頂級(jí)大腦碰撞深度學(xué)習(xí)未來(lái)
圍繞“深度學(xué)習(xí)下一步”,顏水成博士與加州大學(xué)伯克利分校教授 Michael I. Jordan,香港科技大學(xué)教授楊強(qiáng),南加州大學(xué)教授 Kevin Knight,北京大學(xué)信息科技技術(shù)學(xué)院教授王立威,以及清華大學(xué)計(jì)算機(jī)系長(zhǎng)聘教授朱軍展開(kāi)討論。
其中,Michael I. Jordan 教授(上圖左二)被譽(yù)為“統(tǒng)計(jì)機(jī)器學(xué)習(xí)之父”,他將統(tǒng)計(jì)學(xué)的方法引入機(jī)器學(xué)習(xí)領(lǐng)域,讓學(xué)界認(rèn)識(shí)到貝葉斯網(wǎng)絡(luò)的重要性,還提出了 Jordan 網(wǎng)絡(luò)(一種遞歸神經(jīng)網(wǎng)絡(luò))。
Jordan 教授是美國(guó)科學(xué)院、美國(guó)工程院、美國(guó)藝術(shù)與科學(xué)院三院院士,是 AAAI,ACM,ASA,CSS,IEEE,IMS,ISBA 和 SIAM 等頂級(jí)學(xué)會(huì)的Fellow,是2016年IJCAI卓越研究獎(jiǎng),2015年David E. Rumelhart 獎(jiǎng)和2009年ACM/AAAI Allen Newell 獎(jiǎng)得主。
Jordan 教授指出,深度神經(jīng)網(wǎng)絡(luò)繞不開(kāi)的問(wèn)題是,盡管擁有強(qiáng)大的泛化能力,但學(xué)習(xí)的都是過(guò)去的數(shù)據(jù),而真實(shí)世界永遠(yuǎn)存在新的未知信息。
論壇還討論了深度學(xué)習(xí)模型的可解釋性、學(xué)術(shù)界和工業(yè)界資源不對(duì)等等熱點(diǎn)問(wèn)題。
嘉賓們認(rèn)為,基礎(chǔ)理論的研究對(duì)機(jī)器學(xué)習(xí)和人工智能的發(fā)展至關(guān)重要,學(xué)術(shù)界和工業(yè)界各有優(yōu)勢(shì),領(lǐng)域進(jìn)步需要更好的數(shù)據(jù)集基礎(chǔ),以及建立統(tǒng)一的基準(zhǔn)(benchmark)。
他們還指出,對(duì)于研究者來(lái)說(shuō),要勇于挑戰(zhàn)他人未曾涉足的領(lǐng)域,不僅僅在前人的基礎(chǔ)上改善,更要提出原創(chuàng)性的問(wèn)題,并為之持續(xù)奮斗。
您可以復(fù)制這個(gè)鏈接分享給其他人:http://www.emyjia.com/node/782