CCAI2020人工智能大会
旁观大会总结,对某些点感兴趣可以深入连接该方向的~。
- 加拿大多伦多大学 Toshua Bengio
1.1. system1 to system2、常规知识(全英文,没太听懂) - 联邦学习最新进展-杨强
2.1. 1.大数据迁移到小数据
2.1.1. 这俩领域足够相似
2.2. 2.分散数据集的联邦
2.3. 3.什么是联邦
2.3.1. 第一类联邦学习:按样本分割(纵向切割数据)
2.3.2. 第二类联邦学习:纵向联邦学习,特征不同,样本重叠
2.4. 4.联邦学习进展:
2.4.1. 生态
2.4.2. 平台
2.4.3. 基准 - 人工智能:算法、算力、交互–戴琼海院士
3.1. 算法:目前研究现状
3.2. 算力:半导体已经到了极限,接下来智能光电计算机
3.3. 交互:发展到一定的阶段,人与机的交互 - 智慧交通专题论坛
4.1. 1.韦峻青:滴滴自动驾驶公司首席技术官
4.1.1. 数据决定上限
4.1.2. 桔视摄像头为滴滴收集行驶大数据
4.1.3. 滴滴自动驾驶目前进展
4.2. 2.北航自动驾驶–邓伟文
4.2.1. 多模态数据融合
• 如何融合?
• 融合之后的作用?
4.3. Henry Liu:密歇根智能交通研发中心
4.3.1. 在虚拟平台的自动驾驶相关的研究 - 微软亚洲研究院–周明
5.1. 预训练模型
5.1.1. 预训练模型可在现有法律法规下打破技术壁垒
5.1.2. 多语言环境下的应用
5.1.3. 自监督、自回归的应用,eg:复旦大学-邱锡鹏
5.1.4. 文件提取重要信息:坐标的解决?
5.1.5. 生成视频字幕 or 根据字幕查找视频
5.1.6. 多模态 - 华为人工智能–田奇
6.1. CV:让计算机拥有人类视觉感知
6.2. 方向:从海量数据挖掘信息
6.3. 数据生成:知识蒸馏+自动数据扩增
6.4. 多模态
6.5. 自动网络架构搜索 - 中科院机器人–陈小平
7.1. 大知识(常规知识数据库)
7.2. 中科院机器人研究进展:佳佳、可佳 - 人工智能发展方向论坛
8.1. 可交互、可学习、可进化、暂时无意识(李德毅)
8.2. 将知识驱动与逻辑驱动相结合,进行推理
8.3. 跨领域迁移学习如和做的更好(杨强)
8.4. 应用系统应具有封闭性(陈小平)
8.5. 企业希望的人工智能从业者:数学扎实、编程扎实、且具有1+X能力(田奇)