主题演讲

NVIDIA 创始人兼 CEO 黄仁勋先生关于计算领域之未来的主题演讲。
演讲人：黄仁勋 NVIDIA 创始人兼 CEO
2018/11/21 周三 10：00 - 12：00 | 主会场 三层金鸡湖厅

可解释性、鲁棒性和公平性：THUIR 个性化推荐研究进展 [CH81402]

推荐系统在人们日常生活工作中发挥着越来越大的作用，电子商务、社会媒体交流、信息流浏览中个性化推荐都是必不可少的部分。一方面庞大的用户群使得推荐系统面对处理极大规模交互数据的挑战，另一方面个性化的需求又为推荐系统带来稀疏和缺失数据的困难。这个报告将介绍我们清华大学信息检索课题组在个性化推荐中基于深度学习模型开展的一些最新研究工作进展，包括推荐的可解释性、用户满意度研究、以及面向冷启动问题的融合协同过滤和内容推荐的统一模型等。这些工作，为构建用户满意的异质可解释的个性化推荐系统提供了新的思路。相关工作发表在 WWW2018、SIGIR2018 和 CIKM2018 等相关领域顶级国际会议上。

演讲人：张敏 清华大学 长聘副教授、博导

2018/11/21 周三 13:30-14:00 | 分会场七（会议室A204-205）

可解释性，鲁邦性，公平性
为什么谈论这三个点:
前两点，这是ai经常遇到的问题；公平性，偏执相增加。
可解释性，对于用户来说，为什么你给我这个结果，
对于工程师来说，为什么这个推荐好，算法，用户矩阵，和商品矩阵，为什么这个商品的得分高。加入一层隐形变量，比如屏幕大小等，给用户一个理由，一起学，提升点击量。

把有用的评论给出来。18年论文。评论的马太效应怎么办？后评论的看不到，也就是不公平性，让新的好评论推荐出来。
有时候给出可解释会影响公平性
可解释性能否生成。

鲁邦性
样本不平衡，样本少。

冷启动问题。协同过滤不行了。基于内容和基于协同，转化为基于用户和基于商品。

公平性；系统是用户和item之间的互动，不公平性在技术上始终存在，不公平经常存在。有一些商品永远是没有机会被推荐出来。
多样性:
增加了item公平性，降低了人的公平性。
质量:
低质量的新闻会得到更好的点击率。
方法:以用户，不要只分析点击率

是个人的哲学问题，也是算法问题。

机器学习的发展和行业应用前景 [CH8502]

演讲人：秦勇 IBM 中国 数据科学家

2018/11/21 周三 14:00-15:00 | 分会场五（会议室A108-109-110）

IBM
保险单做相识分析
幼儿学单词，推荐下一个学习的东西
会思考的礼服。
无人车
管理能源和环境

医生。关注可解释性，个性化干预。
患者聚类，用决策数，挖掘，特征相似性。
医疗数据:如何解决数据缺失，用knn算出相识的，用相识的数据进行补足。

ml不能够跨领域问题。

用 TensorFlow 加速 AI [CH8203]

最近在 AI 和机器学习方面的突破已经催生了一系列新的应用。然而，还有许多新的研究领域仍处于萌芽阶段。为了加速开发新的 AI 算法并将其部署到生产环境中，机器学习平台是必不可少的。TensorFlow 是一个开源的机器学习平台，它易于使用，同时提供了从研究到生产的动力和灵活性。其灵活的体系结构可轻松实现跨平台的部署，从台式机到服务器集群到移动和边缘设备的跨平台。最初由 Google AI 下的 Google Brain 团队的研究员和工程师开发的，用来支持机器学习和深度学习，其灵活的数值计算内核可被用于广泛的其他科学研究领域。在本次演讲中，Mike Liang 将介绍 TensorFlow 的应用和加速 AI 的最新特性。

演讲人：梁信屏 谷歌 AI 高级产品经理

2018/11/21 周三 15:00-16:00 | 分会场三（会议室A104-105）

tensorflow
数据输入，批量输入，线上输入rd.graph
serves模型部署。
手机用converter

加速浏览器，node.js

GPU 助力 AI 为文娱行业赋能 [CH81406]

PART I：GPU—AI 浪潮的推动者。 PART II：GPU 助力 Yi+ AI 1、 GPU 通过加速矩阵运算进而缩减模型调参时间 2、 GPU 加大显存、使得模型更深 训练了多种世界 TOP 级的算法模型，在国际计算机视觉顶级赛事中成绩骄人。 PART III：Yi+ AI 为文娱行业赋能： 方案一：相机 + AI 方案二：边看边买 —— 内容电商关联 方案三：边看边X —— AI 助理、内容审核 方案四：场景化营销 （1） 场景化营销新趋势； （2） 陷入瓶颈的电视视频广告市场； （3）场景化营销的核心要素（场景、数据、算法、体验）和优势。 Yi+ 利用其核心三大引擎搭建开放 API 及 SDK 平台，对接各类应用场景和计算平台，实现视频和图像智能化和商业化，搭建场景化营销广告平台。

演讲人：张默 北京陌上花科技有限公司 创始人及 CEO

2018/11/21 周三 15:40-16:10 | 分会场七（会议室A204-205）

ai+文娱

ai+相机，类别识别，换装，把交互更加有趣。，动态ar相机，

边看边买。电视直播，识别购买。
大屏ai助理。

电视+ai，这个明星是谁，内容推荐？这个动物是啥，自动剪辑。换衣服。
内容审核平台。

网络电视的内容营销。vip降低了广告收入，新的广告创意。增加广告位。
综艺广告投用，不用后期，用ai来做。

高效神经机器翻译 [CH8204]

在 GPU 的驱动下，基于深度学习的神经机器翻译在精度方面已超过传统的统计机器翻译技术，成为学术界和工业界的主流。但是神经机器翻译也面临着新的挑战：1）其训练需要大量的双语标注数据，样本效率低；2）其在线响应速度远远落后于传统的统计机器翻译技术。讲者将给大家分享微软亚洲研究院在神经机器翻译上的最新研究成果：1）利用无标注单语数据提高神经机器翻译的精确度，提高样本学习效率；2）基于非自回归解码模型，提高神经机器翻译模型的在线响应速度。

演讲人：秦涛 微软亚洲研究院 高级研究员 / 经理

2018/11/21 周三 16:00-17:00 | 分会场三（会议室A104-105）

机器翻译:
对偶学习来解决没有标注问题。
有点像强化学习。降低标注代价。
无监督学习，两个模型
迁移学习。把一个任务学的模型，用到别的模型，对偶监督学习，加入正则

构建并将 AI 研究扩展到生产流程 [CH8205]

Facebook 在 AI 创新方面的优势来自于其通过强大，先进的基础设施和平台将最先进的研究引入大规模生产的能力。 我们会帮您了解 PyTorch 1.0 如何桥接命令式和声明式编程模式并帮助加速研究到生产流程，以便 AI 开发人员带来最佳效果。 我们还将分享 Facebook 如何通过 FBLearner 等软件平台和 Big Basin 等硬件平台支持大规模机器学习。

演讲人：Xiaodong Wang Facebook 研究科学家 Yiming Wu Facebook 软件工程师

2018/11/21 周三 17:00-18:00 | 分会场三（会议室A104-105）

将研究项目应用到生产当中facebook

推荐，机器翻译，图片转化为语音，小助手，用户上传视频生成title，增强现实。钓鱼
帖子识别，自杀帖子识别，帮助。广告推送和排序。虚假广告用户删除，

步骤，训练好需要转化训练自由，而部署需要效率，pytorch为研究和自由而生。
caffe2为产品而生。
onnx为转化而生。
pytorch1.0升级版。
产学转化速度快，
什么是工业级的机器学习框架？
硬件，规模化，夸平台。

增加了哪些功能？
1，调用conda
2，张量优化
3，图级别优化tensorflow
4，把模型性能好，转化调用rt
5，分布式训练
6，各种网络格式，c10d
7，deployment in c++，吧python模型转化为c++
8，quantizatikn低精度运算。
9，手机部署神经网络

编码:静态cafe，图模式。
动态torch，用直接改，

1.0把两者结合，eager code

智能计算，助力数据中心打破计算边界 [CH8107]

华为智能计算通过打破芯片边界、打破服务器边界、打破数据中心边界，为客户分级提供算力，助力客户及伙伴实现人工智能和关键业务的性能突破和业务创新。

演讲人：刘毓 华为 IT 硬件首席架构师

2018/11/22 周四 10:00-11:00 | 分会场八（会议室A206-207-208）

华为，
ai难点，数据采集，数据标注，算法设计，训练和评估。

面向无人零售的视觉识别系统、算法及优化 [CH8608]

介绍京东在无人售货柜领域的实践与经验。我们将详细介绍 NVIDIA Jetson TX2 平台上的算法选取及优化，以及对无人零售领域前沿技术的探索。

演讲人：徐卓然 京东 算法研究员 肖丽山 京东 无人售货柜负责人

2018/11/22 周四 11:00-12:00 | 分会场九（会议室A216-217-218

京东
无人零售，合作。
算法，优化
方案:
rfid 贴标签，扫描器，判断用户的种类和数量。重力，通过货道知道种类，重量知道数目。
静态视觉，拍照片，处理放到云端，识别率高，对商品摆放有要求。
动态视觉，外部安装摄像头。计算压力大。
动态视觉+重力。

当 AI 遇见游戏 [CH8805]

本演讲将综述近两年 AI 的进展对 Game Dev 这一垂直领域的影响，重点剖析学术 AI 和 Game AI 的差异和联系。并以 ViZDoom 17，18 的实践为例，讲解利用增强学习做 Game AI 的方法和挑战，同时介绍高性能 GPU 在 DRL 模型训练中的使用心得。

演讲人：葛诚 腾讯科技 专家工程师 许佳 腾讯科技 AI Lab 专家研究员

2018/11/22 周四 14:00-15:00 | 分会场七（会议室A204-205）

腾讯游戏
行动和环境适应，四足动物的行走的复杂性。
基于增强学习和物理，技能动画

面部动画，直接生成面部动画。
美术素材的生成。五层cnn结构。结构化纹理生成。减少美术编辑

game ai

类人行为的npc

用 GPU 加速时序数据的查询和分析 [CH8111]

[图片上传失败...(image-b56b2b-1542953976139)]

时序数据库在金融，互联网，IoT 等各行各业有着广泛的应用，传统的 CPU 架构在处理海量时序数据的分析查询时显得有些力不从心，这里我们介绍了一种新的基于 GPU 并行计算的实现方案，大幅提高了整体性能。具体内容简介：1. 介绍时序数据库的背景信息，时序数据分析查询的过程及面临的一些问题； 2. GPU 加速方案的整体设计框图及重要技术点；3.整体方案的性能对比；4.后续的工作。

演讲人：虞新阳 阿里巴巴 高级专家

2018/11/22 周四 15:00-16:00 | 分会场八（会议室A206-207-208）

时间数据库
记录，数据采集定义好时间段，作用，分析，诊断，预测，

比如网络为零导致了后面的东西。
比如微博结婚当机，之前就行预测。进行报警，扩容。

数据规模:保存的数据量巨大。每天的数据tb.
每个配送员的事实位置。
框架:压缩，数据倒排，远的时间存磁盘，解压0.2时间，聚合0.7时间。
gpu怎么解压和聚合
把连续几个点作为一个组，