2018年4月8日AI讲堂报告小结

1

报告一

在最近的发展中，计算机视觉和深度学习技术已经能够高效准确地将视频中的信息理解并用以各种应用程序和服务。由于人是很多视频的主体,如何理解人类的姿态和行为成为了这个过程中至关重要的一步。

在这次报告中,曾文军博士介绍了微软亚洲研究院在对人类构成估计/跟踪和人类行为识别,递归神经网络,适应视图模型和时空模型等诸多领域的最新成果。曾博士说明了在姿态识别领域我们所面临的各项挑战：人体对称结构外观的相似性、环境遮挡以及人类姿势的多样性。他所领导的团队已经运用空间转换归一化的方法在最后一项上取得了突破。此外，未来他们还将在多人物同时识别和2D画面下的姿态识别等方面进行有益探索。

2

报告二

在人工智能飞速发展的今天，有不少先进的技术已经走进我们的生活，为我们所熟知，其中具有代表性的是帮助AlphaGo击败人类的深度学习方法。的确，深度学习在解决许多具有挑战性的问题时是一个非常成功的方法。然而它所构建的模型使得我们无法快速有效地从数据中得到其内在地规律和联系，拟合出对应的函数。

为了解答这个疑问，邵斌博士向我们介绍了另一种学习方法：符号学习。符号学习是一种能够从数据中提取出易于判断的符号模型的计算机学习方法。它旨在确定样本间内在的约束条件并得出支配着整个系统的内在符号规律。邵博士还以偏微分方程的求解等贴切的例子，论证了符号学习方法在进行符号回归运算时可以仅从一个数量较小的样本中就可以得出总体规律的巨大优势。

3

报告三

林庆维博士所属的微软研究院DKI（数据，知识，智能）研究团队近年来一直致力于使用人工智能技术，将数据智能与自然语言处理相结合。他对自己团队所研究的各个方向和重要进展都进行了简要的介绍。

在数据智能领域，林博士以微软的Power BI为例，讲解微软在数据挖掘和分析中做出的巨大成就。结合自然语言处理技术，他的团队实现了与数据“问答”，让数据说话的美好愿望。在云平台数据智能领域，他们致力于云平台的大数据智能分析，以期用人工智能方式自动管理云平台，保证云平台高可靠性和效率。借助于他们的研究，微软的云平台Project Ming已经可以做到对故障的自动诊断和未来可能出现的问题的预测。为全球用户服务的SAS可以分析客户所遇到的问题，查明原因并寻找相关历史。

4

报告四

自1998年起，微软亚洲研究院和包括西安交通大学在内的中国部分高校联合发起了联合培养博士生项目，开启了探索在中国培养高素质计算机科研人才新模式之路。包括我校11名学生在内的120余名毕业博士生中，或任职于国内外知名高校，在学术界崭露头角；或在工业界进行产研结合，推动前沿研究成果向产品的转化。

本次报告会的最后，微软亚洲研究院学术合作部中国区总监马歆女士带领我们深入了解了联合培养博士生项目。该项目针对大三年级以上学生，西安交通大学-微软采用联合培养方式，对学生要求严格，培养周期长，保证了毕业生的高质量。参与该项目的学生可以得到微软与交大双重名导师的指导，学习期间更是有机会与图灵奖得主、业界大佬深入交流。导师在开始阶段即为学生定下前沿科研课题，为学生日后的科研打下坚实基础。如果你也有兴趣，可以尽快与微软亚院取得联系并报名哦。

图文编辑｜宣传部 王岱洪