昨天（3.23日）騰訊官方發(fā)布正式公告，任命人工智能領(lǐng)域頂尖科學(xué)家張潼博士擔(dān)任騰訊AI Lab（騰訊人工智能實(shí)驗室）主任，騰訊迎來其人工智能發(fā)展的新階段。

雷鋒網(wǎng)獲悉，騰訊 AI Lab 于2016年成立，專注于人工智能的基礎(chǔ)研究及應(yīng)用探索，不斷提升AI的決策、理解及創(chuàng)造能力，同時為騰訊各產(chǎn)品業(yè)務(wù)提供AI技術(shù)支撐。AI Lab的愿景是打造全面AI能力，“讓AI未來無處不在”（Make AI Everywhere）。

張潼博士作為騰訊AI Lab第一負(fù)責(zé)人，將帶領(lǐng)50余位AI科學(xué)家及200多位AI應(yīng)用工程師團(tuán)隊，聚焦于四大基礎(chǔ)研究領(lǐng)域看，包括計算機(jī)視覺、語音識別、自然語言處理和機(jī)器學(xué)習(xí)，并根據(jù)騰訊業(yè)務(wù)提出游戲、內(nèi)容、社交及工具平臺型AI四個應(yīng)用方向。下面，我們就從核心領(lǐng)導(dǎo)層、代表論文和研發(fā)領(lǐng)域三個方面，全面解讀騰訊AI Lab。

騰訊AI Lab三大核心領(lǐng)導(dǎo)人物

根據(jù)騰訊AI Lab官方資料顯示，實(shí)驗室領(lǐng)導(dǎo)層目前包括：張潼、俞棟和劉威。

張潼

AI Lab 執(zhí)行主任

張潼博士是中央組織部“”特聘專家，擁有美國康奈爾大學(xué)數(shù)學(xué)系和計算機(jī)系學(xué)士，以及斯坦福大學(xué)計算機(jī)系碩士和博士學(xué)位。加入騰訊前，張潼博士曾經(jīng)擔(dān)任美國新澤西州立大學(xué)教授、IBM研究院研究員、雅虎研究院主任研究員，百度研究院副院長和大數(shù)據(jù)實(shí)驗室負(fù)責(zé)人，期間參與和領(lǐng)導(dǎo)開發(fā)過多項機(jī)器學(xué)習(xí)算法和應(yīng)用系統(tǒng)。

張潼博士曾參加美國國家科學(xué)院大數(shù)據(jù)專家委員會，并負(fù)責(zé)過多個美國國家科學(xué)基金（National Science Foundation）資助的大數(shù)據(jù)研究項目。此外，張潼博士是美國統(tǒng)計學(xué)會和國際數(shù)理統(tǒng)計學(xué)會Fellow，并擔(dān)任NIPS（神經(jīng)信息處理系統(tǒng)進(jìn)展大會）、ICML（國際機(jī)器學(xué)習(xí)大會）、COLT（學(xué)習(xí)理論大會）等國際頂級機(jī)器學(xué)習(xí)會議主席或領(lǐng)域主席，以及JMLR（機(jī)器學(xué)習(xí)研究期刊）和Machine Learning Journal（機(jī)器學(xué)習(xí)期刊）等國際一流人工智能期刊編委。

俞棟

AI Lab副總經(jīng)理

俞棟博士于2017年加入騰訊，現(xiàn)任騰訊人工智能實(shí)驗室杰出科學(xué)家和副總經(jīng)理。加入騰訊前，他在微軟公司工作了19年并任職微軟研究院首席研究員。他是語音識別和深度學(xué)習(xí)方向的資深專家，出版了兩本專著和160多篇論文，是50余項已授權(quán)專利和10余項待審批專利的發(fā)明人、及深度學(xué)習(xí)開源軟件CNTK的發(fā)起人和主要作者之一。

他的工作已被引1萬余次，h-index達(dá)到50多。他在基于深度學(xué)習(xí)的語音識別技術(shù)上的開創(chuàng)性工作，帶來了語音識別研究方向的轉(zhuǎn)變，極大的推動了語音識別領(lǐng)域的發(fā)展，并獲得2013年和2016年IEEE 信號處理協(xié)會最佳論文獎。俞棟博士現(xiàn)擔(dān)任IEEE語音語言處理專業(yè)委員會委員，IEEE西雅圖分會副主席，及APSIPA杰出講師，曾擔(dān)任IEEE/ACM音頻、語音及語言處理匯刊、和IEEE信號處理雜志等期刊的副編輯，以及多個國際會議的技術(shù)委員會和組織委員會成員。

劉威

計算機(jī)視覺中心總監(jiān)

劉威擔(dān)任 AI Lab 計算機(jī)視覺中心總監(jiān)，負(fù)責(zé)圖像視頻數(shù)據(jù)相關(guān)的AI研究。

劉威博士長期從事計算機(jī)視覺、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、信息檢索等領(lǐng)域的基礎(chǔ)研究和產(chǎn)品開發(fā)，迄今發(fā)表和錄用論文100+篇，總引用次數(shù)為3600+次。劉威博士多次擔(dān)任國際權(quán)威期刊的客座編委與審稿人，自2007年起一直擔(dān)任國際頂級會議NIPS、CVPR、ICCV等的程序委員成員，擔(dān)任第四屆自然語言處理與漢語計算會議 NLPCC 2015的領(lǐng)域主席，并自2014年起擔(dān)任美國自然科學(xué)基金信息與智能系統(tǒng)分部（NSF IIS Division）的研究項目評審。

劉威于2012年獲得美國哥倫比亞大學(xué)計算機(jī)科學(xué)與電子工程博士學(xué)位，曾任IBM沃森研究中心研究科學(xué)家。曾獲得2011年底 Facebook 博士研究生獎學(xué)金，2013年度哥倫比亞大學(xué)優(yōu)秀博士論文獎，2014年度計算機(jī)視覺與模式識別國際會議（CVPR）青年研究者獎，2016年度國際信息檢索大會（SIGIR）最優(yōu)論文榮譽(yù)獎。

騰訊AI Lab 8 篇代表論文

騰訊AI Lab關(guān)注于基礎(chǔ)研發(fā)，其官方所列的8大代表性論文分別被IEEE、ICML等期刊、大會收錄。下面是雷鋒網(wǎng)對這8大論文簡要介紹，更多內(nèi)容請訪問：http://ai.tencent.com/ailab/paper-list.html。

1、多媒體哈希算法和網(wǎng)絡(luò)（Multimedia Hashing and Networking）

作者：Wei Liu and Tongtao Zhang

摘要：我們總結(jié)了基于淺度學(xué)習(xí)的哈希算法和基于深度學(xué)習(xí)的哈希算法。通過成功利用淺度學(xué)習(xí)算法，先進(jìn)的哈希算法技術(shù)已經(jīng)成功廣泛用于高效的多媒體存儲、索引、檢索，尤其在智能手機(jī)設(shè)備上的搜索應(yīng)用效果很好。我們引入了Multimedia Information Networks (MINets)，提出利用MINets的范式，同時整合視覺和文本信息來達(dá)到合理的事件指代消解。

2、深度學(xué)習(xí)促進(jìn)從單一圖像的視覺路徑預(yù)測 （Deep Learning Driven Visual Path Prediction from a Single Image）

作者：Siyu Huang, Xi Li, Zhongfei Zhang, Zhouzhou He, Fei Wu, Wei Liu, Jinhui Tang, and Yueting Zhuang

摘要：我們提出一個深度學(xué)習(xí)框架，能夠?qū)σ曈X表征進(jìn)行深度特征學(xué)習(xí)，同時進(jìn)行時空背景建模。然后，使用一個聯(lián)合的路徑規(guī)劃機(jī)制，基于深度背景模型返回的分析結(jié)果來精準(zhǔn)預(yù)測路徑。高度有效的視覺表征和深度背景模型，確保我們的框架對場景和運(yùn)動模式進(jìn)行深度語義理解。

3、基于話題瀏覽視頻搜索結(jié)果的分層可視化（Hierarchical Visualization of Video Search Results for Topic-based Browsing）

作者：Yu-Gang Jiang, Jiajun Wang, Qiang Wang, Wei Liu, and Chong-Wah Ngo

摘要：這篇論文里，我們介紹了一種分層可視化方法進(jìn)行視頻搜索結(jié)果瀏覽，這可以幫助用戶以一種組織良好的方式，快速理解一個查詢話題的多面內(nèi)容。對于一個查詢語句，系統(tǒng)對其文本描述進(jìn)行分層，這通常可以在維基百科獲得，然后通過分析視頻信息調(diào)整分層結(jié)構(gòu)，來反映出搜索結(jié)果的話題結(jié)構(gòu)。之后，這就形成了一個優(yōu)化問題，根據(jù)三個重要的指標(biāo)建立視頻到點(diǎn)（video-to-node）的關(guān)聯(lián)。此外，挖掘跟多的話題面以補(bǔ)充現(xiàn)有的語義層次機(jī)構(gòu)中的內(nèi)容。

4、穩(wěn)定隨機(jī)梯度：大型優(yōu)化里的流形傳播方法（Stochastic Gradient Made Stable: A Manifold Propagation Approach for Large-Scale Optimization）

作者：Yadong Mu, Wei Liu, and Wei Fan

摘要：這篇論文里，我們提出一種創(chuàng)新的分層半隨機(jī)梯度下降法(S3GD) ，加速大型復(fù)合凸函數(shù)的優(yōu)化。雖然之前的半隨機(jī)算法理論上收斂更快，但它具有很高的迭代復(fù)雜性，這使得它在實(shí)際很多數(shù)據(jù)庫中比SGD的速度還要慢。在我們的S3GD方法中，半隨機(jī)梯度基于有效的流形傳播進(jìn)行計算，可以進(jìn)行大量的稀疏矩陣乘法。S3GD能夠在大大減少計算法復(fù)雜度的情況下，從每一個mini-batch里生成高度精確的梯度估測。

5、使用復(fù)合迭代量化錨圖哈希方法進(jìn)行可擴(kuò)展的乳房x光照片檢索（Scalable Mammogram Retrieval Using Composite Anchor Graph Hashing with Iterative Quantization）

作者：Jingjing Liu, Shaoting Zhang, Wei Liu, Cheng Deng, Yuanjie Zheng, and Dimitris N. Metaxas

摘要：這篇論文里，我們旨在為一個大型乳房x光照片庫開發(fā)出一種可擴(kuò)展的CBIR（基于內(nèi)容的圖像檢索）方法。為此，我們擴(kuò)展了原有的錨圖哈希 (AGH)，并提出一個新的非監(jiān)督哈希算法，命名為“復(fù)合迭代量化錨圖哈?！保–omposite Anchor Graph Hashing with Iterative Quantization，CAGH- ITQ），能夠壓縮乳房X光照片的ROIs至簡潔的二進(jìn)制代碼，使得能夠?qū)崟r搜索漢明空間。多模型特征和不同的距離度量整合在其中，基于一個復(fù)合錨圖運(yùn)行。為了提升哈希代碼的效率，我們通過引入一個正交旋轉(zhuǎn)矩陣來反復(fù)縮小量化誤差。

6、高效多類別圖片選擇性取樣（Efficient Multi-Class Selective Sampling on Graphs）

作者：Peng Yang, Peilin Zhao, Zhen Hai, Wei Liu, Steven C.H. Hoi, and Xiao-Li Li

摘要：基于圖的多類別分類問題總是會通過one-vs.-all策略，而轉(zhuǎn)換為二元分類任務(wù)集合，最后應(yīng)用適當(dāng)?shù)亩诸愃惴▉斫鉀Q。我們提出了一個統(tǒng)一的架構(gòu)，并不使用one-vs.-all策略，可以直接在多類別分類問題上直接運(yùn)行，不需要將其拆分為一系列二元分類集合。另外，這個框架使得多類問題的積極學(xué)習(xí)變得實(shí)際可行，而這是one-vs.-all策略達(dá)不到的。

7、基于Pairwise排序?qū)W習(xí)的無參考重定向圖像質(zhì)量評估（No-Reference Retargeted Image Quality Assessment Based on Pairwise Rank Learning）

作者：Lin Ma, Long Xu, Yichi Zhang, Yihua Yan, and King Ngi Ngan

摘要：在這篇論文里，我們?yōu)橹囟ㄏ驁D像，提出一種基于pairwise排序?qū)W習(xí)的無參考圖像質(zhì)量評估方法。每一個重定向圖像需要以特征向量的形式進(jìn)行表征，不僅需要捕捉圖片的特征，也要對重定向過程中的變形保持敏感。因此，我們針對不同的圖片表征，調(diào)查和檢測了其描述重定向圖片感知質(zhì)量的能力。基于圖片表征，我們使用了pairwise排序?qū)W習(xí)方法，來判別每一對重定向圖片的感知質(zhì)量。

8、自動語音識別領(lǐng)域里的殘差卷積CTC網(wǎng)絡(luò)（Residual Convolutional CTC Networks for Automatic Speech Recognition）

作者：Yisen Wang, Xuejiao Deng, Songbai Pu, Zhiheng Huang

摘要：這篇論文里，我們提出了一種新的既深又寬的CNN架構(gòu)，名為RCNN-CTC，具有殘差關(guān)系和CTC損失函數(shù)（ Connectionist Temporal Classification loss function）。RCNN-CTC是一種端到端的系統(tǒng)，可以同時開發(fā)語音信號的時間和光譜結(jié)構(gòu)。另外，我們引入了一個基于CTC的聯(lián)合系統(tǒng)，與傳統(tǒng)基于senone的framewise系統(tǒng)有很大不同。這個聯(lián)合系統(tǒng)里的基本子系統(tǒng)有不同類型，因此可以相互補(bǔ)充。實(shí)驗結(jié)果顯示，與幾個自動語音識別領(lǐng)域廣泛使用的神經(jīng)網(wǎng)絡(luò)系統(tǒng)相比，我們一個RCNN-CTC 系統(tǒng)在WSJ和Tencent Chat數(shù)據(jù)庫里，達(dá)到了最低單詞錯誤率（WER）。

騰訊AI Lab關(guān)注4大垂直領(lǐng)域

騰訊AI Lab聚焦四大領(lǐng)域的基礎(chǔ)研究，包括：計算機(jī)視覺、語音識別、自然語言處理與機(jī)器學(xué)習(xí)，力求全面覆蓋并深層次拓展AI的前沿技術(shù)能力。同時發(fā)展AI在具有騰訊特色的四大業(yè)務(wù)場景中的應(yīng)用能力：內(nèi)容 AI、社交AI、游戲AI和平臺工具AI。

• 計算機(jī)視覺

追蹤和研究最前沿的計算機(jī)視覺理論與算法，依托人工智能和大數(shù)據(jù)的支持，賦予計算機(jī)接近乃至超越人類視覺系統(tǒng)的能力，提升計算機(jī)完成各類視覺任務(wù)的水平，探索計算機(jī)在最新領(lǐng)域中的應(yīng)用。

主要研究分支：圖像視頻的分析、理解與編輯，人臉的檢測與識別，物體的檢測、跟蹤與分類，3D視覺，基于視覺的增強(qiáng)學(xué)習(xí)等。

• 語音識別

基于聲學(xué)模型和語言模型, 創(chuàng)建一個智能的"機(jī)器聽覺系統(tǒng)" 和"機(jī)器會話系統(tǒng)", 讓機(jī)器能"聽懂"人類語言, 并理解語言中包含的信息從而達(dá)到真正的人機(jī)"對話"。

主要研究分支：語言前端處理、聲學(xué)模型/語言模型的建立、語言解碼和語音合成等。

• 自然語言處理

賦予計算機(jī)系統(tǒng)以自然語言文本方式與外界交互的能力(即讓計算機(jī)能夠"讀懂"自然語言文本，并能夠用自然語言文本的方式"表達(dá)"自己的"思想")，追蹤和研究最前沿的自然語言文本理解和生成技術(shù)，孵化下一代自然語言處理技術(shù)與商業(yè)應(yīng)用場景。

主要研究分支：語義分析、知識推理、智能問答、機(jī)器翻譯等。

• 機(jī)器學(xué)習(xí)

研究前沿的機(jī)器學(xué)習(xí)理論及算法，研發(fā)和部署大規(guī)模機(jī)器學(xué)習(xí)/深度學(xué)習(xí)系統(tǒng)。在大數(shù)據(jù)和互聯(lián)網(wǎng)背景下，探索機(jī)器學(xué)習(xí)算法在社交網(wǎng)絡(luò)、廣告推薦，行業(yè)大數(shù)據(jù)，智能游戲，以及基于感知和決策的AI等方向的應(yīng)用 。

主要研究分支：機(jī)器學(xué)習(xí)理論，優(yōu)化算法，大規(guī)模分布式計算，異構(gòu)平臺，以及創(chuàng)新監(jiān)督，半監(jiān)督，和增強(qiáng)機(jī)器學(xué)習(xí)算法的研究。

更多雷鋒網(wǎng)文章：

張亞勤出任百度美研發(fā)董事長，吸引人才是關(guān)鍵

他們做的通用人工智能，要讓所有產(chǎn)品都具備“智能”大腦

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。