CCAI2020人工智能大会个人提炼

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~。

1. 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）
2. 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
3. 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
4. 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
5. 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
6. 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
7. 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
8. 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）