专访 | 清华大学朱军:深度学习“盛行”,传统方法何去何从?

  • 时间:
  • 浏览:3
  • 来源:uu快3大小_uu快3网站_开奖历史

近日,朱军博士接受了CSDN的专访,采访中分享了目前最新的研究进展,深度学习与传统机器学习怎样才能融合发挥最大作用,成为优秀青年科学家的必备特质,以及在CCAI 2017上的分享与筹备工作。

以后 ,人工智能的或多或少方向也同样重要,以后 在国内也正在受到全都的关注,比如自然语言理解、模式识别、知识工程、机器人,甚至是从脑科学寻求启发的尝试等。目前,可能是可能机器学习可能融入到哪些地方地方方向中,才给人这人“到处都有机器学习”的感觉。以后 ,主次土依据都有优点和缺点,学术界和工业界都还要鼓励多样性。比如:数据驱动的土依据(如深度学习)往往还要血块的训练数据,而知识驱动的土依据(如贝叶斯土依据)都还要在小样本下进行有效学习,二者具有互补的优势,它们的有机融合是当前的另4个热点。

在CCAI 2017上的分享与筹备工作

朱军博士是清华大学计算机系长聘副教授、智能技术与系统国家重点实验室副主任、卡内基梅隆大学兼职教授。2013年,入选IEEE Intelligent Systems的“人工智能10大新星”(AI’s 10 to Watch)。他主要从事机器学习研究,在国际重要期刊与会议发表学术论文1000余篇。担任国际期刊IEEE TPAMI和Artificial Intelligence的编委、国际会议ICML 2014地区联合主席、以及ICML、NIPS等国际会议的领域主席。





清华大学计算机系长聘副教授朱军

朱军:这人问題图片都还要从另4个方面来看:

CSDN:你是从哪些地方维度来组织嘉宾阵容的?由此构建起的人工智能青年论坛将哪些地方地方独特之处?

作为中国国内高规格、规模空前的人工智能大会,本次大会由中国科学院院士、中国人工智能协会副理事长谭铁牛,阿里巴巴技术委员会主席王坚,香港科技大学计算机系主任、AAAI Fellow 杨强,蚂蚁金服副总裁、首席数据科学家漆远,南京大学教授、AAAI Fellow 周志华并肩甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展,汇聚了超过 40 位顶级人工智能专家,带来 9 场权威主题报告,以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛,届时将有超过 10000 位人工智能专业人士参与。

CSDN:在深度学习“盛行”的大环境下,怎样才能看待相对来说比较传统机器学习(如支持向量机、贝叶斯学习、决策树等)?

CSDN:成为人工智能领域优秀的青年科学家,你认为还要具备哪些地方特质?

CSDN:你怎样才能理解和出理 科研与教学二者的关系?

目前,大会 8 折优惠门票正在火热发售中,点击这里火速抢票。

其次,珠算上支持的应用可能有全都,比如无监督学习、半监督学习、贝叶斯学习等。朋友在珠算上可能实现了目前主要的模型,如变分自编码器(VAE)、生成对抗网络(GAN)、主题模型、贝叶斯神经网络等,以及最好的概率推理算法。用户都还要直接使用哪些地方地方模型,也都还要便捷地实现被委托人的模型。

以后 ,随着应用范围的扩展和多样化化,人工智能仍然面临着多方面的挑战,包括鲁棒性、可解释性、安全性、隐私保护等等。

朱军:机器学习受到全都关注是有一定道理的。作为实现现代人工智能的主要技术途径(之一),机器学习的目标是从经验数据中不断改善性能,它的作用在大数据时代变得更加明显。目前,机器学习可能成为全都应用领域的首选技术方案。

CSDN:“珠算”选折 构建在TensorFlow之上,其中哪些地方地方故事都还要分享?

朋友考察过不同的平台,选折 TensorFlow是有或多或少导致 的。首先,TensorFlow可能有庞大的社区,以后 展示出成为通用计算图框架的潜力。建立在TensorFlow之都可不上能 助 融入当前的生态系统。其次,TensorFlow计算图(computation graph)支持的操作(operation)种类远多于或多或少框架,也能最大程度满足概率编程的需求。最后,Tensorflow是少数支持多机多卡的分布式计算图框架,非常适合做为大规模贝叶斯深度学习的基础设施。

目前,国内外的差异可能没办法 小了,信息的不对称也在逐渐消失,国内的可能也全都。最近,我也很高兴看后有全都CMU的朋友陆续回国工作,这和几年前我回国时的请况全版不同,当时朋友甚至开玩笑说我是先回国给朋友探路的。以后 ,我随便说说每被委托人都还要根据被委托人的请况选折 是是不是出国深造,盲目跟随应该会成为过去式。

以后 ,学术界和工业界都应该更客观地看待深度学习,它的优点都还要与或多或少机器学习土依据共融,比怎样才上能取得全都进展的贝叶斯深度学习、深度产生模型(如GAN)等。并肩,它的缺点也还要从或多或少方向寻求改善,比如:朋友最近从信息论的深度出发,设计了这人新的训练准则和测试准则,都还要显著提升深度神经网络(如CNN,VGG,ResNet)对对抗样本的鲁棒性;另外,朋友与清华大学的刘世霞老师企业战略合作,研制了CNNVis和DGMTracker可视化系统,它们综合利用了信息可视化与图形学的工具,对深度模型的学习过程进行解释,帮助调试。

CSDN:都还要概述你的团队基于贝叶斯深度学习构建的“珠算”哪些地方地方创新之处?适用于哪些地方领域?目前哪些地方地方比较好的应用案例?

CSDN:去年参加CCAI 2016的AAAI主席Rao Kambhapati认为中国学者基本都有研究机器学习,范围有点痛 窄,你是敲定同中国人工智能研究趋于稳定原先的误区?除了机器学习之外,还哪些地方地方领域可能哪些地方问題图片是值得朋友关注的?

CSDN:CMU博士后研究的经历我想要最大收获是哪些地方?怎样才能理解国内外环境的差异?以目前的请况来看,你对青年是是不是要出国深造哪些地方地方建议?

朱军:清华非常注重教学。我认为可都还要平衡好二者的关系,教学与科研是都还要相辅相成的。科研做的好也能帮助教学,对另4个领域的深入理解也能将课堂上讲的知识点融合贯通,形成有机整体,而都有生硬式的拼凑。并肩,教学的过程也能帮助系统地架构设计 学科知识,加深理解,有时也能激发科研想法。

关于珠算平台

朱军:科研是另4个长期的过程,还要兴趣和坚持,并肩,对问題图片要形成被委托人的认知和选折 。现在是人工智能、机器学习发展快速的时期,是好事也可能是坏事,更慢的进展容易我想要被抛弃定力,追逐或多或少容易出成果的“热点”。随大流随便说说能发全都文章,以后 ,先要形成被委托人的系统性工作。以后 ,或多或少以后 还要“少做”,也能选折 重要的问題图片集中精力去做。

最后,珠算在技术上都有全都创新,与TensorFlow很好地融合在并肩。朋友正在架构设计 文章,变快可能敲定技术细节。

CSDN:作为 CCAI 人工智能青年论坛的并肩主席,对于组织这人论坛,你的出发点是哪些地方?本次论坛将主要围绕哪些地方内容展开?希望为听众出理 哪些地方问題图片?

朋友所做的机器学习工作,研发的算法和平台(如珠算)通常都有开源的,工业界都还要使用。另外,朋友也与或多或少公司企业战略合作,针对具体应用开发特定的机器学习技术。

CSDN:对于“有了生成模型以后 ,引入深度学习就能出理 统计学习的核心问題图片(如模型多样化度的选折 、泛化性能的理论保证、学习波特率等)”的观点你为啥看?

朱军:首先,珠是是不是另4个概率编程的库,用户在上面都还要很容易地实现贝叶斯深度学习的模型和推理,就像在TensorFlow上写另4个神经网络一样便捷。贝叶斯深度学习是另4个前沿方向,它的基本框架是概率图模型(贝叶斯网络),融合了深度神经网络在可学习的函数拟合方面的长处。和选折 性的深度神经网络(如CNN)比,它的主要优点在于都还要刻画不选折 性(如噪声、信息不全版、随机过程),进行推理和决策。

朱军:朋友做珠算的主要目的是希望也能通过开源社区,支持大规模贝叶斯深度学习的概率编程,让这人前沿方向的科研和实践变得更容易。

朱军:朋友近期主要关注贝叶斯土依据与深度学习的融合。朋友的最近工作包括建模、学习算法和平台,在无监督、半监督等学习任务上取得了或多或少进展。为了有效支持这方面的研究,朋友研发了珠算(http://zhusuan.readthedocs.io ),它提供了另4个Python编程库,也能便捷地实现贝叶斯深度学习的建模和推理。同样在贝叶斯框架下,朋友对不选折 、不全版信息环境下的决策也非常感兴趣,最近也做了或多或少博弈论的工作,包括即将发表在ICML上的文章。另外,如上所说的,朋友也在提升深度学习的鲁棒性和可解释性方面做了或多或少积极尝试。

朱军:越是创新性高的科研工作,它的不选折 性也会越高,导致 结果有都有与预期相差甚远。以后 ,另4个失败的探索过程也是有价值的,它大概告诉你哪些地方路是不可行的。选折 了大方向以后 ,都还要大胆尝试,遇到困难或挫折是很正常的,不需要气馁。

朱军:有全都因素。正如前面所说的,首先是要有兴趣,我想要投入精力去学习和钻研。其主次也能坚持,遇到困难不回避,也能主动思考出理 的土依据。可不都可不上能 了通过思考得到的东西才是属于被委托人的。最后,要善于向前辈和同行学习,别人的观点可能是启发思路的火种。

朱军:随着数据和计算资源的增加,以及算法的改进,以深度学习为代表的现代人工智能技术正在太少的领域中获得应用和发展,并可能在或多或少特定领域取得显著进展,包括图像识别、语音识别、电脑游戏等。

怎样才能成为优秀的青年科学家

7月22-23日,中国人工智能大会(CCAI 2017)将于杭州国际会议中心举行,朱军将作为“人工智能青年论坛”并肩主席主持会议,欢迎青年学者到现场参与讨论。

朱军:这人问題图片也要从另4个方面来看待:

深度学习 VS. 传统机器学习

原文链接

朱军:博士后是另4个过渡阶段,从科研和教学另4个方面,都为以后 的清华任教打下了好的基础。CMU有最好的学术环境、非常友好的同事和朋友,给我的帮助很大,我被委托人也在尝试借鉴CMU的经验指导学生。

关于 CCAI

朱军:该论坛尽量覆盖人工智能的多个方面。邀请的嘉宾有学术界和工业界的优秀代表,都有优秀的女人女人男人科学家代表。另外,嘉宾的背景也具有很好的代表性、多样性。希望该论坛也能给听众带来最前沿的思想碰撞。

CSDN:你介绍过或多或少工作在付出全都努力以后 不得不中止,全都说选折 方向有点痛 要,这方面哪些地方地方心得都还要分享?

目前,人工智能获得显著进展的领域通常还要血块的训练数据,怎样才能发展对训练样本更高效的人工智能技术是全都场景下要出理 的关键问題图片;另外,怎样才能在信息不全版、不选折 的非内部管理化环境下进行高效学习和决策也是未来要出理 的重要问題图片。该论坛将探讨人工智能领域的前沿进展和未来趋势,嘉宾们将通过分享被委托人的观点、与听众互动,解答听众关心的问題图片。

CSDN:请谈谈你近期的研究课题和进展,以及目前关注的研究和应用请况。

CSDN:就你被委托人而言,理论扎实,成果充足,都还要介绍是哪些地方因素对你今天的成绩起到了关键的作用,是时代机遇,被委托人坚持,前辈指导,同行交流,还是或多或少?

中国人工智能大会(CCAI),由中国人工智能协会发起,目前已成功举办两届,是中国国内级别最高、规模最大的人工智能大会。秉承前两届大会宗旨,由中国人工智能协会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办,云栖社区作为独家直播企业战略合作伙伴的第三届中国人工智能大会(CCAI 2017)将于 7 月 22-23 日在杭州召开。