铂金娱乐_铂金娱乐上海纽约大学青年学者论坛:五大单元探究AI前沿

中国围棋网2017年12月31日 11时12分11秒
62

原标题:现场 | 上海纽约大学青年学者论坛:五大单元探究AI前沿

机器之心报道

作者:邱陆陆


12 月 20 日一早,上海纽约大学 15 层能够容纳 200 人的大教室里座无虚席,一场为期两天的人工智能论坛即将在这里展开。眼下的人工智能有烈火烹油、鲜花着锦之盛,如此规模的论坛屡见不鲜,然而当你将目光投向坐满了会场前两排的演讲者们,你就会发现这一场论坛的与众不同:他们都太年轻了,平均年龄甚至远低于在场的听众们。

演讲者合影

这是一场以「青年」为主题的论坛,全称为 Future Leaders of AI Retreat(FLAIR),由上海纽约大学终身教授张峥发起,得到了来自业界、市政府以及中国科学工程两院的支持。它的组织形式很特别:包括深度残差网络作者何恺明、MXNet 框架创始人李沐等在内的 5 名全球知名年轻学者组成了委员会,挑选了 16 位活跃在全球顶尖实验室的一流博士生乃至本科生,让这些「明日之星」们有机会坐在一起,介绍自己的工作同时了解对方的工作,能够相互讨论与辩论,并与国内的研究人员与业界实验室进行交流。

座无虚席的会场

论坛分为五个单元,涉猎面从理论与核心算法到机器人、自然语言处理、计算机视觉等多个应用领域。论坛内容非常详实,许多演讲者都以自己的研究思路为主线,串联起多篇近期工作,呈现给听众关于某个特定主题一个更全局化的视角。同时现场的氛围非常的热烈,每位演讲者都收到了来自老师、同行、业界人士的诸多问题。而最有趣的环节则是每个单元收尾处的十五分钟「集体 Q&A」环节,演讲者们没有做任何提前准备的情况下对主持人和听众抛来的问题做「快问快答」,问题大多涉及当下的热点与趋势。一位演讲者的回答往往很能体现他或她的价值观,而几位演讲者的观点放在一起,就能够反映存在于青年学者中的一些趋势了。

问答环节

在理论及核心算法单元的问答里,讨论的主题一直围绕着理论与实践之间的鸿沟。单元主持人、微软研究院首席研究员 David Wipf 问起大家的 NIPS 见闻,研究信息瓶颈(IB)的 Ravid Shwartz-Ziv 提到理论与实践之间连接的缺乏:会议上不乏优秀的理论研究者、不乏优秀的实际应用构建者,但致力于联通二者的学者则少之又少。随后致力于系统与框架研究的王敏捷也进一步展开了这一话题:了解更多的理论知识当然具有启发意义,但是理论研究范围广阔且往往十分艰深,究竟哪些理论研究有助于应用开发者,应用开发者应该了解理论到何种程度?研究非凸优化的杜少雷直言:「不同于上一代的凸优化或 SVM 等算法,我不认为今天的任何深度学习理论真的有助于指导实践。我们对于神经网络的理解还非常有限。当下我认为你不用太深入挖掘理论,可能再等十到二十年吧。」但 Wipf 提到,有很多理论有悖于人的直觉,因此了解理论会有助于研究者提出有趣的假设,并在之后通过实证方法进行验证。杜少雷也同意这一点:在优化领域,很多大规模提高效率的算法的来源是对理论的挖掘。

在游戏与通用智能单元,由于几乎每位演讲者,尤其是工作与机器人相关的几位演讲者,都把波士顿动力的机器人视频放在了演讲的开头。因此来自 FAIR 的田渊栋提到了当下存在基于学习的方法(learning-based approaches)与基于模型的方法(model-based approaches)之间的争论。研究感知与机器人学结合的朱玉可表示,学习的做法并不见得擅长解决一个非常特定的问题,然而在视觉或者自然语言领域的经验告诉我们,学习擅长的是为大量不同任务建立一个主程序。而在之前的演讲一开始就明确表示自己希望成为一名机器人学家的周佳骥说,「我当然认同我们需要拥抱学习。但我的一项个人哲学是,对于那些能够计算出来的变量,不要动用基于学习的方法。当然,现在有很多任务是计算所不能胜任而学习可以另辟蹊径的。这二者是不矛盾的。比如作为一个致力于『能算就算』的人,我觉得我们现在急需更好的模拟器,在这方面我们需要视觉方向研究人员的帮助,来处理可以通过计算解决的问题。而基于学习方法的人需要更多的数据。只有所有的方向同时进步,我们才能得到更好的结果。」

在自然语言处理单元,深度好奇创始人吕正东提到了传统的基于符号的方法在未来自然语言处理中的地位。研究生成模型的胡志挺表示,现在的情况是,尽管深度神经网络比基于符号的方法复杂很多,但在生成句子的效果上却没有体现出相应的优越性。而效果的不尽人意可能是由于优化方法的问题,也可能我们至今都没抓住其核心。而他的部分工作就是试图结合神经网络与符号方法。主攻语义的彭昊认为,在神经网络全面取代现有的自然语言处理任务中好用的模型之前,认定神经网络主宰了自然语言处理都是不妥当的。深度学习诚然改变了连续的、可微的问题的特征工程特质,但在语言这种离散的问题上,尚且需要极为优雅的关于导数的设计才能解决相关问题。

而从所有的这些回答中,笔者获得最深的一点体会是,一位好的研究者必然兼顾对宏观方向的判断和对微观选择的坚持。有理论研究者对自己的研究给予「落地可能还要十到二十年」的评价,有专注机器人控制的博士生大力表达了对基于学习的方法的推崇,同时非常坚定地说,「我的哲学是能计算则计算」。他们是离潮流最近的人,因为他们对学界与业界行进的趋势了若指掌,他们同时也是离潮流最远的人,因为有明确的研究动力、清晰的分析逻辑,独特的看待问题结构问题的视角,他们可以在瞬息万变的的潮流里站稳脚跟,不为所动,面向心中的目标一往无前。庄子说「举世而誉之而不加劝,举世而非之而不加沮」,大概就是这个意思了吧。

最后,是机器之心对本次论坛中的部分演讲内容的简要梳理。

理论及核心算法单元

本单元中,一部分研究者试图从数学的角度给出神经网络有效性的证明,另一部分则利用特定结构的性质构建高效的算法。

随机初始化的梯度下降算法学习卷积神经网络的能力


杜少雷,卡耐基梅隆大学

标签:铂金娱乐,铂金娱乐官网,铂金娱乐娱乐

本文链接:http://www.weiqi.cc/developer/122133.html 转载请注明出处