SFFAI 82 X CRIPAC报名通知 | 机器翻译专题

SFFAI 合作机构 CRIPAC 简介

智能感知与计算研究中心（www.cripac.ia.ac.cn）为中科院自动化研究所独立建制的科研部门，致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。瞄准国际学科前沿，面向国家公共安全、智能产业发展等重大战略需求，着眼于基础理论创新与关键技术突破以及系统解决方案的研制，努力打造成为国际一流的研究中心，是集人才培养、技术创新、产业孵化为一体的创新平台。中心目前主要在多模态智能计算、生物识别与安全、生物启发的智能计算、智能感知基础理论四个方面展开科学研究。

论坛主题

机器翻译专题

论坛简介

神经机器翻译虽然实现了极佳的性能，然而在实际应用场合却依然面临鲁棒性薄弱的弊病。不同于收集坏样例标注分析，近年来针对机器翻译系统产生对抗样本日益成为探索、强化其鲁棒性的主流途径。本期论坛我们邀请到了来自南京大学的邹威同学，他使用强化学习的方式，针对机器翻译系统生成对抗样本，并探索了基于此方案强化机器翻译鲁棒性的方式。

论坛讲者

邹威

邹威，南京大学计算机科学与技术在读博士，主要研究方向为机器翻译、强化学习。

报告题目：通过强化学习为神经机器翻译生成对抗样本

报告摘要：现有的文本对抗样本的生成方法低效、难以保证语义一致，且受限于自然语言的离散性和人工规则建模错误类型。本工作从不同已有工作的视角，将针对机器翻译系统生成对抗样本建模为“受限的马尔可夫决策过程”，并使用强化学习和对抗学习技术建模学习。我们的方法免除了传统对抗样本生成对人工规则的依赖，并直接通过指标的劣化寻找系统对抗样本。在达成传统方法已有的攻击性能的前提下，此方法极大程度提升了对抗样本的语义质量和生成速度。除此，我们还基于该生成方案初步探索了强化机器翻译鲁棒性的可能途径。

Spotlight：

1. 将针对机器翻译系统生成对抗样本建模为“受限的马尔可夫决策过程”，并针对具体指标的劣化，不依赖人工规则建模错误特征，生成对抗样本。

2. 使用对抗学习建模无监督语义限制，保证对抗样本的语义质量。

3. 本方法可以以远超基线的速度生成对抗样本，并进一步用于系统的量化分析和鲁棒性强化。

召集人

李奉治

李奉治，中国科学院计算技术研究所直博生，导师为徐志伟研究员。主要研究方向为机器学习中的因果推理。

论文推荐

“ 本期推荐的文章主要关注于自然语言处理机器翻译领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI82"获取本主题精选论文

经典论文

01

推荐理由：本工作基于梯度优化和离散正则限制生成文本对抗样本，是文本领域对抗样本生生成的先驱性探索。

—— 邹威

02

推荐理由：本工作将文本对抗样本生成任务视为搜索优化，并提出了对文本对抗样本质量评估的初步标准。

—— 邹威

03

推荐理由：本工作是最早一批利用对抗样本生成针对机器翻译系统鲁棒性的探索。其生成依赖字符级别的编辑组合优化。

—— 邹威

前沿论文

04

推荐理由：本工作将对抗样本生成视为组合优化问题，建模使用离子群算法（PSO）优化搜索性能。

—— 邹威

05

推荐理由：本工作针对NLU任务提出了细粒度的约束，辅助寻找文本表示的对抗扰动。

—— 邹威

06

推荐理由：针对神经机器翻译强化鲁棒性，借鉴图像领域相关的对抗数据增广技术，绕过生成实际的文本对抗样本。

—— 邹威

参会须知

会议时间

2020年10月11日（周日）

20:00 -- 21:00

报名方式

公众号二维码

请同学们扫码关注本公众号，对话框回复“SFFAI82”，获取入群二维码。

SFFAI的介绍

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了人工智能前沿学生论坛SFFAI，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，进行学术传播，同时为讲者塑造个人影响力。

SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest。通过汇总各位参与者贡献的领域知识，沉淀人工智能前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献。SFFAI自2018年9月16日举办第一期，每周一期学术分享交流，截止目前已举办81期学术交流活动，共有100+位讲者分享了他们的真知灼见，来自100多家单位的同学参与了现场交流，通过线上推文、网络直播等形式，50000+人次参与了人工智能前沿学生论坛。SFFAI自发起以来，迅速成长壮大，已经成为人工智能学生交流的第一品牌，有志同道合的论坛核心志愿者团队、乐于学术分享的讲者伙伴，还有许多认可活动价值、多次报名参加现场交流的观众，大家通过参与人工智能前沿学生论坛，收获了宝贵的知识和友谊，SFFAI致力于帮助大家解决在学术中遇到的相关问题，拓展学术人脉，为大家营造专业、开放的学术交流环境！

历史文章推荐

• 李永露：PaStaNet：Toward Human Activity Knowledge Engine

• 杨传广：高效设计图像分类模型：混合连通性的门限卷积神经网络

• 朱时超：图平滑样条神经网络
  

• 曾仙芳：通过自监督解耦身份和姿态特征实现人脸再扮演任务

• 张杰：针对图像处理网络的模型水印

• 牛广林：规则引导的知识图谱组合式表示学习

• 王玫：自然环境下的多种族人脸：利用信息最大化自适应网络去减少种族偏差
  

• 傅朝友：Domain-Aware Diverse Face Manipulation

• 申磊：多轮对话中的上下文信息建模

• 方杰民：Recent Advances and Highlights of NAS

• 张志鹏：SiamDW Real-Time Visual Tracking

• 周龙：同步双向文本生成

• 王亦宁：Multilingual Neural Machine Translation

• 呼奋宇：深度层次化图卷积神经网络

分享、点赞、在看，给个三连击呗！