雷鋒網(wǎng)旗下人工智能公眾號 AI 科技評論此前已經(jīng)為大家?guī)?AAAI 2017 的大會看點集錦，而很快，雷鋒網(wǎng)小編就要見到大神們做演講了，心情還是很激動的。

不過在之前的文章中，對六位嘉賓的演講主題只是一筆帶過，所以在這篇文章中，雷鋒網(wǎng)會對他們的生平及演講內(nèi)容做更加詳細的整體介紹。

這六個演講分五天進行，按照時間順序為：

? 2 月 5 日，田納西大學與國家科學基金 Lynne Parker：《美國國家人工智能研究及發(fā)展戰(zhàn)略計劃的創(chuàng)新之處》。此前雷鋒網(wǎng)曾經(jīng)報道過關(guān)于這位學界大神的介紹，更多可參看《琳恩帕克：調(diào)教一個機器人不難，她要教一群機器人自動「聚沙成塔」》；

? 2 月 6 日，MIT 的 Rosalind Picard：《構(gòu)建情感智能技術(shù)存在的風險》；

? 2 月 7 日，劍橋大學工程部 Steve Young：《機器學習的統(tǒng)計語音對話系統(tǒng)及其挑戰(zhàn)》；同一天下午還有倫敦大學教授 Peter Dayan 的《神經(jīng)強化學習與人工強化學習的兼容性》；

? 2 月 8 日，德克薩斯大學奧斯汀分校 Kristen Grauman：《根據(jù)無標簽視頻，機器如何學習移動與觀察方位》；

? 2 月 9 日，MIT CSAIL 與本田研究院 Russ Tedrake：《現(xiàn)實世界中，動態(tài)機器人的凸度與組合優(yōu)化》；

接下來，雷鋒網(wǎng)將對每一個演講進行介紹。

Lynne Parker：美國白皮書編委會代表親釋AI戰(zhàn)略發(fā)展

說起 Lynne Parker，只要稍微對異構(gòu)分布式機器人有所了解的學界人士想必都不陌生。她目前為田納西大學電子工程及計算機科學教授，IEEE Fellow，主要研究方向是分布式智能系統(tǒng)的計算化——特別是物理層面的，比如多機器人及傳感器網(wǎng)絡(luò)。而在 NSF 工作的兩年間，她作為計算機與信息科學 CISE 及信息與智能系統(tǒng) IIS 的部門主任，主要進行國家人工智能研究及發(fā)展戰(zhàn)略計劃的工作。而在 AAAI 的演講上，她也計劃就這一主題進行分享。

「在 2016 年 10 月份，美國聯(lián)邦政府發(fā)布了一份人工智能戰(zhàn)略計劃，而作為這份報告的聯(lián)合主席，我打算從我的角度闡述這份報告產(chǎn)生的背景，并討論如何通過多機構(gòu)的合作實現(xiàn)報告的創(chuàng)新。此外，這份計劃是否能為美國帶來受益？這一點也歡迎與現(xiàn)場的朋友進行討論。」
雷鋒網(wǎng)此前也對這份戰(zhàn)略報告做過覆蓋和編譯，詳情請見《五分鐘讀完美國白皮書：為了人工智能的未來，政府都做了哪些準備？》，那么 Lynne Parker 又會在現(xiàn)場帶來怎樣的真知灼見呢？敬請期待。

Rosalind Picard：“情感計算”之母為你答疑解惑

MIT 媒體實驗室中有不少研究小組，而情感計算如果不是最有意思的一個，也是非常具有「人性」的一個小組。作為創(chuàng)始人及主要負責人，Picard 首創(chuàng)了「情感計算」（affective computing）這一名詞，同名著作也在國際上享有盛名。這一概念分別被紐約時報評選為 2006 年的最佳思想，及 2011 年的大眾科學十大研究之一。

Picard 畢業(yè)于 MIT 電氣工程及計算機科學專業(yè)，「情感計算」是一項對人類情感進行感知、識別及反應的算法。而通過開發(fā)信號處理與機器學習技術(shù)，Picard 領(lǐng)導團隊挖掘了很多新的發(fā)現(xiàn)，包括移動設(shè)備探測人體生物信號，并以這些電信號揭示大腦活動。那么，它所面臨的機遇與挑戰(zhàn)又會是什么？Picard 將在 AAAI 2017 上與我們分享。

誠然，雷鋒網(wǎng)此前也報道過不少關(guān)于人類認知與情感在機器學習領(lǐng)域的新聞，但從未近距離覆蓋過這一方面的演講，更何況是這一概念的創(chuàng)始人來給我們答疑解惑。雷鋒網(wǎng)小編表示，已經(jīng)搬好小板凳前排坐等了。

Steve Young：研發(fā)過 Siri 的男人

劍橋大學的 Steve Young 的主要研究方向正是語音系統(tǒng)，包括了語音識別、語義理解及對話管理等方面。他曾經(jīng)參加過蘋果 Siri 的研發(fā)工作，雷鋒網(wǎng)認為他對語音對話想必有著獨到的見解。

在 AAAI 2017 上，Steve Young 計劃從語音對話系統(tǒng)的特性說起，并指出機器學習能夠提升開放系統(tǒng)的魯棒性。而在分享中，Young 會提及劍橋大學利用機器學習的所做的一些研究進展，包括自然語言、反饋預測及思維跟蹤等方面。此外，也會提及可能存在的一些核心挑戰(zhàn)。

Peter Dayan：師從Hinton的神經(jīng)科學大牛

博士師從 David Willshaw，博士后師從 Salk 的 Terry Sejnowski 還有多倫多大學的 Geoff Hinton，Peter Dayan 在畢業(yè)前就儼然是一名人生贏家。而在 MIT 當了三年助理教授后，他于 1998 年協(xié)同各位大牛于 UCL 建立了 Gatsby 計算神經(jīng)科學團隊，并于四年后成為負責人。他的核心研究領(lǐng)域主要在神經(jīng)處理的數(shù)學及計算模型構(gòu)建上，重點在于機器的呈現(xiàn)、學習及決策。

「如果一種動物無法根據(jù)獎懲對事件進行預測或控制，那么它也將自絕于世間。強化學習提供了這樣的一種理論核心，即能夠通過心理學與神經(jīng)科學組織與促進大量的工作，而我也計劃在演講中提及這些可能面對的挑戰(zhàn)?！?/p>

Kristen Grauman：機器如何實現(xiàn)第一視角的無監(jiān)督學習？
德克薩斯大學奧斯汀分校計算機科學助理教授 Kristen Grauman 在 MIT 獲得了博士學位，而這位美女及其團隊拿下了三大人工智能頂級會議的最佳論文：

• CVPR 2008：大范圍圖像檢索的散列算法；

• ICCV 2011：視覺屬性建模；

• ACCV 2016：360 度視頻的自動攝影。

此外，她還是 TPAMI 的副主編，兼任 CVPR2015 的項目主席。

目前視覺識別的現(xiàn)狀是讓機器在帶有人類標記的網(wǎng)絡(luò)照片里學習。但認知科學告訴我們，這個概念需要隨著實際應用而改變了——沒有監(jiān)督的真實世界里，機器又要怎么學習呢？Grauman 在 AAAI 2017 上將帶來工作的最新成果：讓機器如何通過不經(jīng)標記的視頻來學習有效的認知。機器通過接受以第一視角拍攝的視頻，在視角移動過程中了解「我如何移動」與「我看到了什么」之間的聯(lián)系。此外，團隊探討了如何在這種新形式中讓機器學會提取不變的物體特征，并實現(xiàn)無監(jiān)督學習下的視覺觀察，甚至比傳統(tǒng)的有監(jiān)督學習效果更佳。根據(jù)這一實驗成果，系統(tǒng)可以簡單地模仿人類攝影師的拍攝手法，自動從未經(jīng)處理的 360 度視頻中剪輯短片。

Russ Tedrake：無人機如何解決動態(tài)控制問題？

Russ Tedrake 是 MIT 電子工程及計算機科學的教授，同時也是 CSAIL 機器人中心的負責人，他曾帶領(lǐng)團隊研究如何應對 DARPA 的機器人挑戰(zhàn)，目前也是微軟研究院的新晉 Fellow。

Tedrake 認為，類人機器人、機械臂及無人機所代表的動態(tài)及控制問題都有著非線性動力學及固有的組合結(jié)構(gòu)。他在演講中計劃回顧這兩個方面所存在的問題及研究進展，包括混合整數(shù)凸度、半限定編程松弛及基于 SMT 的方法，以克服粗糙地形、抓地力優(yōu)化及無人機在復雜環(huán)境飛行等問題。

以上便是 AAAI 2017 上六位大牛的演講內(nèi)容前瞻，至于演講實錄，還請等待雷鋒網(wǎng) AI 科技評論從前線發(fā)回的報道吧！

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。