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