【10月26-28日】CNCC:2017中国计算机大会

阅读量    39597 |

分享到: QQ空间 新浪微博 微信 QQ facebook twitter

https://p5.ssl.qhimg.com/t01f868c4f1ff6430df.png

大会官网:http://cncc.ccf.org.cn/


会议简介

中国计算机大会是由中国计算机协会主办的国内计算领域规模最大、规格最高的学术、技术大会。近几年均邀请到图灵奖获得者在内的国内外知名学者做特邀报告,探讨信息技术领域最新进展与宏观发展趋势,现已在国内不同城市成功举办十三届。

主办方

中国计算机协会


会议时间

2017年10月26日-10月28日


会议地点

福建

会议日程

https://p5.ssl.qhimg.com/t0128897fd58eac1a7f.png

https://p4.ssl.qhimg.com/t011cb040a314127b8f.png

https://p5.ssl.qhimg.com/t01078832b9b03687a9.png

特邀讲者

报告题目:现代几何学在计算机科学中的应用

演讲摘要:

现代几何为计算机科学的发展奠定了坚实的理论基础;计算机科学的发展为几何学提供了大量的研究素材,并且提供了高效精确的验证手段。这里,我们给出一些现代几何理论在计算机科学中的直接应用。

在计算机网络领域:我们将黎曼几何的概念和方法推广到离散情形,在图上面定义曲率,并用曲率来刻画分析社交网络和互联网。我们运用共形几何的方法来提高无线传感器网络的路由性能,实现负载平衡。

在计算机图形学领域:我们用计算共形几何的方法实现曲面全局保角参数化,运用蒙日-安培方程来实现保面积参数化,用曲面曲率流来实现矢量场的设计。

在计算机辅助几何设计领域:我们用曲面的仿射结构、射影结构来构造整体光滑的样条曲面。

在数字几何处理领域:我们用黎曼映照和最优传输映射来做几何压缩,运用几何逼近论来做曲面重构。

在计算机视觉领域:我们用拟共形几何、Teichmuller理论来实现曲面配准,动态跟踪。我们用蒙日-安培理论来计算Wasserstein距离进行表情分类。

现代几何的理论和方法日益渗透到计算机科学之中,并且通过计算机科学对人类社会做出更多的贡献。 

讲者简介:

丘成桐,哈佛大学数学系教授,国际著名数学家。1966-1969在香港中文大学数学系就读。1971年获美国伯克利加州大学博士学位。1974-1987年任美国斯坦福大学、普林斯顿高等研究院、圣地亚哥加州大学数学教授。1987年至今任哈佛大学数学教授。入选美国艺术与科学院院士(1982)、美国国家科学院院士(1993)和中国科学院外籍院士(1994)。

http://p2.qhimg.com/t0169449603c5e300e1.png

  • 报告题目:软件定义一切:挑战和机遇

  • 演讲摘要:

    无处不在的信息技术应用正将我们带入一个新的时代。人们从不同的视角给这个时代贴上了不同的标签:云计算时代、大数据时代、智能化时代、互联网+时代、……。从软件从业者的视角,我们会观察到这个时代重要的使能技术 — 软件,就这个意义来说,我们正在进入一个软件定义的时代。本报告回顾了软件技术的发展,并从操作系统的视角来理解软件定义的本质和内涵:硬件资源虚拟化、管理功能可编程;展望了软件定义的未来:在人机物融合计算的场景下,万物皆可互联、一切均可编程,进而分析了软件定义带来的机遇和挑战。

  • 讲者简介:

    教授,中国科学院院士,发展中国家科学院院士,中国计算机学会会士,IEEE Fellow。曾任北京大学信息科学技术学院院长,上海交通大学副校长,现任北京理工大学副校长,高可信软件技术教育部重点实验室(北京大学)主任。

http://p1.qhimg.com/t014737181bfa741f0b.png

报告题目:理解自然语言:描述、对话和隐喻

演讲摘要:

我们正处在人工智能发展的一个新的黄金时代。人工智能最基本的两个要素是感知和认知。在过去几年里,我们亲历了感知技术特别是计算机视觉和语音识别的突飞猛进。然而,在诸如自然语言理解和对话领域的认知研究方面,我们的进展还非常有限。我相信在未来的十年中,自然语言处理会成为人工智能突破最重要的方向。懂语言者得天下。

我设想可以从三个层次来逐步让机器理解并掌握语言:从机器学习,到机器智能,再到机器意识。 第一个层次首先是建立客观的对观察到的或体验到的事物进行描述的能力。我会用微软认知服务里面的CaptionBot为例,来展现我们通过机器学习对一幅输入图像内容产生客观描述的技术。第二个层次是建立持续对话的能力。因为在对话的过程中,机器要能答问题,还要能提问题。机器要理解上下文状况,常识,及情感来做出合理的判断和响应—所谓对话即智能。我会总结一下微软研究院在智能问答生成方面的一些最新研究工作, 以及其在微软小冰聊天机器人平均长达23轮对话中的应用。第三个层次是建立在有意识地思考之上的理解和表达隐喻的能力。尽管我们离建立完全的机器意识还很远,作为一个初步的尝试,我会展示一下微软小冰看图作诗的技术。这项技术已经使得小冰成为了人类历史以来最多产的诗人。

讲者简介:

微软公司执行副总裁。负责微软人工智能事业部与微软全球研究院。沈博士1996年获卡内基梅隆大学计算机学院机器人专业博士学位。1996年加入微软美国研究院。1998年,参与创立微软亚洲研究院,后担任微软亚洲研究院副院长、院长。2007年任微软全球资深副总裁,领导微软搜索引擎Bing的产品研发。2013年升任执行副总裁、主导微软下一代新技术的研发。

http://p5.qhimg.com/t01692829700a9a5923.png

报告题目:摩尔定律性将终结时代的计算

讲者简介:

美国加州大学洛杉矶校区(UCLA)校长讲席教授、特定域计算中心主任、超大规模集成电路技术实验室主任,并担任UCLA副教务长。丛京生教授1985年毕业于北京大学,1987年和1990年于UIUC获得硕士和博士学位。2000年和2008年分别入选IEEE Fellow和ACM Fellow,2017年入选美国工程院院士。

http://p8.qhimg.com/t01ec8aca8c7f90e3ec.png


报告题目:从物体识别到场景理解

演讲摘要:

计算机视觉领域近年来的进展极大地鼓舞了工业界和学术界。仅从避障和识别物体而言,计算机视觉技术和方法已经能够满足很多应用的需求。但这些往往都是面向单一任务的,不论是从扩展性还是适应性等方面与人类或者高等动物视觉系统相比,还有很大的差距。任务驱动和处理的碎片化是影响计算视觉系统发展的重要因素。另一方面,视觉研究中对感知和认知的割裂也为这一领域设置了一道人为的天花板。随着局部计算视觉问题的突破和计算能力的飞速发展,计算机视觉的研究也将从关注物体识别走向关注理解,从任务驱动走向要素驱动,从大数据解决小问题走向小知识撬动大问题。计算机视觉在物体识别等任务上的成功很大程度上刺激了人工智能的复兴,超越单纯的物体识别是可视智能的重要体现,这将依赖于对物体和场景的深层次识别和推理,同时背景知识也将起到重要的作用。与此同时,场景理解将和高层表示与推理相融合,将视觉的感知与语言的推理认知结合,持续推动人工智能的发展和进步。

讲者简介:

中科院计算技术研究所研究员,IEEE Fellow, IAPR Fellow, CCF会士。中科院“百人计划”入选者并获终期评估优秀,国家杰出青年基金获得者。

http://p9.qhimg.com/t01be5c6f4929df0e28.png


报告题目:追求视觉智能,超越物体层次的探索

讲者简介:

斯坦福人工智能实验室主任、斯坦福视觉学习实验室主任。1999年毕业于普林斯顿大学,2005年获得加州理工学院博士学位。曾担任伊利诺伊大学香槟分校和普林斯顿大学助理教授,2009年加入斯坦福大学。

http://p3.qhimg.com/t01d9bc49949cd46eb6.png


报告题目Motion Planning Technologies for Human-Robot Interaction

演讲摘要:

Robotics are increasing being use for manufacturing, assembly, warehouse automation, and service industries. However, current robots have limited capabilities in terms of handling new environments or working next to humans or with the humans. In this talk, we highlight some challenges in terms of developing motion and task planning capabilities that can enable robots to operate automatically in such environments. These include real-time planning algorithms that can also integrate with current sensor and perception techniques.  We present new techniques for realtime motion planning and how they can be integrated with vision-based algorithms for human action prediction as well as natural language processing.  The resulting approaches use a combination of ideas from AI planning, topology, optimization, computer vision, machine learning, natural language processing, and parallel computing. We also demonstrate many applications in terms of autonomous picking, avoiding human obstacles, and operating as cobots. Given that China has been the biggest purchaser of industrial robots, we also highlight the potential benefits of these technologies for Chinese robotics and manufacturing industries.

讲者简介

Dinesh Manocha is currently the Phi Delta Theta/Mason Distinguished Professor of Computer Science at the University of North Carolina at Chapel Hill.  He received his Ph.D. in Computer Science at the University of California at Berkeley 1992.  

http://p5.qhimg.com/t01e2027f6c675ccf99.png


报告题目:“无屏”呈现– 人机融合的新纪元

演讲摘要:

人机自然融合是计算机领域工作者不懈追求的目标,而数字信息的高效呈现是其中的关键技术。近年来,随着手机等智能终端的移动触摸交互屏的技术成熟和广泛应用,人与信息之间已经形成了有界融合、主从相伴的关系。但随着以虚拟现实、增强现实为代表的新型人机界面技术的蓬勃发展,传统屏幕的概念被颠覆,新的“无屏”时代已经到来。伴随“无屏”而来的是“高沉浸感的显示”,是“虚实融合的显示”,是“无处不在的显示”,促进显示设备从“便携化”向“无扰化”、“透明化”发展。“无屏”呈现将会革新人机之间信息交互的机制与模式,使得人对信息的利用效率达到前所未有的高度;通过与人工智能的深度结合,这种新的人机融合方式将会彻底改变人们的工作和生活方式,以致推动人类的“进化”。然而,为了实现真正意义上的“无屏”呈现,我们还面临一系列的挑战,要把头戴式显示设备做得轻便、舒适和时尚,要进一步完善跟踪定位和交互技术,也需要解决如何保护他人隐私等社会伦理问题。本报告将从本人所在中心的研究工作出发对这些问题展开讨论,并探讨“无屏”呈现可能带来的应用场景的革命。

讲者简介:

北京理工大学光电学院和计算机学院教授,北京市混合现实与新型显示工程技术研究中心主任。1982年获天津大学精密仪器系工学学士学位,1986年获英国Reading大学物理系工学博士学位。现为北京图象图形学学会理事长、中国计算机学会、中国图象图形学学会和中国光学学会理事,并担任科技部信息技术领域专家组成员、国务院学位委员会光学工程学科评议组召集人、全国信标委虚拟现实与增强现实标准工作组组长和全国政协委员。 

http://p6.qhimg.com/t01afbeee362286c847.png

  • 报告题目:让AI服务于人

  • 演讲摘要:

    机器是否即将取代人类的论战方兴未艾,但如果将人类与机器作对比,那么今天的AI在有限的领域与局部环节或许可以勝过人类,仍然无法完像人一样来思考与行动。即使如此,机器视觉与语音语义理解的发展与机械的联动,也已经可以替代人类部分的工作。因此我们可以将AI视为一种生产力,其通过算法与经验(数据),提供某种可标准化、可复制的智能服务,替代那些重复性人工作業。无论是新兴产业还是传统行业,至今仍然有不少依靠有经验人士的日复一日的操作,現在都有机会通过物联网获取数据,通过AI来替代人工判断,从而让智慧变得可复制,同时提高服务可靠性并提升工作效率。

  • 讲者简介:

  • 汤道生先生于2005年加入腾讯,现为腾讯集团高级执行副总裁、社交网络事业群总裁、腾讯音乐娱乐集团董事长。 他于1994年在美国密歇根大学获得计算机工程学士学位,并于1997年在斯坦福大学获得电子工程硕士学位。

http://p6.qhimg.com/t016c56f502fcfd3b9f.png


报告题目:人工智能和新一代信息与内容平台

演讲摘要:

连接人与信息是人类社会的重要基础设施。在移动为先,万物互联,以及融合了社交的新内容时代里,人工智能有着巨大的创新机会来重新定义人与信息的连接方式。从内容创作、 过滤、分发、消费以及互动的每个环节,我们都可以使用大规模机器学习、文本分析、自然语言理解、计算机视觉、和数据挖掘等技术,来高效处理、分析、挖掘、理解和组织海量文字、图片和视频,并根据对用户的深度理解,进行智能分发。同时基于丰富多样的应用场景和海量用户,持续累积大量的训练样本和数据,让机器学习系统形成闭环,不断地改善和进化。我将分享人工智能在信息和内容平台发展前景的一些看法,包括人工智能的本质、近几年重要的技术发展,以及产业发展的未来。 

讲者简介:

马维英博士现为今日头条副总裁兼人工智能实验室负责人。马维英于1994年和1997年分别获美国加州大学圣芭芭拉分校(UCSB)电气和计算机工程系硕士和博士学位,研究领域包括机器学习,自然语言处理,多媒体分析和理解,互联网搜索技术,知识图谱和数据挖掘。 

http://p0.qhimg.com/t01bc93623a09941912.png


  • 报告题目:滴滴共享出行与智慧交通

  • 演讲摘要:

    经过5年的高速发展,滴滴已成为全球最大的共享出行平台,创造了大量的灵活就业机会,是典型的共享经济代表。滴滴背后完全依靠技术不断提升共享出行的安全、体验和效率,同时借助滴滴大数据和技术可以让城市交通变得更智能、更高效、更安全。 基于滴滴轨迹数据,可以建立城市交通客观的度量体系,通过交通信息平台、智慧信号灯、诱导屏、潮汐车道等优化交通基础设施,根据实时路况信息及时对异常拥堵进行疏导,使用滴滴代驾数据进行精准抓酒驾,降低交通事故率。将所有的交通工具线上化,实现更准确的导航和时间预估,为出行者提供一站式出行服务,根据用户喜好和实际交通状态推荐合适的多模换乘方案,让用户选择从而达到优化出行结构目的。

  • 讲者简介:

    章文嵩(Wensong Zhang)博士,2016 年加入滴滴,主要负责滴滴的基础平台建设,推进网络软硬件方面的性能优化,搭建下一代 的智能交通云。 

  • http://p1.qhimg.com/t018f306006d80446c3.png

报告题目:语音交互技术将如何重塑下一代消费电子

演讲摘要:

近年来,以语音交互为引爆点的AI革命,正在推动人工智能从科研和实验室走进消费和现实生活。目前,值得讨论的问题是怎样将人工智能的技术真正落地于真实的场景之中。一路带领着出门问问构建算法、打造技术、落地产品的李志飞,摸索出从智能穿戴、智能车载,到最新的智能家居的一系列智能语音交互落地场景,走出了一条“软硬结合”的商业化道路。智能语音交互中最重要的能力是什么?如何选择最适合的落地场景和产品?怎样打破场景间的壁垒,让不同场景联动起来?在此次报告中,李志飞博士将分享他的经验与思考,解开人机交互背后的智能密码。

讲者简介:

李志飞为人工智能领域专家。2004年,李志飞在约翰霍普斯金大学攻读博士学位,研究智能机器人翻译。读博期间,李志飞开发的开源机器翻译软件Joshua,已经成为世界学术界两大主流机器翻译软件之一,斯坦福、麻省理工大学等研究机构都在使用。

http://p4.qhimg.com/t0124d8d3d58fac5c5e.png

报告题目:从瓦萨沉船到数字孪生——物联网的机遇和挑战

演讲摘要:

在经历了十多年的探索、实践和反思后,物联网进入了新的发展阶段。物联网与传统行业深度融合,呈现出应用需求多样化、网络终端异构化、运维空间同一化的显著特征,推动该领域研究向纵深发展。我们结合工业和能源行业的物联网应用实践,围绕无线网络共存性问题展开研究,本报告将简介当前的进展,探讨未来的机遇和挑战。

讲者简介:

清华大学副教授、博导,国家自然科学基金优秀青年基金获得者。2003本科毕业于中国科学技术大学,2006年于中国科学院软件研究所获得工学硕士学位,2010年于香港科技大学获得博士学位。

http://p6.qhimg.com/t01f9ddf6b9efbbca7d.png

报告题目:图像的像素级语义理解

演讲摘要:

近年来,基于深度学习的图像视频分析技术取得了巨大成功。相比于传统的物体分类识别技术,图像的像素级语义理解,又称语义分割,能提供更加丰富的像素级信息, 因而成为一个新的研究热点。本报告以语义分割的三个典型实例,即场景解析,人脸解析以及人像解析为切入点,重点介绍我们针对语义分割的以下两个挑战做出的工作。1:减少人工标注工作量:在很多实用场景中,图像尺寸大且标签种类繁多,纯人工逐像素标注非常昂贵且低效。我们提出一系列在不降低算法精度的前提下,极大减少人工标注成量的无监督、半监督、弱监督语义分割算法。2:提升分割精度: 通过综合考虑上下文信息,如语义标签之间的共生性和互斥性,不同信息源的互补性,极大地改进了分割精度。最后,我们也将展示语义分割在智能相机、视频监控、智能家居、电商平台搜索等多个领域的应用效果。

讲者简介:

刘偲现为中国科学院信息工程研究所网络空间技术实验室副研究员。2012年于中科院自动化所获得博士学位,2009~2014年于新加坡国立大学任研究助理及博士后。其研究领域包括计算机视觉和多媒体分析。

http://p9.qhimg.com/t01ae5f2cfb4ddae9c8.pnghttp://p0.qhimg.com/t01ae5f2cfb4ddae9c8.png

讲者简介:

360首席安全官 谭晓生

http://p1.qhimg.com/t01dee12fd6fda3d919.png

讲者简介:

吴运声 腾讯优图实验室总经理

http://p1.qhimg.com/t012f875c5ab4599abc.png

讲者简介:

黄畅 地平线联合创始人、副总裁

http://p6.qhimg.com/t01d039b891ceb0de53.png

讲者简介:

孙富春 清华大学教授

http://p3.qhimg.com/t0147fe89c17717bc03.png

讲者简介:

王昌凌 荷兰代尔夫特理工大学教授

http://p8.qhimg.com/t010d640da4ace2eeb5.png

讲者简介:

吴甘沙 驭势科技CEO

http://p5.qhimg.com/t01ca726b80f6c4d94e.png

往届回顾

http://p4.qhimg.com/t01c9a0e53cf5a65e22.jpg

http://p9.qhimg.com/t01b00076b6d70114aa.jpg

http://p6.qhimg.com/t01227c4b24b9e0492b.jpg

活动发布、推广及现场报道请联系安全客 duping@360.cn

分享到: QQ空间 新浪微博 微信 QQ facebook twitter
|推荐阅读
|发表评论
|评论列表
加载更多