人工智能論壇如今浩如煙海，有硬貨、有干貨的講座卻百里挑一?！癆I未來說·青年學(xué)術(shù)論壇”系列講座由中國(guó)科學(xué)院大學(xué)主辦，百度全力支持，讀芯術(shù)、paperweekly作為合作自媒體。承辦單位為中國(guó)科學(xué)院大學(xué)學(xué)生會(huì)，協(xié)辦單位為中國(guó)科學(xué)院計(jì)算所研究生會(huì)、網(wǎng)絡(luò)中心研究生會(huì)、人工智能學(xué)院學(xué)生會(huì)、化學(xué)工程學(xué)院學(xué)生會(huì)、公共政策與管理學(xué)院學(xué)生會(huì)、微電子學(xué)院學(xué)生會(huì)。2020年6月20日，第16期“AI未來說·青年學(xué)術(shù)論壇”NLP前沿技術(shù)及產(chǎn)業(yè)化線上專場(chǎng)論壇以“線上平臺(tái)直播+微信社群圖文直播”形式舉行。百度何中軍帶來報(bào)告《機(jī)器翻譯 —— 從設(shè)想到大規(guī)模應(yīng)用》。
何中軍，博士，百度人工智能技術(shù)委員會(huì)主席，從事機(jī)器翻譯研究與開發(fā)十余年，申請(qǐng)專利40余項(xiàng)，研發(fā)了全球首個(gè)互聯(lián)網(wǎng)神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)、首個(gè)WiFi翻譯機(jī)、首個(gè)語義單元驅(qū)動(dòng)的語音到語音同傳系統(tǒng)。曾獲國(guó)家科技進(jìn)步二等獎(jiǎng)、中國(guó)電子學(xué)會(huì)科技進(jìn)步一等獎(jiǎng)、中國(guó)專利銀獎(jiǎng)、北京市科技進(jìn)步二等獎(jiǎng)、電子學(xué)會(huì)優(yōu)秀科技工作者等多項(xiàng)獎(jiǎng)勵(lì)。
報(bào)告內(nèi)容：70多年前，第一臺(tái)計(jì)算機(jī)誕生后不久，科學(xué)家就提出了利用計(jì)算機(jī)進(jìn)行翻譯的設(shè)想。此后，隨著技術(shù)不斷更迭，算力大幅提升，以及互聯(lián)網(wǎng)帶來的數(shù)據(jù)井噴式增長(zhǎng)，機(jī)器翻譯質(zhì)量持續(xù)提高。尤其近年來神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯的出現(xiàn)及快速發(fā)展，使得機(jī)器翻譯水平大幅躍升，在人們的生產(chǎn)生活中得到了廣泛應(yīng)用。本報(bào)告結(jié)合百度機(jī)器翻譯大規(guī)模工業(yè)化實(shí)踐，介紹機(jī)器翻譯技術(shù)進(jìn)展、主要產(chǎn)品形式及應(yīng)用，最后對(duì)未來發(fā)展進(jìn)行展望。
何中軍博士以機(jī)器翻譯設(shè)想的提出為開篇，緊接著對(duì)機(jī)器翻譯歷史進(jìn)行了簡(jiǎn)要回顧。1946年，第一臺(tái)電子計(jì)算機(jī)ENIAC誕生以后，1947年美國(guó)洛克菲勒基金會(huì)副總裁Warren Weaver提出了用計(jì)算機(jī)來做機(jī)器翻譯的設(shè)想。經(jīng)過大約十多年的發(fā)展，1964年我國(guó)劉涌泉、高祖舜、劉倬三位科學(xué)家合著了一本名為《機(jī)器翻譯淺說》的科普讀物，他們?cè)跁羞@樣寫到——“短短十多個(gè)年頭已經(jīng)取得很大成績(jī)，隨著科學(xué)研究進(jìn)步和語言研究提高，機(jī)器翻譯在不久的將來定會(huì)取得更大成就，從而可以在實(shí)際工作中得到應(yīng)用”。
1949年，Warren Weaver發(fā)表了機(jī)器翻譯備忘錄，正式提出機(jī)器翻譯問題。1954年，喬治敦大學(xué)和IBM實(shí)現(xiàn)了第一個(gè)機(jī)器翻譯系統(tǒng)。當(dāng)時(shí)人們覺得機(jī)器翻譯很快就能實(shí)現(xiàn)，因此熱情高漲。但到了1966年，美國(guó)語言自動(dòng)處理咨詢委員會(huì)（ALPAC）針對(duì)機(jī)器翻譯的研究情況發(fā)布了一個(gè)調(diào)查報(bào)告，指出機(jī)器翻譯水平遠(yuǎn)遠(yuǎn)達(dá)不到人們理想的程度，機(jī)器翻譯這個(gè)事不太可行。這份報(bào)告給當(dāng)時(shí)的機(jī)器翻譯研究澆了一盤冷水，于是政府停止了資助，機(jī)器翻譯也隨之進(jìn)入了停滯狀態(tài)。1968年，Systran公司成立，其初衷是為了服務(wù)美國(guó)軍方。進(jìn)入70年代以后，隨著喬姆斯基語言學(xué)理論為大家廣泛研究和接受、科技進(jìn)步以及硬件進(jìn)步，人們重新燃起了對(duì)機(jī)器翻譯的希望。到了90年代初期，IBM通過兩篇經(jīng)典文章提出了統(tǒng)計(jì)機(jī)器翻譯模型，從此拉開了統(tǒng)計(jì)機(jī)器翻譯的序幕。2006年，Google發(fā)布了首個(gè)互聯(lián)網(wǎng)翻譯系統(tǒng)。在統(tǒng)計(jì)機(jī)器翻譯占據(jù)了20多年的統(tǒng)治地位后，2014年神經(jīng)網(wǎng)絡(luò)翻譯模型被提出，2015年5月百度旋即發(fā)布了全球首個(gè)互聯(lián)網(wǎng)神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)，2016年9月Google也發(fā)布了神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)。此后，國(guó)內(nèi)外巨頭互聯(lián)網(wǎng)公司都紛紛把神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)作為主系統(tǒng)。這便是機(jī)器翻譯的簡(jiǎn)要發(fā)展歷史。
何中軍博士接著介紹了驅(qū)動(dòng)機(jī)器翻譯發(fā)展的三駕馬車。第一是算法演進(jìn)，基于規(guī)則、統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)的算法。第二是算力，最開始計(jì)算機(jī)是由電子管、晶體管為材料制造的，隨著技術(shù)發(fā)展，到統(tǒng)計(jì)機(jī)器翻譯時(shí)代，主力算力是CPU集群，神經(jīng)網(wǎng)絡(luò)翻譯時(shí)代主力算力則是GPU集群。第三是數(shù)據(jù)，最開始的時(shí)候人們通過構(gòu)建規(guī)則以及利用字典進(jìn)行翻譯，互聯(lián)網(wǎng)出現(xiàn)以后產(chǎn)生了大規(guī)模的數(shù)據(jù)，人們開始使用這些自動(dòng)采集的大數(shù)據(jù)來訓(xùn)練機(jī)器翻譯系統(tǒng)，近年來又引入了行業(yè)優(yōu)質(zhì)垂類數(shù)據(jù)來進(jìn)一步優(yōu)化翻譯系統(tǒng)。
前面提到喬治敦大學(xué)和IBM公司研發(fā)了第一個(gè)機(jī)器翻譯系統(tǒng)，當(dāng)時(shí)他們用的是IBM 701機(jī)，6條規(guī)則和250個(gè)詞，可以說是一個(gè)玩具模型，而現(xiàn)在我們可以利用數(shù)十億雙語句對(duì)，在GPU集群上訓(xùn)練神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)。通過比較，我們可以看到這幾十年巨大的進(jìn)步和發(fā)展。
與技術(shù)發(fā)展一樣迅猛的，是翻譯需求的增長(zhǎng)。
最開始機(jī)器翻譯設(shè)想提出是為了給軍方服務(wù)。美蘇冷戰(zhàn)時(shí)期，美國(guó)希望獲取蘇聯(lián)情報(bào)以了解蘇聯(lián)人的動(dòng)向，但由于翻譯人力不足，因此他們迫切需要俄語到英語的翻譯系統(tǒng)，所以當(dāng)時(shí)研制機(jī)器翻譯系統(tǒng)主要是將俄語翻譯為英語。長(zhǎng)期以來，機(jī)器翻譯一直服務(wù)于軍方。冷戰(zhàn)結(jié)束以后，世界經(jīng)濟(jì)一體化進(jìn)程開始。1993年，歐盟成立，工作語種多達(dá)24個(gè)，每年有60多萬頁文件需要翻譯，每年翻譯支出高達(dá)10億歐元。由于翻譯任務(wù)繁重且費(fèi)用高昂，歐盟對(duì)機(jī)器翻譯的需求非常迫切，因此歐盟第七框架計(jì)劃投入了巨資研發(fā)機(jī)器翻譯系統(tǒng)。2013年，我國(guó)提出了偉大“一帶一路”倡議，涉及65個(gè)國(guó)家和地區(qū)，截至2019年有136個(gè)國(guó)家和30個(gè)國(guó)際組織簽署了合作文件，語言種類超過110種，對(duì)多語言翻譯的需求非常巨大。對(duì)于個(gè)人用戶而言，翻譯的需求也大幅增長(zhǎng)。從出境游人數(shù)來看，1995年出境游人數(shù)只有0.05億，而2019年是1.5億人次。從中國(guó)互聯(lián)網(wǎng)用戶數(shù)來看，1997年中國(guó)互聯(lián)網(wǎng)用戶只有62萬，但到了今年3月份最新統(tǒng)計(jì)結(jié)果，中國(guó)互聯(lián)網(wǎng)用戶數(shù)已經(jīng)突破了9億。對(duì)于語言服務(wù)商而言，近十年來全球語言服務(wù)業(yè)高速增長(zhǎng)。根據(jù)《2019年中國(guó)語言服務(wù)發(fā)展報(bào)告》，2019年語言服務(wù)業(yè)全球產(chǎn)值接近500億美元。值得注意的是，大約54%的受訪語言服務(wù)商對(duì)機(jī)器翻譯質(zhì)量比較滿意，這表明機(jī)器翻譯這些年取得了比較大的進(jìn)步，也獲得了大家的認(rèn)可。
現(xiàn)在機(jī)器翻譯已經(jīng)進(jìn)入了規(guī)?；瘧?yīng)用的階段，在今年四月份百度將翻譯語種從原來20多種擴(kuò)展到200多種語言互譯，每日翻譯超過千億字符，支持超過30萬家第三方應(yīng)用。
機(jī)器翻譯不知不覺在身邊為我們提供服務(wù)了。例如，遇到沐浴露瓶標(biāo)簽上不認(rèn)識(shí)的單詞，通過手機(jī)拍照翻譯看懂了內(nèi)容。第二個(gè)例子有一位公交車司機(jī)，他用翻譯APP進(jìn)行外語學(xué)習(xí)，在他的公交車上同時(shí)提供雙語播報(bào)服務(wù)，讓大家享受飛機(jī)頭等艙的服務(wù)。第三個(gè)例子也挺有意思，一個(gè)俄羅斯人在深圳交通違法了，民警跟他溝通發(fā)現(xiàn)語言不通，用了機(jī)器翻譯幫助處理了交通違法事故。第四個(gè)例子是巴基斯坦小伙子把錢包落在公交車上，公交車售貨員通過機(jī)器翻譯進(jìn)行交流把錢包還給了他。這樣例子數(shù)不勝數(shù)，機(jī)器翻譯在生活中切切實(shí)實(shí)能給人們提供很多幫助。
之所以大家覺得機(jī)器翻譯翻譯得不錯(cuò)，能夠幫助到自己，是因?yàn)檫@幾年機(jī)器翻譯質(zhì)量得到大幅度提升。以百度翻譯為例，2011年6月30日發(fā)布了中英翻譯系統(tǒng)，2015年以前主要是統(tǒng)計(jì)機(jī)器翻譯為主，翻譯質(zhì)量增長(zhǎng)相對(duì)來說比較緩慢，但是2015年有了比較大的飛躍，這主要得益于神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯的威力，從2015年以后翻譯質(zhì)量飛速上升，預(yù)計(jì)今年還是會(huì)有較大提升。
從2019年WMT中英機(jī)器翻譯評(píng)測(cè)來看，百度在中英翻譯上取得不錯(cuò)的成績(jī)，位列第一。其優(yōu)異性能主要來源于四個(gè)方面：一是數(shù)據(jù)方面使用了數(shù)據(jù)過濾、數(shù)據(jù)增強(qiáng)等；二是模型方面用了預(yù)訓(xùn)練模型、更寬更深的模型；三是訓(xùn)練階段用了知識(shí)蒸餾和多智能體聯(lián)合訓(xùn)練模型，通過訓(xùn)練多個(gè)智能體進(jìn)行知識(shí)集成，再分發(fā)給單個(gè)智能體，這樣每個(gè)智能體本身學(xué)習(xí)能力也得到了提高；四是進(jìn)行了模型融合以及對(duì)多結(jié)果輸出重排序。
今年全球爆發(fā)大規(guī)模疫情，為幫助全球攜手抗擊疫情，多語言翻譯模型，尤其在醫(yī)學(xué)領(lǐng)域、生物領(lǐng)域的翻譯模型可以說是非常重要。百度使用領(lǐng)域定制模型技術(shù)，花了大約一周時(shí)間把模型上到線上，免費(fèi)供大家使用。主要方法是，首先用大規(guī)模通用領(lǐng)域數(shù)據(jù)訓(xùn)練通用模型，在此基礎(chǔ)上加入高質(zhì)量醫(yī)療領(lǐng)域數(shù)據(jù)做優(yōu)化訓(xùn)練得到了醫(yī)療領(lǐng)域定制化模型。領(lǐng)域定制模型在術(shù)語翻譯和習(xí)慣表達(dá)上比傳統(tǒng)的通用模型翻譯得更好。
此外百度推出了文檔翻譯。文檔翻譯和文本翻譯區(qū)別在于，文檔有表格、公式、圖片、文字大小、顏色等格式信息。使用這個(gè)產(chǎn)品，用戶只需要把文檔上傳，PPT、PDF、Word等可以在原格式保留情況下，將文本翻譯出來，并且提供免費(fèi)下載，大大提高了工作效率。有一位用戶反饋，文檔翻譯功能對(duì)于更好更快地了解那些晦澀難懂的科技類、醫(yī)學(xué)類英文論文的大意提供了很大幫助，事半功倍。
神經(jīng)網(wǎng)絡(luò)不僅用在語言翻譯，語音、視覺研究方面，這些年來都取得比較大的進(jìn)步，所以很自然會(huì)想把語言、語音、視覺這些多模態(tài)信息聯(lián)合起來。舉例來說，我們?nèi)ビ?guó)旅行時(shí)很容易輸入英文進(jìn)行查詢和翻譯，但去泰國(guó)、韓國(guó)的時(shí)候，泰語、韓語就很難輸入了，在這種場(chǎng)景下，拍照翻譯是很自然的輸入方式，對(duì)著標(biāo)簽拍拍照片即可自動(dòng)翻譯成自己的母語。此外，在閱讀的時(shí)候，這種方法也非常方便，可以實(shí)時(shí)動(dòng)態(tài)屏幕取詞，尤其是學(xué)生在外語學(xué)習(xí)的時(shí)候，只要把手機(jī)屏幕對(duì)準(zhǔn)要看的內(nèi)容，手機(jī)屏幕會(huì)實(shí)時(shí)顯示單詞的翻譯。另外語音和翻譯結(jié)合，大家近年見得比較多是翻譯機(jī)，小小的設(shè)備裝在口袋里就可以拿著去旅游了。
最近幾年比較熱門的同聲傳譯，它跟傳統(tǒng)翻譯最大的區(qū)別在于要求翻譯時(shí)間延遲一定要小，跟說話人保持同步，對(duì)信息傳遞效率要求非常高。同聲傳譯員需要同時(shí)監(jiān)聽、理解說話人所說內(nèi)容，同時(shí)去組織、修正，把目標(biāo)語言說出來，這個(gè)工作難度非常大。根據(jù)國(guó)際會(huì)議口譯員協(xié)會(huì)AIIC統(tǒng)計(jì)數(shù)據(jù)，全球會(huì)員僅有3021人，中國(guó)大陸漢英翻譯會(huì)員約有50人。據(jù)不完全統(tǒng)計(jì)每年中國(guó)需要同傳的會(huì)議有1萬多場(chǎng)，顯然需求是非常巨大的。為滿足這些同聲傳譯需求，百度去年提出了語義單元驅(qū)動(dòng)的同傳模型。如圖所示，上面是語音識(shí)別的結(jié)果，是一串連續(xù)的字符，沒有斷句和標(biāo)點(diǎn)，因此首先用了動(dòng)態(tài)切分策略切分成一個(gè)個(gè)語義單元，對(duì)于每一個(gè)語義單元進(jìn)行翻譯，并且把翻譯結(jié)果作為模型歷史信息，用于翻譯下一個(gè)語義單元，最后連接起來就能得到完整的譯文。這種語義單元驅(qū)動(dòng)的同傳模型保證了翻譯的準(zhǔn)確度和實(shí)時(shí)性。在譯文出來以后，還可以將其轉(zhuǎn)換為語音。百度將這個(gè)系統(tǒng)做成了一個(gè)小程序。開會(huì)的時(shí)候，可以用手機(jī)掃描二維碼加入會(huì)議，插上耳機(jī)就像一位同聲傳譯員在你身邊提供翻譯，非常方便。
百度翻譯近期即將發(fā)布一個(gè)同傳插件，這可謂是看劇神器，它可以解決看視頻、電視劇、電影時(shí)語言不通的問題，把一種語言實(shí)時(shí)翻譯為另一種語言，以字幕的形式貼合到視頻下方輸出。
下面是百度翻譯的產(chǎn)品矩陣，包含了剛剛提到的文本翻譯、機(jī)器同傳、領(lǐng)域翻譯、視頻翻譯等等。
在介紹了百度的翻譯產(chǎn)品后，何中軍博士隨即指出了當(dāng)前機(jī)器翻譯并不完美的事實(shí)，機(jī)器翻譯仍然面臨很多挑戰(zhàn)。一是融合知識(shí)非常困難，這里的知識(shí)包括常識(shí)、世界知識(shí)、文化背景知識(shí)等等。二是數(shù)據(jù)稀疏，機(jī)器翻譯系統(tǒng)依賴于大量的訓(xùn)練數(shù)據(jù)。目前全球有超過5000種語言，其中英語、漢語、西班牙語、阿拉伯語、葡萄牙語、印尼/馬來語、法語、日語、俄語、德語這十種常用語言數(shù)據(jù)量在互聯(lián)網(wǎng)上占約77%，剩下其他語言加起來的數(shù)據(jù)量只有23%左右，實(shí)在是少得可憐，因此數(shù)據(jù)稀疏的問題特別嚴(yán)峻。另外要想追求譯文的信、達(dá)、雅，機(jī)器翻譯還有很長(zhǎng)的路要走。
回想從1947年翻譯設(shè)想的提出到現(xiàn)在，70多年來機(jī)器翻譯確實(shí)取得了很大進(jìn)步，也得到了大規(guī)模的應(yīng)用，未來亦有很長(zhǎng)的路要走。何中軍博士特意作了一首打油詩，對(duì)全篇報(bào)告進(jìn)行了總結(jié)：
機(jī)翻江湖七十載，范式更替有三代。
規(guī)則統(tǒng)計(jì)與神經(jīng)，翻譯質(zhì)量步步升。
多模翻譯譜新篇，夢(mèng)想照進(jìn)現(xiàn)實(shí)中。
譯事三難信達(dá)雅，路漫漫兮求索行。
（整理人：鄒淑嫻）
第一期 數(shù)據(jù)挖掘?qū)?chǎng)
1. 李國(guó)杰院士：理性認(rèn)識(shí)人工智能的“頭雁”作用
2. 百度熊輝教授：大數(shù)據(jù)智能化人才管理
3. 清華唐杰教授：網(wǎng)絡(luò)表示學(xué)習(xí)理論及應(yīng)用
4. 瑞萊智慧劉強(qiáng)博士：深度學(xué)習(xí)時(shí)代的個(gè)性化推薦
5. 清華柴成亮博士：基于人機(jī)協(xié)作的數(shù)據(jù)管理
第二期 自然語言處理專場(chǎng)
1. 中科院張家?。好嫦蜃匀徽Z言生成的同步雙向推斷模型
2. 北郵李蕾：關(guān)于自動(dòng)文本摘要的分析與討論
3. 百度孫珂：對(duì)話技術(shù)的產(chǎn)業(yè)化應(yīng)用與問題探討
4. 阿里譚繼偉：基于序列到序列模型的文本摘要及淘寶的實(shí)踐
5. 哈工大劉一佳：通過句法分析看上下文相關(guān)詞向量
第三期 計(jì)算機(jī)視覺專場(chǎng)
1. 北大彭宇新：跨媒體智能分析與應(yīng)用
2. 清華魯繼文：深度強(qiáng)化學(xué)習(xí)與視覺內(nèi)容理解
3. 百度李穎超：百度增強(qiáng)現(xiàn)實(shí)技術(shù)及應(yīng)?
4. 中科院張士峰：基于深度學(xué)習(xí)的通用物體檢測(cè)算法對(duì)比探索
5. 港中文李弘揚(yáng) ：物體檢測(cè)最新進(jìn)展
第四期 語音技術(shù)專場(chǎng)
1. 中科院陶建華：語音技術(shù)現(xiàn)狀與未來
2. 清華大學(xué)吳及：音頻信號(hào)的深度學(xué)習(xí)處理方法
3. 小米王育軍：小愛背后的小米語音技術(shù)
4. 百度康永國(guó)：AI 時(shí)代的百度語音技術(shù)
5. 中科院劉斌：基于聯(lián)合對(duì)抗增強(qiáng)訓(xùn)練的魯棒性端到端語音識(shí)別
第五期 量子計(jì)算專場(chǎng)
1. 清華大學(xué)翟薈：Discovering Quantum Mechanics with Machine Learning
2. 南方科技大學(xué)魯大為：量子計(jì)算與人工智能的碰撞
3. 荷蘭國(guó)家數(shù)學(xué)和計(jì)算機(jī)科學(xué)中心（CWI）李繹楠：大數(shù)據(jù)時(shí)代下的量子計(jì)算
4. 蘇黎世聯(lián)邦理工學(xué)院（ETH）楊宇翔：量子精密測(cè)量
5. 百度段潤(rùn)堯：量子架構(gòu)——機(jī)遇與挑戰(zhàn)
第六期 機(jī)器學(xué)習(xí)專場(chǎng)
1. 中科院張文生：健康醫(yī)療大數(shù)據(jù)時(shí)代的認(rèn)知計(jì)算
2. 中科院莊福振：基于知識(shí)共享的機(jī)器學(xué)習(xí)算法研究及應(yīng)用
3. 百度胡曉光：飛槳（PaddlePaddle）核心技術(shù)與應(yīng)用實(shí)踐
4. 清華大學(xué)王奕森：Adversarial Machine Learning: Attack and Defence
5. 南京大學(xué)趙申宜：SCOPE - Scalable Composite Optimization for Learning
第七期 自動(dòng)駕駛專場(chǎng)
1. 北京大學(xué)查紅彬：基于數(shù)據(jù)流處理的SLAM技術(shù)
2. 清華大學(xué)鄧志東：自動(dòng)駕駛的“感”與“知” - 挑戰(zhàn)與機(jī)遇
3. 百度朱帆：開放時(shí)代的自動(dòng)駕駛 - 百度Apollo計(jì)劃
4. 北理宋文杰：時(shí)空域下智能車輛未知區(qū)域自主導(dǎo)航技術(shù)
第八期 深度學(xué)習(xí)專場(chǎng)
1. 中科院文新：深度學(xué)習(xí)入門基礎(chǔ)與學(xué)習(xí)資源
2. 中科院陳智能：計(jì)算機(jī)視覺經(jīng)典——深度學(xué)習(xí)與目標(biāo)檢測(cè)
3. 中科院付鵬：深度學(xué)習(xí)與機(jī)器閱讀
第九期 個(gè)性化內(nèi)容推薦專場(chǎng)
1. 人民大學(xué)趙鑫：基于知識(shí)與推理的序列化推薦技術(shù)研究
2. 中科院趙軍：知識(shí)圖譜關(guān)鍵技術(shù)及其在推薦系統(tǒng)中的應(yīng)用
第十期 視頻理解與推薦專場(chǎng)
1. 北京大學(xué)袁曉如：智能數(shù)據(jù)可視分析
第十一期 信息檢索與知識(shí)圖譜專場(chǎng)
1. 北京郵電大學(xué)邵鎣俠：知識(shí)圖譜高效嵌入方法
2. 人民大學(xué)徐君：智能搜索中的排序-突破概率排序準(zhǔn)則
3. 百度周景博：POI知識(shí)圖譜的構(gòu)建及應(yīng)用
4. 百度宋勛超：百度大規(guī)模知識(shí)圖譜構(gòu)建及智能應(yīng)用
5. 百度馮知凡：基于知識(shí)圖譜的多模認(rèn)知技術(shù)及智能應(yīng)用
第十二期 年度特別專場(chǎng)
1. 復(fù)旦大學(xué)桂韜：當(dāng)NLP邂逅Social Media--構(gòu)建計(jì)算機(jī)與網(wǎng)絡(luò)語言的橋梁
2. 清華大學(xué)董胤蓬：Adversarial Robustness of Deep Learning
3. UIUC羅宇男：AI-assisted Scientific Discovery
4. 斯坦福應(yīng)智韜：Graph Neural Network Applications
第十三期 AI助力疫情攻關(guān)線上專場(chǎng)
1. 清華大學(xué)吳及：信息技術(shù)助力新冠防控
2. 北京大學(xué)王亞沙：新冠肺炎傳播預(yù)測(cè)模型
3. 百度黃際洲：時(shí)空大數(shù)據(jù)與AI助力抗擊疫情——百度地圖的實(shí)踐與思考
4. 百度張傳明：疫情下的“活”導(dǎo)航是如何煉成的
第十四期 深度學(xué)習(xí)線上專場(chǎng)
1. 中國(guó)科學(xué)院徐俊剛：自動(dòng)深度學(xué)習(xí)解讀
2. 北航孫鈺：昆蟲目標(biāo)檢測(cè)技術(shù)
3. 百度尤曉赫：EasyDL，加速企業(yè)AI轉(zhuǎn)型
4. 百度鄧凱鵬：飛槳視覺技術(shù)解析與應(yīng)用
第十五期 大數(shù)據(jù)線上專場(chǎng)
1. 復(fù)旦趙衛(wèi)東：大數(shù)據(jù)的系統(tǒng)觀
2. 中科大徐童：AI×Talent數(shù)據(jù)驅(qū)動(dòng)的智能人才計(jì)算
3. 百度李偉彬：基于PGL的圖神經(jīng)網(wǎng)絡(luò)基線系統(tǒng)
4. 中科大張樂：基于人才流動(dòng)表征的企業(yè)競(jìng)爭(zhēng)力分析
如轉(zhuǎn)載，請(qǐng)后臺(tái)留言，遵守轉(zhuǎn)載規(guī)范
聯(lián)系客服
