0
| 本文作者：奕欣 | 2017-02-04 21:11 | 专题：AAAI 2017 |
雷锋网旗下人工智能公众号 AI 科技评论此前已经为大家带来 AAAI 2017 的大会看点集锦，而很快，雷锋网小编就要见到大神们做演讲了，心情还是很激动的。
不过在之前的文章中，对六位嘉宾的演讲主题只是一笔带过，所以在这篇文章中，雷锋网会对他们的生平及演讲内容做更加详细的整体介绍。
这六个演讲分五天进行，按照时间顺序为：
• 2 月 5 日，田纳西大学与国家科学基金 Lynne Parker：《美国国家人工智能研究及发展战略计划的创新之处》。此前雷锋网曾经报道过关于这位学界大神的介绍，更多可参看《琳恩帕克：调教一个机器人不难，她要教一群机器人自动「聚沙成塔」》；
• 2 月 6 日，MIT 的 Rosalind Picard：《构建情感智能技术存在的风险》；
• 2 月 7 日，剑桥大学工程部 Steve Young：《机器学习的统计语音对话系统及其挑战》；同一天下午还有伦敦大学教授 Peter Dayan 的《神经强化学习与人工强化学习的兼容性》；
• 2 月 8 日，德克萨斯大学奥斯汀分校 Kristen Grauman：《根据无标签视频，机器如何学习移动与观察方位》；
• 2 月 9 日，MIT CSAIL 与本田研究院 Russ Tedrake：《现实世界中，动态机器人的凸度与组合优化》；
接下来，雷锋网将对每一个演讲进行介绍。
说起 Lynne Parker，只要稍微对异构分布式机器人有所了解的学界人士想必都不陌生。她目前为田纳西大学电子工程及计算机科学教授，IEEE Fellow，主要研究方向是分布式智能系统的计算化——特别是物理层面的，比如多机器人及传感器网络。而在 NSF 工作的两年间，她作为计算机与信息科学 CISE 及信息与智能系统 IIS 的部门主任，主要进行国家人工智能研究及发展战略计划的工作。而在 AAAI 的演讲上，她也计划就这一主题进行分享。
「在 2016 年 10 月份，美国联邦政府发布了一份人工智能战略计划，而作为这份报告的联合主席，我打算从我的角度阐述这份报告产生的背景，并讨论如何通过多机构的合作实现报告的创新。此外，这份计划是否能为美国带来受益？这一点也欢迎与现场的朋友进行讨论。」
雷锋网此前也对这份战略报告做过覆盖和编译，详情请见《五分钟读完美国白皮书：为了人工智能的未来，政府都做了哪些准备？》，那么 Lynne Parker 又会在现场带来怎样的真知灼见呢？敬请期待。
MIT 媒体实验室中有不少研究小组，而情感计算如果不是最有意思的一个，也是非常具有「人性」的一个小组。作为创始人及主要负责人，Picard 首创了「情感计算」（affective computing）这一名词，同名著作也在国际上享有盛名。这一概念分别被纽约时报评选为 2006 年的最佳思想，及 2011 年的大众科学十大研究之一。
Picard 毕业于 MIT 电气工程及计算机科学专业，「情感计算」是一项对人类情感进行感知、识别及反应的算法。而通过开发信号处理与机器学习技术，Picard 领导团队挖掘了很多新的发现，包括移动设备探测人体生物信号，并以这些电信号揭示大脑活动。那么，它所面临的机遇与挑战又会是什么？Picard 将在 AAAI 2017 上与我们分享。
诚然，雷锋网此前也报道过不少关于人类认知与情感在机器学习领域的新闻，但从未近距离覆盖过这一方面的演讲，更何况是这一概念的创始人来给我们答疑解惑。雷锋网小编表示，已经搬好小板凳前排坐等了。
剑桥大学的 Steve Young 的主要研究方向正是语音系统，包括了语音识别、语义理解及对话管理等方面。他曾经参加过苹果 Siri 的研发工作，雷锋网认为他对语音对话想必有着独到的见解。
在 AAAI 2017 上，Steve Young 计划从语音对话系统的特性说起，并指出机器学习能够提升开放系统的鲁棒性。而在分享中，Young 会提及剑桥大学利用机器学习的所做的一些研究进展，包括自然语言、反馈预测及思维跟踪等方面。此外，也会提及可能存在的一些核心挑战。
博士师从 David Willshaw，博士后师从 Salk 的 Terry Sejnowski 还有多伦多大学的 Geoff Hinton，Peter Dayan 在毕业前就俨然是一名人生赢家。而在 MIT 当了三年助理教授后，他于 1998 年协同各位大牛于 UCL 建立了 Gatsby 计算神经科学团队，并于四年后成为负责人。他的核心研究领域主要在神经处理的数学及计算模型构建上，重点在于机器的呈现、学习及决策。
「如果一种动物无法根据奖惩对事件进行预测或控制，那么它也将自绝于世间。强化学习提供了这样的一种理论核心，即能够通过心理学与神经科学组织与促进大量的工作，而我也计划在演讲中提及这些可能面对的挑战。」
Kristen Grauman：机器如何实现第一视角的无监督学习？
德克萨斯大学奥斯汀分校计算机科学助理教授 Kristen Grauman 在 MIT 获得了博士学位，而这位美女及其团队拿下了三大人工智能顶级会议的最佳论文：
CVPR 2008：大范围图像检索的散列算法；
ICCV 2011：视觉属性建模；
ACCV 2016：360 度视频的自动摄影。
此外，她还是 TPAMI 的副主编，兼任 CVPR2015 的项目主席。
目前视觉识别的现状是让机器在带有人类标记的网络照片里学习。但认知科学告诉我们，这个概念需要随着实际应用而改变了——没有监督的真实世界里，机器又要怎么学习呢？Grauman 在 AAAI 2017 上将带来工作的最新成果：让机器如何通过不经标记的视频来学习有效的认知。机器通过接受以第一视角拍摄的视频，在视角移动过程中了解「我如何移动」与「我看到了什么」之间的联系。此外，团队探讨了如何在这种新形式中让机器学会提取不变的物体特征，并实现无监督学习下的视觉观察，甚至比传统的有监督学习效果更佳。根据这一实验成果，系统可以简单地模仿人类摄影师的拍摄手法，自动从未经处理的 360 度视频中剪辑短片。
Russ Tedrake：无人机如何解决动态控制问题？
Russ Tedrake 是 MIT 电子工程及计算机科学的教授，同时也是 CSAIL 机器人中心的负责人，他曾带领团队研究如何应对 DARPA 的机器人挑战，目前也是微软研究院的新晋 Fellow。
Tedrake 认为，类人机器人、机械臂及无人机所代表的动态及控制问题都有着非线性动力学及固有的组合结构。他在演讲中计划回顾这两个方面所存在的问题及研究进展，包括混合整数凸度、半限定编程松弛及基于 SMT 的方法，以克服粗糙地形、抓地力优化及无人机在复杂环境飞行等问题。
以上便是 AAAI 2017 上六位大牛的演讲内容前瞻，至于演讲实录，还请等待雷锋网 AI 科技评论从前线发回的报道吧！
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
