AMLC 聚焦社区连接，展示AI前沿研究

某机构的年度内部科学大会近日举行，会议包括主题演讲、口头报告、研讨会和教程，旨在展示支撑公司众多业务的高质量科学，并在不同业务部门中研究类似挑战的科学家与工程师之间，或是在研究兴趣相近的科学家之间建立联系。

本届大会采用线上线下混合模式，在德克萨斯州达拉斯设有现场环节，并向全球某机构员工开放虚拟体验。某机构购物部门副总裁 Joseph Sirosh 在开幕时向与会者表示：“我们正在共同为我们这个时代的变革性技术建立文化、社区和共享背景。”其他内部演讲者包括某机构购物研究科学副总裁 Yoelle Maarek，她阐述了公司对“以客户为中心的科学”的定义；某机构云服务深度学习副总裁、杰出科学家 Alex Smola，他的演讲聚焦于针对文本和图像的自动化机器学习技术；以及某机构搜索科学副总裁、杰出科学家 Trishul Chilimbi，他介绍了公司的人工智能飞轮，以及数据如何驱动人工智能模型。

本次活动的主办方负责人、赞助产品与绩效广告技术副总裁 Muthu Muthukrishnan 表示：“自 2013 年创办以来，AMLC 一直致力于主要为我们的科学和工程社区提供学习和教学机会。我们的目标是建立社区和联系，使我们能够不断提高科学和工程发明的标准，从而更好地服务客户。”

会议还包括了五位全球学术界人士的主题演讲：

• 冯雁 (Pascale Fung)，某科技大学电子与计算机工程系讲座教授。
• 李飞飞 (Fei-Fei Li)，某大学计算机科学系首任红杉教授，某大学以人为中心人工智能研究所联合主任。
• Linda Smith，某大学心理与脑科学系杰出教授。
• Eric Topol，某研究所分子医学教授、转化研究所创始人兼主任。
• Antonio Torralba，某大学电气工程与计算机科学系教授，某大学计算机科学与人工智能实验室研究员。

以下整理了部分外部演讲者的公开内容。

冯雁：“基于价值的自然语言处理”

在本次演讲中，冯雁提出了问题：为什么我们需要负责任的人工智能？为什么我们要关心人类价值观的一致性？她认为所有人工智能都应该是负责任的人工智能，并指出了两个核心挑战：1) 这些价值观是什么，由谁来定义？2) 如何让人工智能算法和模型与这些价值观保持一致？

李飞飞：“从看到做：理解并交互真实世界”

李飞飞在演讲中解释了她长久以来对视觉的迷恋，并相信理解视觉智能是理解通用智能的关键。她随后讨论了其实验室在帮助计算机理解和交互真实世界方面的工作。“我们的希望是创造出能够感知真实世界的智能体或计算机，”她说。她补充道，需要将感知与行动联系起来，如今令她兴奋的是系统能够“通过对世界的复杂感知和理解来与之交互”。她介绍了其实验室在机器人学习方面的工作，并补充说“未来的突破必定在非结构化环境中”。

Linda Smith：“经验片段与生成式智能”

Smith 在演讲中解释说，包括幼儿在内的人类，都善于从过去的经验中获取知识，并将其应用于引人注目的新场景。她重点介绍了对幼儿自然以自我为中心的经验的研究发现。她的主要观点是：日常经验发生在时间延展的片段中，每个独特的片段都由一套连贯性统计数据来表征。Smith教授提出，这些统计数据是创新性智能的秘诀，它们为学习、归纳和创新的内部过程提供了新颖的见解。

Antonio Torralba：“通过观察噪声来学习看”

Torralba 在演讲中讨论了两个旨在减少计算机视觉和机器学习模型所需数据量的不同项目。他说：“总的来说，计算机视觉系统和机器学习通常需要大量数据。我们需要数百万张图像来训练计算机视觉系统，使其能够以相当好的性能解决视觉任务。问题在于，到底需要多少数据？我们真的需要这么多数据吗？我们能不能用非常非常少的数据就能应付？这些数据必须是真实的吗？”他在演讲结束时说：“我们的目标是摆脱图像和标签来训练视觉系统。” 他补充说，希望计算机视觉数据集的开发能有所演变，这种演变应趋向于越来越小的合成数据集，这些数据集能够复现由真实数据创建的更大数据集的性能。FINISHED