natural Language Processing
Arxiv
121+阅读 · 2019年9月11日
Advances in Natural Language Question Answering: A Review
Advances in Natural Language Question Answering: A Review
Arxiv
5+阅读 · 2019年4月10日
Deep Learning on Graphs: A Survey
Arxiv
53+阅读 · 2018年12月11日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
7+阅读 · 2018年10月31日
Understanding Chatbot-mediated Task Management
Arxiv
10+阅读 · 2018年2月9日
Survey of the State of the Art in Natural Language Generation: Core tasks, applications and evaluation
Arxiv
5+阅读 · 2017年12月12日
Natural Language Processing: State of The Art, Current Trends and Challenges
Arxiv
4+阅读 · 2017年8月17日
微信扫码咨询专知VIP会员
Top