雷鋒網(wǎng) AI科技評論消息，由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，福州市人民政府、福州大學(xué)承辦的2017中國計(jì)算機(jī)大會(huì)（CNCC2017）將于10月26-28日在福州·海峽國際會(huì)展中心重磅來襲，作為國內(nèi)計(jì)算領(lǐng)域規(guī)模最大、規(guī)格最高的學(xué)術(shù)與技術(shù)盛宴，本次大會(huì)將邀請300余位國內(nèi)外計(jì)算機(jī)領(lǐng)域知名專家、企業(yè)家到會(huì)演講。雷鋒網(wǎng)也會(huì)作為獨(dú)家戰(zhàn)略合作媒體進(jìn)行全程跟蹤報(bào)導(dǎo)。

本次會(huì)議包括14個(gè)特邀報(bào)告、2場大會(huì)主題論壇、40余場前沿技術(shù)論壇，另外還有30余場特色活動(dòng)以及3個(gè)頒獎(jiǎng)會(huì)，同期舉辦的科技成果展聚集80家企業(yè)。

特邀報(bào)告向來是大家關(guān)注的重點(diǎn)，今年大會(huì)主辦方邀請到14位在學(xué)界、業(yè)界頂尖的講者為大家?guī)硖匮麍?bào)告，他們分別是丘成桐、梅宏、沈向洋、李飛飛、湯道生、馬維英、Dinesh Manocha、陳熙霖、王涌天、章文嵩、叢京生 、李志飛、何源、劉偲。報(bào)告題目和演講摘要如下（文末附大會(huì)具體議程）：

特邀講者：丘成桐

哈佛大學(xué)終身教授，美國國家科學(xué)院院士，中國科學(xué)院外籍院士，1982年度菲爾茲獎(jiǎng)獲得者

報(bào)告題目：現(xiàn)代幾何學(xué)在計(jì)算機(jī)科學(xué)中的應(yīng)用

演講摘要：

現(xiàn)代幾何為計(jì)算機(jī)科學(xué)的發(fā)展奠定了堅(jiān)實(shí)的理論基礎(chǔ)；計(jì)算機(jī)科學(xué)的發(fā)展為幾何學(xué)提供了大量的研究素材，并且提供了高效精確的驗(yàn)證手段。這里，我們給出一些現(xiàn)代幾何理論在計(jì)算機(jī)科學(xué)中的直接應(yīng)用。

在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域：我們將黎曼幾何的概念和方法推廣到離散情形，在圖上面定義曲率，并用曲率來刻畫分析社交網(wǎng)絡(luò)和互聯(lián)網(wǎng)。我們運(yùn)用共形幾何的方法來提高無線傳感器網(wǎng)絡(luò)的路由性能，實(shí)現(xiàn)負(fù)載平衡。

在計(jì)算機(jī)圖形學(xué)領(lǐng)域：我們用計(jì)算共形幾何的方法實(shí)現(xiàn)曲面全局保角參數(shù)化，運(yùn)用蒙日-安培方程來實(shí)現(xiàn)保面積參數(shù)化，用曲面曲率流來實(shí)現(xiàn)矢量場的設(shè)計(jì)。

在計(jì)算機(jī)輔助幾何設(shè)計(jì)領(lǐng)域：我們用曲面的仿射結(jié)構(gòu)、射影結(jié)構(gòu)來構(gòu)造整體光滑的樣條曲面。

在數(shù)字幾何處理領(lǐng)域：我們用黎曼映照和最優(yōu)傳輸映射來做幾何壓縮，運(yùn)用幾何逼近論來做曲面重構(gòu)。

在計(jì)算機(jī)視覺領(lǐng)域：我們用擬共形幾何、Teichmuller理論來實(shí)現(xiàn)曲面配準(zhǔn)，動(dòng)態(tài)跟蹤。我們用蒙日-安培理論來計(jì)算Wasserstein距離進(jìn)行表情分類。

現(xiàn)代幾何的理論和方法日益滲透到計(jì)算機(jī)科學(xué)之中，并且通過計(jì)算機(jī)科學(xué)對人類社會(huì)做出更多的貢獻(xiàn)。

特邀講者：梅宏

CCF會(huì)士，北京理工大學(xué)教授，中國科學(xué)院院士

報(bào)告題目：軟件定義一切：挑戰(zhàn)和機(jī)遇

演講摘要：

無處不在的信息技術(shù)應(yīng)用正將我們帶入一個(gè)新的時(shí)代。人們從不同的視角給這個(gè)時(shí)代貼上了不同的標(biāo)簽：云計(jì)算時(shí)代、大數(shù)據(jù)時(shí)代、智能化時(shí)代、互聯(lián)網(wǎng)+時(shí)代、......。從軟件從業(yè)者的視角，我們會(huì)觀察到這個(gè)時(shí)代重要的使能技術(shù) -- 軟件，就這個(gè)意義來說，我們正在進(jìn)入一個(gè)軟件定義的時(shí)代。本報(bào)告回顧了軟件技術(shù)的發(fā)展，并從操作系統(tǒng)的視角來理解軟件定義的本質(zhì)和內(nèi)涵：硬件資源虛擬化、管理功能可編程；展望了軟件定義的未來：在人機(jī)物融合計(jì)算的場景下，萬物皆可互聯(lián)、一切均可編程，進(jìn)而分析了軟件定義帶來的機(jī)遇和挑戰(zhàn)。

 

特邀講者：沈向洋

美國國家工程院院士，ACM/IEEE Fellow，微軟全球執(zhí)行副總裁

報(bào)告題目：理解自然語言：描述、對話和隱喻

演講摘要：

我們正處在人工智能發(fā)展的一個(gè)新的黃金時(shí)代。人工智能最基本的兩個(gè)要素是感知和認(rèn)知。在過去幾年里，我們親歷了感知技術(shù)特別是計(jì)算機(jī)視覺和語音識別的突飛猛進(jìn)。然而，在諸如自然語言理解和對話領(lǐng)域的認(rèn)知研究方面，我們的進(jìn)展還非常有限。我相信在未來的十年中，自然語言處理會(huì)成為人工智能突破最重要的方向。懂語言者得天下。

我設(shè)想可以從三個(gè)層次來逐步讓機(jī)器理解并掌握語言：從機(jī)器學(xué)習(xí)，到機(jī)器智能，再到機(jī)器意識。 第一個(gè)層次首先是建立客觀的對觀察到的或體驗(yàn)到的事物進(jìn)行描述的能力。我會(huì)用微軟認(rèn)知服務(wù)里面的CaptionBot為例，來展現(xiàn)我們通過機(jī)器學(xué)習(xí)對一幅輸入圖像內(nèi)容產(chǎn)生客觀描述的技術(shù)。第二個(gè)層次是建立持續(xù)對話的能力。因?yàn)樵趯υ挼倪^程中，機(jī)器要能答問題，還要能提問題。機(jī)器要理解上下文狀況，常識，及情感來做出合理的判斷和響應(yīng)—所謂對話即智能。我會(huì)總結(jié)一下微軟研究院在智能問答生成方面的一些最新研究工作, 以及其在微軟小冰聊天機(jī)器人平均長達(dá)23輪對話中的應(yīng)用。第三個(gè)層次是建立在有意識地思考之上的理解和表達(dá)隱喻的能力。盡管我們離建立完全的機(jī)器意識還很遠(yuǎn)，作為一個(gè)初步的嘗試，我會(huì)展示一下微軟小冰看圖作詩的技術(shù)。這項(xiàng)技術(shù)已經(jīng)使得小冰成為了人類歷史以來最多產(chǎn)的詩人。

最后，我簡要介紹一下微軟對話式人工智能產(chǎn)品線的最新進(jìn)展和設(shè)計(jì)理念，包括必應(yīng)搜索引擎，智能助理小娜，智能客服助理, 和聊天機(jī)器人小冰。

特邀講者：李飛飛

Professor of Computer Science, Stanford University

Director of Stanford Artificial Intelligence Lab

Chief Scientist of AI/ML, Google Cloud

報(bào)告題目：A Quest for Visual Intelligence: Exploration Beyond Objects

演講摘要:

It takes nature and evolution more than five hundred million years to develop a powerful visual system in humans. The journey for AI and computer vision is about half of a century. In this talk, I will briefly discuss the key ideas and the cutting edge advances in the quest for visual intelligences in computers, focusing on work done in our lab in recent years.

特邀講者：湯道生

騰訊集團(tuán)高級執(zhí)行副總裁

報(bào)告題目：讓AI服務(wù)于人

演講摘要：

機(jī)器是否即將取代人類的論戰(zhàn)方興未艾，但如果將人類與機(jī)器作對比，那么今天的AI在有限的領(lǐng)域與局部環(huán)節(jié)或許可以勝過人類，仍然無法完像人一樣來思考與行動(dòng)。即使如此，機(jī)器視覺與語音語義理解的發(fā)展與機(jī)械的聯(lián)動(dòng)，也已經(jīng)可以替代人類部分的工作。因此我們可以將AI視為一種生產(chǎn)力，其通過算法與經(jīng)驗(yàn)(數(shù)據(jù))，提供某種可標(biāo)準(zhǔn)化、可復(fù)制的智能服務(wù)，替代那些重復(fù)性人工作業(yè)。無論是新興產(chǎn)業(yè)還是傳統(tǒng)行業(yè)，至今仍然有不少依靠有經(jīng)驗(yàn)人士的日復(fù)一日的操作，現(xiàn)在都有機(jī)會(huì)通過物聯(lián)網(wǎng)獲取數(shù)據(jù)，通過AI來替代人工判斷，從而讓智慧變得可復(fù)制，同時(shí)提高服務(wù)可靠性并提升工作效率。

與此同時(shí)，云服務(wù)的發(fā)展也讓AI服務(wù)變得更加普及，由于數(shù)據(jù)可以更及時(shí)的在云上被收集與處理，這便讓AI服務(wù)可以更快更有效地適應(yīng)不同應(yīng)用與場景的需要。比如大量的手寫單據(jù)不再需要人工處理、醫(yī)療圖像識別可以輔助診斷、城市里的交通疏導(dǎo)、零售店里的人流分析等等都是AI能力應(yīng)用到不同生活場景的例子，讓AI服務(wù)于人。

特邀講者：馬維英

今日頭條副總裁，IEEE Fellow

報(bào)告題目：人工智能和新一代信息與內(nèi)容平臺

演講摘要：

連接人與信息是人類社會(huì)的重要基礎(chǔ)設(shè)施。在移動(dòng)為先，萬物互聯(lián)，以及融合了社交的新內(nèi)容時(shí)代里，人工智能有著巨大的創(chuàng)新機(jī)會(huì)來重新定義人與信息的連接方式。從內(nèi)容創(chuàng)作、 過濾、分發(fā)、消費(fèi)以及互動(dòng)的每個(gè)環(huán)節(jié)，我們都可以使用大規(guī)模機(jī)器學(xué)習(xí)、文本分析、自然語言理解、計(jì)算機(jī)視覺和數(shù)據(jù)挖掘等技術(shù)，來高效處理、分析、挖掘、理解和組織海量文字、圖片和視頻，并根據(jù)對用戶的深度理解，進(jìn)行智能分發(fā)。同時(shí)基于豐富多樣的應(yīng)用場景和海量用戶，持續(xù)累積大量的訓(xùn)練樣本和數(shù)據(jù)，讓機(jī)器學(xué)習(xí)系統(tǒng)形成閉環(huán)，不斷地改善和進(jìn)化。我將分享人工智能在信息和內(nèi)容平臺發(fā)展前景的一些看法，包括人工智能的本質(zhì)、近幾年重要的技術(shù)發(fā)展，以及產(chǎn)業(yè)發(fā)展的未來。

特邀講者：Dinesh Manocha

Department of Computer Science

University of North Carolina at Chapel Hill

ACM/IEEE/AAAS Fellow

報(bào)告題目：Motion Planning Technologies for Human-Robot Interaction

演講摘要:

Robotics are increasing being use for manufacturing, assembly, warehouse automation, and service industries. However, current robots have limited capabilities in terms of handling new environments or working next to humans or with the humans. In this talk, we highlight some challenges in terms of developing motion and task planning capabilities that can enable robots to operate automatically in such environments. These include real-time planning algorithms that can also integrate with current sensor and perception techniques.  We present new techniques for realtime motion planning and how they can be integrated with vision-based algorithms for human action prediction as well as natural language processing.  The resulting approaches use a combination of ideas from AI planning, topology, optimization, computer vision, machine learning, natural language processing, and parallel computing. We also demonstrate many applications in terms of autonomous picking, avoiding human obstacles, and operating as cobots. Given that China has been the biggest purchaser of industrial robots, we also highlight the potential benefits of these technologies for Chinese robotics and manufacturing industries.

特邀講者：陳熙霖

CCF會(huì)士，中科院計(jì)算所研究員，IEEE Fellow

報(bào)告題目：從物體識別到場景理解

演講摘要：

計(jì)算機(jī)視覺領(lǐng)域近年來的進(jìn)展極大地鼓舞了工業(yè)界和學(xué)術(shù)界。僅從避障和識別物體而言，計(jì)算機(jī)視覺技術(shù)和方法已經(jīng)能夠滿足很多應(yīng)用的需求。但這些往往都是面向單一任務(wù)的，不論是從擴(kuò)展性還是適應(yīng)性等方面與人類或者高等動(dòng)物視覺系統(tǒng)相比，還有很大的差距。任務(wù)驅(qū)動(dòng)和處理的碎片化是影響計(jì)算視覺系統(tǒng)發(fā)展的重要因素。另一方面，視覺研究中對感知和認(rèn)知的割裂也為這一領(lǐng)域設(shè)置了一道人為的天花板。隨著局部計(jì)算視覺問題的突破和計(jì)算能力的飛速發(fā)展，計(jì)算機(jī)視覺的研究也將從關(guān)注物體識別走向關(guān)注理解，從任務(wù)驅(qū)動(dòng)走向要素驅(qū)動(dòng)，從大數(shù)據(jù)解決小問題走向小知識撬動(dòng)大問題。計(jì)算機(jī)視覺在物體識別等任務(wù)上的成功很大程度上刺激了人工智能的復(fù)興，超越單純的物體識別是可視智能的重要體現(xiàn)，這將依賴于對物體和場景的深層次識別和推理，同時(shí)背景知識也將起到重要的作用。與此同時(shí)，場景理解將和高層表示與推理相融合，將視覺的感知與語言的推理認(rèn)知結(jié)合，持續(xù)推動(dòng)人工智能的發(fā)展和進(jìn)步。

特邀講者：王涌天

CCF理事，北京理工大學(xué)教授，SPIE/IET Fellow

報(bào)告題目：“無屏”呈現(xiàn)-- 人機(jī)融合的新紀(jì)元

演講摘要：

人機(jī)自然融合是計(jì)算機(jī)領(lǐng)域工作者不懈追求的目標(biāo)，而數(shù)字信息的高效呈現(xiàn)是其中的關(guān)鍵技術(shù)。近年來，隨著手機(jī)等智能終端的移動(dòng)觸摸交互屏的技術(shù)成熟和廣泛應(yīng)用，人與信息之間已經(jīng)形成了有界融合、主從相伴的關(guān)系。但隨著以虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)為代表的新型人機(jī)界面技術(shù)的蓬勃發(fā)展，傳統(tǒng)屏幕的概念被顛覆，新的“無屏”時(shí)代已經(jīng)到來。伴隨“無屏”而來的是“高沉浸感的顯示”，是“虛實(shí)融合的顯示”，是“無處不在的顯示”，促進(jìn)顯示設(shè)備從“便攜化”向“無擾化”、“透明化”發(fā)展。“無屏”呈現(xiàn)將會(huì)革新人機(jī)之間信息交互的機(jī)制與模式，使得人對信息的利用效率達(dá)到前所未有的高度；通過與人工智能的深度結(jié)合，這種新的人機(jī)融合方式將會(huì)徹底改變?nèi)藗兊墓ぷ骱蜕罘绞剑灾峦苿?dòng)人類的“進(jìn)化”。然而，為了實(shí)現(xiàn)真正意義上的“無屏”呈現(xiàn)，我們還面臨一系列的挑戰(zhàn)，要把頭戴式顯示設(shè)備做得輕便、舒適和時(shí)尚，要進(jìn)一步完善跟蹤定位和交互技術(shù)，也需要解決如何保護(hù)他人隱私等社會(huì)倫理問題。本報(bào)告將從本人所在中心的研究工作出發(fā)對這些問題展開討論，并探討“無屏”呈現(xiàn)可能帶來的應(yīng)用場景的革命。

特邀講者：叢京生

加州大學(xué)洛杉磯分校教授，美國工程院院士，IEEE/ACM Fellow

報(bào)告題目：Computing Near the End of Moore's Law

演講摘要：

As we get close to the end of Moore’s Law, one cannot rely on simple frequency or core scaling to improve the performance.  We argued that future computing systems would be customizable with extensive use of accelerators.  Such an accelerator-rich architecture presents a fundamental departure from the classical von Neumann architecture. In this talk, I shall first present an overview of our research on customizable computing, from single-chip, to server node, and to data centers, with extensive use of composable accelerators and field-programmable gate-arrays (FPGAs).  I shall highlight our successes in several application domains, such as machine learning and computational genomics. Then, I present our ongoing work on enabling automation for customized computing. I shall highlight the algorithmic and implementation challenges and our solutions to many of these compilation and runtime optimization problems.

特邀講者：章文嵩

CCF TF主席，滴滴出行高級副總裁

報(bào)告題目：滴滴共享出行與智慧交通

演講摘要：

經(jīng)過5年的高速發(fā)展，滴滴已成為全球最大的共享出行平臺，創(chuàng)造了大量的靈活就業(yè)機(jī)會(huì)，是典型的共享經(jīng)濟(jì)代表。滴滴背后完全依靠技術(shù)不斷提升共享出行的安全、體驗(yàn)和效率，同時(shí)借助滴滴大數(shù)據(jù)和技術(shù)可以讓城市交通變得更智能、更高效、更安全?；诘蔚诬壽E數(shù)據(jù)，可以建立城市交通客觀的度量體系，通過交通信息平臺、智慧信號燈、誘導(dǎo)屏、潮汐車道等優(yōu)化交通基礎(chǔ)設(shè)施，根據(jù)實(shí)時(shí)路況信息及時(shí)對異常擁堵進(jìn)行疏導(dǎo)，使用滴滴代駕數(shù)據(jù)進(jìn)行精準(zhǔn)抓酒駕，降低交通事故率。將所有的交通工具線上化，實(shí)現(xiàn)更準(zhǔn)確的導(dǎo)航和時(shí)間預(yù)估，為出行者提供一站式出行服務(wù)，根據(jù)用戶喜好和實(shí)際交通狀態(tài)推薦合適的多模換乘方案，讓用戶選擇從而達(dá)到優(yōu)化出行結(jié)構(gòu)目的。

特邀講者：李志飛

“出門問問”創(chuàng)始人、CEO

報(bào)告題目：語音交互技術(shù)將如何重塑下一代消費(fèi)電子

演講摘要：

近年來，以語音交互為引爆點(diǎn)的AI革命，正在推動(dòng)人工智能從科研和實(shí)驗(yàn)室走進(jìn)消費(fèi)和現(xiàn)實(shí)生活。目前，值得討論的問題是怎樣將人工智能的技術(shù)真正落地于真實(shí)的場景之中。一路帶領(lǐng)著出門問問構(gòu)建算法、打造技術(shù)、落地產(chǎn)品的李志飛，摸索出從智能穿戴、智能車載，到最新的智能家居的一系列智能語音交互落地場景，走出了一條“軟硬結(jié)合”的商業(yè)化道路。智能語音交互中最重要的能力是什么？如何選擇最適合的落地場景和產(chǎn)品？怎樣打破場景間的壁壘，讓不同場景聯(lián)動(dòng)起來？在此次報(bào)告中，李志飛博士將分享他的經(jīng)驗(yàn)與思考，解開人機(jī)交互背后的智能密碼。

特邀講者：何源

2017CCF青年“兩秀講者”，清華大學(xué)副教授

報(bào)告題目：從瓦薩沉船到數(shù)字孿生——物聯(lián)網(wǎng)的機(jī)遇和挑戰(zhàn)

演講摘要：

在經(jīng)歷了十多年的探索、實(shí)踐和反思后，物聯(lián)網(wǎng)進(jìn)入了新的發(fā)展階段。物聯(lián)網(wǎng)與傳統(tǒng)行業(yè)深度融合，呈現(xiàn)出應(yīng)用需求多樣化、網(wǎng)絡(luò)終端異構(gòu)化、運(yùn)維空間同一化的顯著特征，推動(dòng)該領(lǐng)域研究向縱深發(fā)展。我們結(jié)合工業(yè)和能源行業(yè)的物聯(lián)網(wǎng)應(yīng)用實(shí)踐，圍繞無線網(wǎng)絡(luò)共存性問題展開研究，本報(bào)告將簡介當(dāng)前的進(jìn)展，探討未來的機(jī)遇和挑戰(zhàn)。 

特邀講者：劉偲

2017CCF青年“兩秀講者”，中科院信工所副研究員

報(bào)告題目：圖像的像素級語義理解

演講摘要：

近年來，基于深度學(xué)習(xí)的圖像視頻分析技術(shù)取得了巨大成功。相比于傳統(tǒng)的物體分類識別技術(shù)，圖像的像素級語義理解，又稱語義分割，能提供更加豐富的像素級信息, 因而成為一個(gè)新的研究熱點(diǎn)。本報(bào)告以語義分割的三個(gè)典型實(shí)例，即場景解析，人臉解析以及人像解析為切入點(diǎn)，重點(diǎn)介紹我們針對語義分割的以下兩個(gè)挑戰(zhàn)做出的工作。1：減少人工標(biāo)注工作量：在很多實(shí)用場景中，圖像尺寸大且標(biāo)簽種類繁多，純?nèi)斯ぶ鹣袼貥?biāo)注非常昂貴且低效。我們提出一系列在不降低算法精度的前提下，極大減少人工標(biāo)注成量的無監(jiān)督、半監(jiān)督、弱監(jiān)督語義分割算法。2：提升分割精度: 通過綜合考慮上下文信息，如語義標(biāo)簽之間的共生性和互斥性，不同信息源的互補(bǔ)性，極大地改進(jìn)了分割精度。最后，我們也將展示語義分割在智能相機(jī)、視頻監(jiān)控、智能家居、電商平臺搜索等多個(gè)領(lǐng)域的應(yīng)用效果。

大會(huì)的具體議程如下：

還未進(jìn)行注冊繳費(fèi)的觀眾需注意，10月15日線上注冊繳費(fèi)截止，如果未趕上注冊時(shí)間，可以到現(xiàn)場注冊繳費(fèi)。注冊參會(huì)指南鏈接：http://cncc.ccf.org.cn/cn/news/index/13

更多詳細(xì)信息請參見 CNCC 2017官網(wǎng)：http://cncc.ccf.org.cn/

作為獨(dú)家戰(zhàn)略合作媒體，屆時(shí)雷鋒網(wǎng) AI科技評論會(huì)前往現(xiàn)場為大家?guī)淼谝皇窒?，敬請關(guān)注。

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