李德毅获吴文俊人工智能最高成就奖 | AI日报

为了方便大家及时了解国内外AI领域的重要事件、科研进展、相关讨论等，我们智源社区推出了《AI日报》系列，以飨诸位。

2020年度第十届吴文俊人工智能科学技术奖获奖名单出炉！李德毅院士获最高成就奖

 

昨日，2020年度第十届吴文俊人工智能科学技术奖获奖名单在其官网公示，拟对101个成果授奖。

              

其中吴文俊人工智能最高成就奖由李德毅(军事科学院系统工程研究院)院士获得。

 

李德毅，指挥自动化和人工智能专家，少将军衔，中国工程院院士、国际欧亚科学院院士，中国人工智能学会名誉理事长，总参第61研究所研究员、副所长，北京邮电大学计算机学院院长。

 

李德毅院士长期致力于指挥自动化系统工程和军队信息化工作。李德毅院士参加了多项电子信息系统重大工程的研制和开发。最早提出控制流—数据流图对理论和一整套用逻辑语言实现的方法。证明了关系数据库模式和一阶谓词逻辑的对等性，提出云模型和发现状态空间，用于不确定性知识表示和数据控制，在智能控制“三级倒立摆动平衡”实验中取得了显著成效。

 

截至2018年6月，李德毅院士先后发表论文140多篇，出版中文专著3本、英文专著2本；主编技术丛书7种。2005年出版专著《不确定性人工智能》，并于2007年由CRC出版英文版本《Artificial Intelligence with uncertainty》。

 

此外，吴文俊人工智能杰出贡献奖由周伯文（北京京东世纪贸易有限公司）、蒋田仔（中国科学院自动化研究所）、焦李成（西安电子科技大学智能感知与图像理解教育部重点实验室）三人分别获得。

 

图注：中国人工智能先驱吴文俊

 

“吴文俊人工智能科学技术奖”是我国智能科学技术领域唯一以享誉海内外的杰出科学家、数学大师、人工智能先驱、我国智能科学研究的开拓者和领军人、首届国家最高科学技术奖获得者、中国科学院院士、中国科学院数学与系统科学研究院研究员、中国人工智能学会名誉理事长吴文俊(1919年－2017年)先生命名，依托社会力量设立的科学技术奖，具备提名推荐国家科学技术奖资格，被誉为“中国智能科学技术最高奖”，代表人工智能领域的最高荣誉象征。

张亚勤挂帅清华大学智能产业研究院

12月1日，清华大学智能产业研究院（简称 AIR）正式宣告成立。

 

AIR由张亚勤博士筹建，创始团队包括前字节跳动副总裁兼AI实验室负责人马维英博士，前海尔家电首席技术官兼副总裁赵峰博士。源码资本投资合伙人、智源研究院理事长张宏江博士，英国皇家学会、英国皇家工程院院士Andrew Blake教授，澳大利亚科学院院士陶大程教授担任卓越访问教授。

 

AIR学术顾问委员会包括图灵奖获得者姚期智、David Patterson、John Hopcroft等。

 

作为清华大学智能产业研究院的发起人，张亚勤如是勾勒AIR的未来愿景。“我们的战略很清晰：一是推动关键核心技术的突破。二是培养技术领军人才，特别是具备国际视野的CTO和具备系统思维的架构师。三是打造产业技术战略的智囊团。”

             

在成立仪式当天，AIR同时宣布与智源研究院、联想、百度、亚信科技达成战略合作，并签署合作协议。其中，在智慧医疗领域，AIR与北京智源人工智能研究院开发全新的智慧医疗解决方案。在智慧交通领域，AIR与百度携手，推进自动驾驶、智能座舱等方面的技术进步；在智慧物联方面，AIR与亚信、联想合作，针对5G智慧物联、边缘计算等课题加速探索。

GNN、RL强势崛起，CNN初现疲态？这是ICLR2021最全论文主题分析

 

ICLR 2021 将于 2021 年 5 月 4 日至 6 月 8 日以线上形式举办。初审结果已于 11 月 11 日公布，此次会议共收到论文投稿 3013 篇，其中有 856 篇是 NeurIPS 2020 Rejection 之后再提交的。

 

目前，ICLR 2021 的论文 rebuttal 阶段也已经结束。有开发者从 ICLR 2021 OpenReview 网页抓取了本次大会的论文数据，并做了可视化呈现。该项目统计了论文高频词、论文得分分布情况等信息。

项目地址：
https://github.com/evanzd/ICLR2021-OpenReviewData

 

下图列举了提交论文中出现频率排名前 50 的关键词，与往年一样，深度学习、强化学习、表征学习、图神经网络都是非常热门的话题。但与去年的统计数据相比，卷积神经网络（convolutional neural network）的热度骤降，「元学习」、「表征学习」、「图神经网络」的热度均有上升。

       

由提交论文关键词组成的词云更加直观地展示了不同研究方向的热门程度：

       

斯坦福大学教授 Christopher Manning 看完这个统计结果后，在推特上表示：「强化学习惊人地崛起了！但卷积神经网络已现疲态。」

ACCV2020最佳论文等三项大奖出炉，华为诺亚获最佳学生论文奖

ACCV （Asian Conference on Cpmputer Vision）是仅次于CVPR、ICCV、ECCV 的计算机视觉领域会议（与BMVC类似），影响力逐年上升，今年的ACCV 2020 原计划在日本京都于11月30-12月4日召开，现因疫情原因改为线上。

ACCV 2020 共录用论文 255 篇，官方提供所有论文开放下载。

官网链接：http://accv2020.kyoto/

截止目前，大会已经公布了最佳论文奖、最佳学生论文奖、最佳应用论文奖等三项大奖，其中帝国理工和华为诺亚方舟合作获得了最佳学生论文奖。

最佳论文奖

获奖论文：《A sparse gaussian apppproach to region-based 6DoF Object Tracking》

论文作者：Manuel Stoiber、Martin Pfanne、Klaus H. Strobl、Rudolph Triebel、Alin Albu-Schaffer 。

研究单位：德国航空航天中心、慕尼黑工业大学。

论文链接:

https://openaccess.thecvf.com/content/ACCV2020/papers/StoiberASparseGaussianApproachtoRegion-Based6DoFObjectTrackingACCV2020paper.pdf

开源代码：

https://github.com/DLR-RM/RBGT

论文介绍：

论文提出了一种新颖、高效的稀疏方法，用于基于区域的6DoF目标跟踪，该方法仅需要单目RGB相机和3D物体模型。论文工作的主要贡献是一个概率模型，该模型沿对应线稀疏地考虑了图像信息。对于实现，论文提供了高效的离散比例空间公式。此外，论文得出了一个新颖的数学证明，表明提出的似然函数遵循高斯分布。基于此信息，论文为正则化牛顿优化中使用的对数似然导数开发了鲁棒近似。在多个实验中，作者表明，在跟踪成功方面，本文的方法优于基于区域的SOTA模型，且速度还要快上一个数量级。

最佳学生论文奖

获奖论文：

《Project to Adapt: Domain Adaptation for Depth Completion from Noisy and Sparse Sensor Data》

论文作者：Adrian Lopez-Rodriguez、Benjamin Busam、 Krystian Mikolajczyk

研究单位：帝国理工学院、华为诺亚方舟实验室、慕尼黑工业大学

论文链接：

https://openaccess.thecvf.com/content/ACCV2020/papers/Lopez-RodriguezProjecttoAdaptDomainAdaptationforDepthCompletionfromNoisyACCV2020_paper.pdf

论文介绍：

深度完成（Depth completion）的目的是根据稀疏的深度输入预测密集的深度图。获取用于深度完成设置的密集ground truth 注释可能很困难，于此同时，实际LiDAR测量值与合成数据之间的显着领域差距也阻止了在虚拟设置中成功训练模型。

              

 作者们提出了一种针对稀疏到稠密深度完成的领域适应方法，该方法是根据合成数据进行训练的，而无需在实际域中进行注释或使用其他传感器。      

 如上图所示，作者们们的方法模拟了RGB + LiDAR设置中的真实传感器噪声，并包括三个模块：通过投影模拟合成域中的真实LiDAR输入、过滤真实噪声的LiDAR以进行监控以及使用CycleGAN调整合成RGB图像方法。我们根据KITTI深度完成基准中的SOTA技术对这些模块进行了广泛评估，评估结果显示出我们方法得到了明显的改进。

最佳应用论文奖

获奖论文：

《Watch,read and lookup:learning to spot signs from multiple supervisors》

论文链接：

https://openaccess.thecvf.com/content/ACCV2020/html/MomeniWatchreadandlookuplearningtospotsignsfrommultipleACCV2020_paper.html

论文介绍：

论文工作的重点是标识识别：给出一个孤立标识的视频，我们的任务是确定是否在连续的，共同表达的手语视频中对它进行了标记。

为了实现此标识发现任务，作者们通过以下几种类型的可用监督来训练模型：

（1）观看现有的带有稀疏标签的镜头；

（2）阅读提供附加弱监督的相关字幕（标记内容的现有翻译）；

（3）在视觉手语词典中查找单词（没有可用的共同标注的示例），以实现新颖的手势识别。

使用噪声对比估计和多实例学习的原理将这三个任务集成到一个统一的学习框架中：

              

 

作者在 low-shot sign spotting基准上验证了方法的有效性。此外，作者供了隔离符号的机器可读的英国手语（BSL）词典数据集BslDict，以促进对该任务的研究。

数据集，模型和代码可在作者的项目页面上获得：

https://www.robots.ox.ac.uk/~vgg/research/bsldict/

 

2020年最值得关注的10家国外AI芯片初创公司

外媒CRN的作者Dylan Martin盘点了2020年迄今为止最酷的10家AI芯片初创公司，根据这些公司最近取得的成就，比如融资、新产品发布或产品性能。十家公司包括：Blaize、Cerebras、FlexLogix、Graphcore、Hailo、Kneron、LeepMind、SambaNova Systems、SiMa.ai、Tenstorrent。

 

Blaize

Blaize的Graph Streaming Processor是第一个能够在单个系统上同时运行多个人工智能模型和工作流程的处理器。这家总部位于加利福尼亚州埃尔多拉多的初创公司在去年秋天开始受到关注，于今年初推出了其计算架构，并获得了8700万美元的投资。

 

Cerebras

Cerebras Systems表示，其Wafer Scale Engine（WSE）处理器是有史以来最大的芯片，晶体管数量为1.2万亿个，封装了40万个计算内核。该公司总部位于加利福尼亚州洛斯阿尔托斯。

 

FlexLogix

Flex Logix Technologies表示，其InferX X1芯片是世界上边缘推理速度最快的芯片，它的吞吐量是Nvidia的Jetson Xavier芯片的11倍，而尺寸仅为后者的七分之一，成本也低得多。这家公司位于加利福尼亚山景城。

 

Graphcore

Graphcore表示，其IPU（Intelligence Processing Unit）是首款专为机器智能设计的处理器。这家总部位于英国布里斯托尔的初创公司于6月发布了其新的Colossus MK2 IPU和相应的M2000系统，该系统配备了四个MK2 IPU。

 

Hailo

Hailo表示，其Hailo-8深度学习芯片可在边缘提供数据中心级芯片的性能，同时在尺寸，性能和功耗方面击败竞争的边缘处理器。这是家总部位于以色列特拉维夫的初创公司。

 

Kneron

Kneron正在为边缘设备开发人工智能芯片，这些芯片可实时适应音频和视觉识别应用。这家位于圣地亚哥的初创公司在8月推出了其下一代芯片——Kneron KL720，该芯片支持完整的自然语言处理和增强的视频处理功能。

 

LeepMind

LeapMind通过为ASIC和FPGA设计的超低功耗AI推理加速器设计进入处理器IP业务，该加速器可以以较小的1-2位数据格式运行AI模型，精度几乎与8位数据格式相同。这意味着，这家位于东京的初创公司的IP运行AI模型不需要尖端的半导体制造工艺，也不需要使用专门的单元库来最大化推理处理的功耗和面积。

 

SambaNova Systems

SambaNova Systems同时致力于推动人工智能工作负载的硬件和软件，这家位于加利福尼亚州帕洛阿尔托的初创公司表示，其集成的硬件和软件因其可重新配置的数据流架构而在竞争中脱颖而出。今年2月，这家初创公司表示已经获得英特尔资本、BlackRock和其他投资者那里筹集了2.5亿美元的C轮融资，以进一步提高其软件性能。

 

SiMa.ai

SiMa.ai表示，其机器学习片上系统（简称MLSoC）是首个将高性能、低功耗和硬件安全性相结合的芯片，用于机器学习推理。这家公司位于加利福尼亚州圣何塞。

 

Tenstorrent

Tenstorrent表示，其Grayskull AI处理器可以通过业界首个可动态消除不必要计算的条件执行架构，将深度学习性能提升到新的水平。这家位于多伦多的初创公司在4月份透露了Grayskull，称其新的架构方法将通过适应模型的确切输入并紧密集成计算和网络，使处理器能够随着AI模型的持续增长而扩展。

 

点击此处进入社区查看原文