实录 | 计算未来轻沙龙：人工智能前沿与应用研讨会（PPT下载）

3 月 16 日（周六）下午，PaperWeekly 携手清华大学计算机系推出了计算未来轻沙龙第八期线下活动——人工智能前沿与应用研讨会。本次活动的 8 位嘉宾来自在线教育、自然语言处理、计算机视觉、智能机器人、硬件加速等诸多方向，更有来自阿里、有道、Hulu 的重磅业界嘉宾，部分汇报论文入选 CVPR 2019、AAAI 2019 等顶级会议。

本文将独家分享本期活动的嘉宾课件下载。

 张佶 / 阿里巴巴智能服务事业部高级算法专家 

张佶，阿里巴巴智能服务事业部高级算法专家，致力于智能人机交互领域的算法研究和业务场景落地，目前在阿里小蜜团队担任企业小蜜算法平台负责人，推动阿里小蜜在国内和海外业务领域的算法实践，带领团队实现了机器阅读理解、多语言问答等算法技术最早的成功应用。    

 从学术研究到工业落地—阿里小蜜机器阅读实践 

本次分享将介绍机器阅读理解这一学术热点技术在阿里小蜜真实的业务和产品中有哪些具体场景，落地过程中有哪些挑战以及如何设计面向工业应用的机器阅读技术平台。     

 徐潇然 / Hulu研究员 

徐潇然，毕业于北京大学智能科学系，2013年赴美国加州大学洛杉矶分校学习人工智能专业，两年博士学习后弃学回国创业，而后在360人工智能研究院做深度学习算法工程师，现在Hulu北京的研究员岗位上从事推荐推理方向的深度学习和强化学习研究，研究点主要关注在具有可解释性的可微推理(Differentiable   Reasoning)和随机推理(Stochastic   Reasoning)，先后提出了Backprop-Q随机计算图上的通用反向传播计算框架，和基于注意力流(Attention Flow)的可微推理模型。    

 推理、知识图谱与深度学习 

推理、知识图谱诞生于人工智能符号派阵营，深度学习则是神经网络在新时代的高峰。这看似水火不相容的对立，最终能否走向统一，在执彼此之手中开启强AI的序幕？在令众生憧憬的道路上，还有哪些需要逾越的鸿沟？从历史到当下，简单谈一下我们的体会和展望。   

 王佩琪 / 清华大学计算机系博士生 

王佩琪，计算机系14级博士生，主要研究方向为神经网络硬件加速，网络压缩，计算体系结构设计。 

 SNrram：基于ReRAM的稀疏神经网络加速 

在这次报告中，简要介绍一种针对稀疏神经网络的硬件加速架构设计。神经网络算法的迅速发展，对硬件的计算资源和存储资源需求都在不断提高。从体系结构的角度，我们设计了一种专用的加速架构，可有效利用网络的稀疏性来实现硬件加速。  

 米尔阿迪力江·麦麦提 / 清华大学计算机系博士生 

米尔阿迪力江·麦麦提，清华大学计算机系2015级博士研究生，北京新译信息科技有限公司低资源语言机器翻译技术顾问。研究方向包括自然语言处理、机器翻译、跨语言信息检索以及机器学习；相关工作发表在ICIS,ICCSIP,TALLIP等国际会议及期刊上。同时，一直积极参与多项国家自然科学基金项目与国家重点课题。

 基于多轮迁移学习的低资源语言神经网络机器翻译 

在这次报告中，首先讲一下神经网络机器翻译研究的目前总况，同时介绍一下低资源语言翻译中的有些挑战；其次，介绍一下低资源机器翻译研究中的已有的工作（好处并短处）；再次，将详细介绍我们本篇论文中提出的方案、跟前人工作的比较以及所取得的成绩；最后跟大家分享一下本领域的发展趋势并尚未得到解决的问题。   

 周琳钧 / 清华大学计算机系博士生 

周琳钧，现为清华大学计算机系媒体所Media and Network Lab三年级博士生，主要研究方向为小样本机器学习及类人视觉推理，指导教师为杨士强教授。    

 基于视觉推理的小样本图像分类 

本次讲座主要给大家介绍小样本机器学习的历史与发展，在此基础上，我们参考人类的视觉推理能力，提出了一个全新的小样本图像分类的算法：Visual   Analogy Graph Embedding Regression (VAGER),   实验表明我们提出的算法优于目前最新的算法且具有较强的可解释能力。最后会给大家分享小样本机器学习未来的发展方向。    

 易冉 / 清华大学计算机系博士生 

易冉，清华大学计算机系媒体所博士在读，研究领域为计算机视觉及计算几何。博士期间在CVPR、SIGGRAPH   Asia、TASE发表多篇文章。    

 APDrawingGAN: 人脸照片艺术肖像风格化 

在这次报告中，我会展示如何使用针对人脸设计的生成对抗网络，学习不同面部特征的专用绘制策略，从单张人脸照片生成高质量的艺术肖像画。该研究成果录取为CVPR 2019的oral论文。  

  

 荆明轩 / 清华大学计算机系博士生 

荆明轩，清华大学计算机系人智所博士三年级学生，研究方向为机器人拟人学习和模仿学习。

 基于人倾向性的机器人迁移学习 

这次报告中，首先介绍模仿学习、迁移学习和拟人学习的一些基本概念和方法，然后介绍最近的基于倾向性的机器人迁移学习工作，最后进行总结与展望。

 1 / 扫码关注 

长按识别二维码，关注PaperWeekly

 2 / 回复暗号 

在PaperWeekly微信公众号后台

 回复暗号190316 

即可获取嘉宾课件下载链接

#投 稿 通 道#

 让你的论文被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？ 答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学习心得或技术干货。我们的目的只有一个，让知识真正流动起来。

? 来稿标准：

• 稿件确系个人原创作品，来稿需注明作者个人信息（姓名+学校/工作单位+学历/职位+研究方向） 

• 如果文章并非首发，请在投稿时提醒并附上所有已发布链接 

• PaperWeekly 默认每篇文章都是首发，均会添加“原创”标志

? 投稿邮箱：

• 投稿邮箱：hr@paperweekly.site 

• 所有文章配图，请单独在附件中发送 

• 请留下即时联系方式（微信或手机），以便我们在编辑发布时和作者沟通

?

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 获取最新论文推荐