Ji-won nouvelle colonne

Auteur: Zhangxiang Wen

Edit: Xiaoqi

[New Ji-won EXAMEN Université de Xiamen voyager illustrations de l'enfant avec vous revivez cette année AAAI: Détails du nombre de rapports sur le terrain de haut-parleurs lourds, Amazon et Alibaba pour fournir des emplois Job Fair, stand Autres entreprises BATJ.

Récemment, l'informatique et la technologie des logiciels professionnels des étudiants diplômés de deuxième année Collège Zhangxiang Wen Université de Xiamen, a participé à AAAI-18, sous la forme d'illustrations pour les lecteurs a un merveilleux Voyage.

A propos de la Conférence

AAAI-18 a eu lieu dans le temps de 2 Février dernier jusqu'au 7 Février, le lieu dans le fleuve Mississippi au cours de la conférence est à la veille de la célébration du Mardi Gras Nouvelle-Orléans et la parade a déjà commencé, et le logo AAAI-18 est également mis sur la joie d'un chapeau de clown.

Les photos officielles

Logo grand écran

Les participants trend d'année en année

Cette année est la plus grande année de AAAI des participants, par rapport à l'année dernière améliorée de 36%.

l'évolution des volumes de soumission / acceptation

Document présenté au numéro le plus important jamais atteint 3808, soit une augmentation de 47% par rapport à l'année dernière, le nombre de documents reçus a atteint 938, soit une augmentation de près de 47% la même chose.

Par pays et la région de faire la distinction entre la soumission de papier / capacité d'acceptation

Selon les pays et les régions à diviser les documents soumis par des chercheurs du numéro de la Chine, suivie par les Etats-Unis, alors que le nombre de documents reçus de deux des pays est également divisé.

Ventilées par domaine des documents de recherche soumis / montant accepté

A partir de cette année, le nombre de documents présentés, la zone la plus populaire de la recherche est la première méthode d'apprentissage de la machine, suivi par la vision informatique et le traitement du langage naturel.

Le développement rapide du champ de vision

Lorsque le rythme de développement du champ de vision informatique des plus incroyable, par rapport à l'année dernière, le nombre de documents soumis a augmenté de 257%.

Haut-parleurs rapports

• AI humaine-Aware

Les premières présentations du Professeur invité Subbarao Kambhampati Arizona State University, qui est également président de l'Association des AAAI, des conférences sur le thème de la perception humaine est un défi pour le système AI.

Depuis le AlphaGo de Deepmind et Lee renommée Se-dol guerre d'échecs, l'intelligence artificielle de terme connu du public a progressivement commencé. Avec le souci, plus d'une controverse sur les avantages et les inconvénients de l'intelligence artificielle, certaines personnes pensent qu'il est l'avenir, le développement de l'énergie, il a également été considérée comme une menace pour la montée de la survie et le développement humain.

Le grand public est plus préoccupé par l'impact de la grippe aviaire sur le changement de la productivité, si leur travail sera remplacé par la technologie AI. Dans certaines régions, l'IA va inévitablement rapidement que les humains, et Rao a expliqué l'IA et la collaboration humaine, ainsi que la possibilité de défi de la coexistence pour nous, appeler AI Human-Aware.

Nous espérons pouvoir rôle d'adjoint Haai ou équipe approche collaborative pour aider les humains, comme mission de recherche et de sauvetage pour aider l'humanité. Haai raison ne est pas devenu mainstream, principalement parce qu'il ya une bonne reconnaissance et les tâches de raisonnement de l'intelligence artificielle, mais aussi difficile à obtenir sur le modèle de l'intelligence émotionnelle et sociale humaine, bien que pour l'homme, alors c'est une chose naturelle.

Pour améliorer l'apprentissage à titre d'exemple, un agent de la Interagir de l'environnement en effectuant une série d'actions pour obtenir les commentaires correspondant et aux changements Percevoir dans l'environnement, afin de formuler des décisions continuent à l'action suivante. Avec la collaboration de la machine humaine, en plus de l'environnement, et le besoin humain d'interagir, obtenir des commentaires et l'état mental change l'homme d'influencer la sélection de l'action suivante.

Que ce soit l'homme ou de la machine, leur interaction avec le programme continuera d'évoluer et encore et encore. La machine ne pas nécessairement croire que la solution optimale et la même personne, la collaboration humaine efficace nécessaire pour l'objectif et de l'intention de la machine modèle, autrement dit, le besoin d'identifier et de prédire l'intention de l'être humain pour réduire la machine à l'homme différences dans leurs programmes respectifs, de manière à atteindre le même objectif.

Pendant ce temps, dans le processus de coopération avec la machine, nous voulons montrer le comportement de la machine est compréhensible et non source de confusion pour faire un choix, et quand ils sont forcés de faire ce choix, la machine doit son homme comportement fournit l'explication appropriée. Plus de détails peuvent être compris par les travaux pertinents de Rao, il est Haai aspects des chercheurs.

• L'apprentissage et le raisonnement sur le monde en utilisant la langue

yejin Choi

L'apprentissage et le raisonnement aboutthe du monde en utilisant la langue

Fox Nouvelles a rapporté un titre pour le message « Cheeseburger arme blanche ». Regardez le titre, nous deviner, quelqu'un poignardé Hambourg encore? Hambourg blesser les gens? Hambourg ou mal les uns des autres? Ou quelqu'un à cause d'un hamburger et blessé l'autre?

Ceci est un fait parce que l'homme avait un différend Hambourg et poignardé le rapport de la mère. Mais pour le sens commun soi, nous serons bientôt donné aux trois premières questions une réponse négative, parce que l'homme n'est pas poignarder nouvelles Hambourg, Hambourg ne peut pas blesser une autre personne, et encore moins de mal les uns des autres.

Telle est la conclusion que nous avons eu le bon sens, et le bon sens en général ne peut pas être déduit littéralement, parce que les gens ne déclarera pas la vérité évidente, tout comme nous ne pouvons pas l'accent sur le corps humain est plus qu'un crayon, une chaise ou une serviette grande, qui a qualifié le rapport biaisé ( « biais de déclaration »).

Nous pouvons obtenir des informations à partir du visuel pour en déduire le fait que le « volume », mais l'image sur les connaissances nécessaires pour transmettre la force, le poids, la vitesse, etc. ont encore écart insurmontable. Yejin Choi professeur associé à l'Université de Washington a choisi de revenir au langage naturel, l'inférence de connaissances de la langue de ces images ne peut pas être affichée.

Elle nous a montré une partie de son travail, la première est marquée par une petite quantité de données du verbe et la paire d'entités, en volume, le poids, la force, la rigidité et la vitesse cinq dimensions, avec le générateur de l'algorithme de propagation de croyance en combinaison avec des verbes des paires opposées d'entités caractéristiques physiques inhérentes, extraites de l'étiquette non un texte simple sens physique.

Par exemple, une relation connue (taille, X > Y) représente une entité X supérieur au volume de Y, si la relation avec une probabilité élevée dans cette configuration, le A mange B, on peut en déduire que, lorsqu'ils sont présents dans le contexte manger verbe, l'implication est que le volume de l'objet plus grand que le prédicat.

De toute évidence, cette méthode peut être extrait pour limiter la portée des connaissances sur un nombre limité de propriétés simples. Dans un autre ICLR2018 de travail où ils ont proposé une nouvelle architecture processus Neural Networks pour simuler les changements dans l'histoire du processus narratif de progrès.

Par exemple, avant que les pommes de terre sont coupées et complète et ne se lavent pas propre, à la fin de ces deux actions, l'État est devenu indépendant et propre, le résultat de ce changement d'état est la connaissance implicite. Ce modèle a également verbe et entités architecture sous-jacente, que l'histoire progresse, le suivi, la prévision des modifications dans les entités étatiques concernées par l'action en cours de production, l'équivalent de connaissances implicites par l'action simulée de causalité en déduire que l'action de l'entité les changements de propriété causés.

Ce modèle est entièrement basé sur les réseaux de neurones, dans une large mesure atténué le problème avant une des méthodes rares, et peut être appris la connaissance ne se limite plus aux données cinq attributs.

• Comment savoir machines de meilleure humains

schématique Interactive ML

L'absence d'intervention humaine, l'espace de recherche est énorme

schématique interactif RL

Ce rapport compare l'invitation particulière, Michael Littman Charles Isbell deux professeurs de l'Institut de l'Université de technologie et Brown Géorgie a discuté de la rétroaction artificielle pour améliorer la valeur d'apprentissage sous la forme d'un débat. Au début, Charles a lancé une première question, quand nous pouvons obtenir beaucoup de données sur l'apprentissage de la machine, pourquoi les humains impliqués dans le processus d'apprentissage de celui-ci? La machine interactive d'apprentissage vraiment efficace, il?

Les êtres humains sont l'arbitre de ce que le but ultime est de savoir

En tant que l'apprentissage de la machine humaine de l'arbitre, de comprendre ce que vous avez vraiment besoin, et ce que l'objectif ultime de l'apprentissage est oui. Si l'homme par commande directe indique comment un robot doit faire, et les gens ne sais pas ce qu'ils font, le robot ne sera pas réellement être plus coûteux pour traiter les effets négatifs provoqués par ces commandes.

Nous pensons donc d'améliorer le processus d'apprentissage en tant que source d'information de rétroaction de l'apprentissage humain à interagir, plutôt que l'intervention humaine directe dans la machine. Le monde ne sont pas les mêmes feuilles, deux personnes aussi. Différentes personnes peuvent donner différents commentaires pour la même action, de sorte que la rétroaction ne convient pas à la main-d'uvre directe en fonction de récompense.

, Il peut plutôt être sélectionné comme fonction d'avantage d'entrée pour prédire la différence entre les deux actions. Cette approche rend le signal de rétroaction devient différentiables, et parce que l'intervention artificielle efficace, la stratégie peut rapidement le moulage, il est possible d'accélérer le processus d'apprentissage modèle RL.

• Apprentissage probabilistes machine et AI

Limites de l'étude approfondie

Les rapports de Zoubin Ghahramani, qui est également professeur à l'Université de Cambridge Technologies de l'information et chef scientifique Uber deux positions.

fonction non linéaire de réseau de neurones + = + méthode d'optimisation de base statistique de base, mais seulement sur la base de la définition du réseau de neurones de l'apprentissage en profondeur, l'innovation accrue dans l'architecture et les algorithmes, les données à grande échelle et les ressources informatiques, et ne peut pas être ignorée campagne médiatique publicité.

la performance du modèle d'apprentissage profond puissant, mais les données sur l'échelle de demander, que ce soit dans la formation ou le déploiement sont de calculs, et difficiles à intégrer les connaissances antérieures, les exigences pour l'algorithme d'optimisation du modèle est aussi très exigeant, la plupart des gens ont critiqué caractéristique est sa boîte noire, le modèle de raisonnement opaque, il est difficile de déterminer si les résultats sont dignes de confiance.

Lorsque le modèle de migration vers les zones qui ne sont pas vu, nous espérons que le modèle devrait « savoir quand ils ne savent pas », qui est le modèle de l'échantillon doit être en dehors du spectacle domaine d'incertitude, et un autre inconvénient est que la profondeur de l'apprentissage représentation d'incertitude est faible, il est mal adapté au domaine hors de l'échantillon, et vulnérable contre l'échantillon (les recherches ont montré que l'incertitude du modèle contient des échantillons de défense contre plus fort).

Probabilité importante pour AI

l'apprentissage de la machine et inséparable de modélisation probabiliste, l'algorithme d'apprentissage machine peut être considérée comme une probabilité de modélisation de processus, P (D | \ theta) est la probabilité paramètre \ theta de, P (\ theta) est le paramètre de probabilité a priori, P ( \ theta | D) sont les paramètres de probabilité a posteriori des données fournies, ces trois parties reliées entre elles par la formule de Bayes peuvent être définies dans la machine d'apprentissage pour apprendre, prévoir et la sélection du modèle.

la modélisation probabilistes connaissance préalable peut être introduit dans le système d'apprentissage, système de construction a la capacité de prendre des décisions rationnelles, afin d'assurer que l'algorithme peut être efficace sur une petite échelle et des données à grande échelle.

Application de la modélisation probabiliste dans Uber

Dans les estimations Uber, le modèle de probabilité est appliquée à l'offre les prévisions et la demande, la simulation de la circulation urbaine, ETA (heure d'arrivée), les prix, les estimations financières, etc. scène du pilote automatique.

GPDNN, processus gaussiennes et la profondeur du réseau Neural modèle mixte

modèle hybride GPDNN est un processus gaussien avec DNN, dans laquelle gaussien DNN agissant sur la partie supérieure, peut être intégré en même temps GPDNN DNN GP et les avantages, à la fois l'incertitude exprimée, mais a également d'excellentes performances de modèle, mais aussi contre l'échantillon résilience et mieux.

Quand la confrontation devrait GPDNN formé en dehors de l'échantillon et les zones d'échantillonnage, les distributions de probabilité de sortie à haute entropie prouvé que le modèle n'est pas identique à une affirmation de soi modèle DNN ordinaire pour faire des estimations pour ces échantillons.

Programmation Probabilité

modèle probabilistes de processus de développement plus de temps relativement DNN, et sujette aux erreurs. Heureusement, il y a beaucoup de programmation extensions de langage ou d'une bibliothèque atteindre le support de la modélisation des probabilités.

Zoubin

modélisation probabiliste fournit un cadre pour la construction de modèle AI, qui est en mesure d'incertitude dérive et de l'apprentissage à partir des données, associé à la théorie de la décision, qui forment la base du système de prise de décision rationnelle.

Salon de l'emploi

Offrir des possibilités d'emploi dans les AAAI-18 sociétés, dont Adobe, Alibaba, Amazon, Baidu, gouttes de voyage, IBM, Jingdong, Microsoft, Nissan, Samsung, Tencent.

vitrine

AAAI-18 de la scène nationale, y compris Ali, Tencent, Baidu, gouttes, Jingdong et petit robot i, ainsi que Amazon, Uber, Lyft, IBM, Sony, Microsoft et d'autres sociétés. Lors de la séance technique au cours de la séance photo, de sorte que le stand de chaque entreprise foule les images sont relativement rares.

• Alibaba

Ali le 5 Février dans la soirée, une réception a eu lieu, l'occasion d'échanges de chercheurs et de la coopération à la maison et à l'étranger. Ali vision partie des technologies d'apprentissage écologique / voix / PNL / ordinateur / graphiques, moteurs de recherche, moteur de la publicité, les plates-formes informatiques, la plate-forme de données, l'algorithme plate-forme se compose de plate-forme d'affaires, ainsi que la machine sous-jacente.

La technologie ET AI couvre le cerveau dans le scénario d'Ali, le jour, l'esprit de chat, e-commerce intelligent, Alimebot, contrôle des risques et de la défense et ainsi de suite. cerveau du cerveau ET est divisé dans le cerveau du cerveau urbain, industriel et médical. cerveaux ET objectifs de la ville de devenir une ville de plaque tournante pour réaliser toutes les ressources de la ville, l'analyse globale et vilaine infrastructure dynamique pour devenir une plate-forme de gestion intelligente de la ville.

cerveau villes a été efficacement utilisé pour réduire la congestion de la circulation à Hangzhou. L'objectif ET cerveau industriel est d'améliorer la qualité des produits et le rendement dans l'industrie manufacturière, la technologie AI dans les lignes de fabrication existantes. L'objectif de cerveau médical ET est en analysant et en étudiant les données médicales massives, au rôle des adjoints au médecin de participer à la recherche et au développement dans divers domaines.

• Baidu

Baidu agent de stand a un traducteur intelligent, les demandes de traduction automatique de traduction par l'interface intégrée Wi-Fi, la traduction vocale en temps réel. Baidu est la première des entreprises nerveuses de traduction automatique en ligne, dès que la traduction dans Google, mais Baidu toujours en même temps sur la base traduction automatique statistique et nerf technologie de traduction automatique.

En effet, le dernier goulot d'étranglement, lorsqu'un grand nombre de demandes nécessaires à la demande de traduction de l'interface déclassé en faveur du service de traduction statistique, qui est un compromis de la performance et la vitesse de réponse.

Baidu carte des connaissances est la plus grande carte du savoir chinois, extrait de l'Internet entier, couvre des centaines de millions d'entités et des centaines de milliards de faits. Baidu carte des connaissances est utilisé dans guichets automatiques bancaires, et peut être présenté directement l'utilisateur de répondre aux questions haut correspondant des pages de résultats de recherche. Il y a aussi des cartes de recommandation contenu basée sur la connaissance et les applications de création de contenu telles scènes, de générer des entrées de Wikipedia fonction de mots clés.

• Tencent

Tencent trafic système Business Group est divisé en sept parties, à savoir, groupe d'entreprises d'ingénierie technique (TEG), groupe d'entreprises de micro-canal (WXG), un réseau social Business Group (GNS), Mobile Internet Business Group (MIG), le développement des entreprises Business Group ( CDG), groupe d'entreprises divertissement interactif (IEG) et le groupe d'affaires en ligne de médias (OMG). Chaque Business Group fournira les aspects apprentissage machine, stages et emplois d'analyse des données.

• Jingdong

Jingdong a également exprimé la nécessité d'un grand nombre d'emplois, malheureusement, en raison de l'ingénieur Jingdong était pas présent, nous avons aucune chance de connaître les détails relatifs à la direction des affaires de l'IA. Jingdong embauche intérêts de recherche comprennent l'apprentissage automatique, le traitement du langage naturel, vision par ordinateur, la recherche d'information, la reconnaissance vocale, les systèmes de data mining et de recommandation.

• Sony

Sony est le but principal de l'exposition pour promouvoir leurs projets open source nnabla. nnabla comprennent Sony a développé un framework open source bibliothèques Neural Network, le code principal est mis en uvre par C ++, fonctionne sous Windows, Linux, MacOS, clusters HPC et les systèmes embarqués. Intégré en commun des fonctions, la syntaxe relativement simple, vous pouvez voir l'ombre de tensorflow et PyTorch. Cadre supporte à la fois statique et dynamique la carte de calcul, conçu pour faciliter le modèle de réseau neuronal efficace sur la base de différentes structures de données.

En plus de la plus grande tache lumineuse pour les bibliothèques de Neural Network personnalisé Console Neural Network. console NN est un programme de GUI à base bibliothèques NeuralNetwork construit par la visualisation, la formation et l'évaluation du modèle de réseau neuronal.

Chaque composant représente une unité d'entrée, ou une fonction de transformation de la fonction de commande, et une unité de sortie, par essais et erreurs peut être une erreur de montage de la résistance peut se produire immédiatement réfléchi sur la conception du modèle. Au cours de la phase de formation, console NN peut réaliser des progrès dans les résultats modèles de formation et d'évaluation à tout moment.

console NN prend actuellement en charge la version de Windows et Cloud, la version Windows peut être conçu localement et modèle de formation, la version Cloud offre actuellement jusqu'à 10 heures de temps d'essai. Dans l'ensemble, très facile à utiliser, mais par rapport à d'autres cadres existants ne trouvent pas d'avantages évidents, il y a peu d'intérêt pour le partenariat peut essayer.

[2018 Ji-won nouveau sommet de la technologie IA lourde ouvert, 599 yuans billet billet de pointe Early Bird! ]

2017, comme le plus influent domaine de la plate-forme de services de l'industrie de l'intelligence artificielle - succès Ji-won de la nouvelle « open source, écologie nouveau Sommet Chi Yuan Technology » et « 2017AIWORLD Conférence mondiale sur l'intelligence artificielle. » Avec la popularité ultra-haute et l'influence de l'activité de l'industrie, l'accès à des événements annuels 2017 en ligne « les organisateurs les plus influents des prix annuels ».

Où « 2017 AI WORLD Conférence mondiale sur l'intelligence artificielle » Les activités dans le domaine de l'intelligence artificielle pour créer un précédent, les participants ont plus de 50 ans, la vidéo d'ouverture Tencent vidéo à la demande à hauteur de plus d'un million, graphiques Xinhua vivent plus de 12 millions.

201829 Mars le nouveau Département de pouvoir AI Ji-won à nouveau, la transition de l'industrie de construction de la route. AI 2018 nouveau festival de l'an chinois à Pékin - 2018 New Ji-won AI Technology Summit Le sommet de « l'industrie de transition » comme thème, a invité les juges du prix Nobel, le Centre de recherche allemand pour l'intelligence artificielle fondateur et PDG Wolfgang Wahlster allé sur le site, avec Google, Microsoft, Amazon, BAT, IFLYTEK, Jingdong et Huawei et d'autres sociétés Heavyweight clients, pour discuter de l'évolution technologique, le domaine du développement de l'énergie de fusion.

New Ji-won invitent préoccupé par le développement de l'industrie de l'intelligence artificielle, 29 Mars public de visiter le site du sommet, pour participer à cette collision de réflexion interdisciplinaire.

Pour plus d'informations sur l'Assemblée générale, s'il vous plaît faites attention au nouveau numéro micro-chaîne publique Ji-won ou visites page ligne (Cliquez pour lire l'original):