雷鋒網(wǎng)按：本周，人工智能產(chǎn)、學兩界的資深人士紛紛在頂級會議 AAAI 中亮相，分享了他們在各自研究方向的體會與心得。本期雷鋒網(wǎng) AI 科技評論周刊整理了清華大學朱小燕教授、麻省理工學院 Rosalind Picard 教授、百度副總裁王海峰、亞馬遜 AWS 機器學習總監(jiān) Alex Smola 的分享。

獨家 | 清華大學朱小燕教授做客 AI 科技評論，分享 NLP 和 AI 的那些事兒

在 AI 科技評論組織的 AAAI 中國之夜活動上，AAAI 現(xiàn)任執(zhí)委楊強教授、清華大學智能技術與系統(tǒng)國家重點實驗室主任、信息獲取課題組的學術帶頭人朱小燕教授、今日頭條實驗室總監(jiān)李磊、iFly.vc 合伙人沈瀚、物靈科技人工智能首席科學家吳惟心、iPIN 創(chuàng)始人楊洋在現(xiàn)場做了分享。

其中，清華大學朱小燕教授分享了她本人對從業(yè)者的一些建議，并提到了 NLP 學術和產(chǎn)業(yè)有何不同。

朱教授說，做計算機應用領域的學術研究，內(nèi)容應該是跳起來能夠夠得著的，當下不那么踏實，但是，條件好了就能夠使用。比如某研究院說要做能夠觀察人的面部表情情感變化，做能夠進行情感交流的機器人。作為研究可以，作為概念產(chǎn)品可以試試，作為賺錢的產(chǎn)品就比較困難了。首先你就要叫計算機知道什么叫表情變化，大喜大悲容易，平時的細微表情變化就難了。又有多少人會察言觀色，會到什么程度？家庭陪伴機器人假定的服務對象多半是老人，老人臉上就更不容易識別出喜怒哀樂的變化了。這些做研究是可以，有能力的企業(yè)可以做這樣的研究做基礎沉淀和展示，但是做產(chǎn)業(yè)就要想清楚了。再比如做陪伴老人的機器人產(chǎn)品。如果是行走機器人就要想清楚，機器人腿腳不方便，老人腿腳也不方便，兩個腿腳不方便的在一起（笑）。這個東西還有不少問題需要解決。但是研究肯定是可以的。

“情感計算”之母 Rosalind Picard 二十年經(jīng)驗分享：那些令我驚訝的發(fā)現(xiàn)

身為“情感計算”之母的 Rosalind Picard，是該領域首屈一指的專家。在機器學習算法工具日漸普及的今天，人們猛然醒覺“認知”“情感”正是創(chuàng)造出真正的 AI 的瓶頸。于是，全世界的目光都投向了 Rosalind Picard 的研究。此次，AAAI 2017 邀請她前來做主題演講，介紹“情緒計算”學科的由來、情緒識別機器學習算法、以及能監(jiān)測人體焦慮、緊張情緒的傳感器的最新研究進展。

Rosalind Picard是麻省理工學院（MIT）教授，在 MIT 的跨領域尖端科學實驗室 Media Lab 從事機器學習與神經(jīng)科學的交叉研究，一手創(chuàng)立了 Media Lab 情感計算研究部。她同時是兩家初創(chuàng)公司 Affectiva 和 Empatica 的聯(lián)合創(chuàng)始人，前者研發(fā)情緒識別、監(jiān)測技術，后者生產(chǎn)整合這些技術的醫(yī)療傳感器，例如醫(yī)用可穿戴設備。但最重要的是，她的著作《Affective Computing》開創(chuàng)了計算機科學和人工智能學科中的新分支——“情感計算”。

深度 | 百度副總裁王海峰：百度在NLP領域都做了什么？

人工智能頂級會議暨 2017 屆 AAAI 大會召開，AAAI 今年首次設置了AI in Practice （應用人工智能）環(huán)節(jié)，百度副總裁王海峰應邀做了名為“百度的自然語言處理”（Natural Language Processing at Baidu）的主題演講。

王海峰在演講中提到，語言是思想和知識的載體，而對語言的處理和理解就顯得尤為重要。計算機領域中自然語言處理（Natural Language Processing: NLP）的目的，就是讓計算機能夠理解和生成人類語言。在百度，基于大數(shù)據(jù)、機器學習和語言學方面的積累，我們研發(fā)了知識圖譜，我們分析理解 query、篇章及情感，我們構建了問答、機器翻譯和對話系統(tǒng)。NLP技術已經(jīng)應用在百度的眾多產(chǎn)品上，比如搜索、Feed、o2o和廣告等。

演講主要針對知識圖譜、語言理解、篇章理解、語言生成、詩歌生成、文本摘要、自然語言處理應用系統(tǒng)、機器翻譯、對話系統(tǒng)等方向展開。

亞馬遜 AWS 機器學習總監(jiān) Alex Smola：如何用 MXNet 構建可拓展的深度學習框架？

MXNet 在去年 11 月成為 Amazon AWS 的官方開源平臺。在本次的 AAAI 2017 上，亞馬遜 AWS 機器學習總監(jiān) Alex Smola 做了主題分享，介紹了如何利用 MXNet 構建一個可拓展的深度學習框架。雷鋒網(wǎng)旗下 AI 科技評論對此做了全程報道。

Alex Smola 是 MXNet 主要作者李沐在 CMU 的博士導師，后者在 Smola 加入亞馬遜期間一直在做 MXNet 開發(fā)和 AWS 上深度學習的應用，這也難怪在 Smola 演講最開始的感謝名單上，第一個名字就是李沐。

那么，作為亞馬遜的官方開源平臺，MXNet 又是如何實現(xiàn)「又快又好」的目標呢？

Smola 指出，要構建一個這樣集高效與個性化于一體的框架，首先不可避免地要涉及潛變量模型的設計。潛變量模型是一種結構方程模型，區(qū)別于顯變量，指的是不能被直接觀測、需要通過間接數(shù)據(jù)體現(xiàn)的指標。

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