AI應用
- 從簡單的圍棋到複雜環境的王者榮耀
- 視頻自動標籤：標籤多且有歧義
- 食品圖像分析：細粒度的識別
- 自動生成遊戲解說：cv（目標識別）->NLP（文本）->voice（語音）
計算機視覺的挑戰（計算所）
- cv是AI最活躍的領域
- 目前對於深度學習是知其然不知其所以然
- 識別->理解，理解是關鍵，尤其是跨模態的對齊
- AI的必然：機要懂人；機要懂事；說機器語
NLP語義信息處理前言（哈工大）
- NLP是認知智能的核心
- 過程：形式->語義->推理->語用
- 目前處於語義到推理層面
- 四類問題：匹配、分類、生成、組織
- 對話系統：從軟件（機器貓）到平臺化（siri、小度等）
- 面臨的挑戰：1）帶標數據少；2）嘗試知識不熟；
對機器學習的思考（南大）
- 困難：1）機器學習中有太多超參；2）有很多不可微（無法反向傳播）的構件
- 三個方向：
- 1、Deep forest，神經網絡的替代品
- 2、弱監督，解決標註少問題
- 3、模型要能適應開放的學習環境。目前大多數是封閉靜態的環境（數據分佈一致、測試指標固定等等）
深度視覺系統安全性探索（騰訊）——圖片的對抗攻擊與防守
- 輸入差異小（圖片加噪）----network----->輸出差異巨大（類別分錯）
- 目標：抑制輸出差異