原标题:羡慕!你的青春与AI黄金时代撞个满怀——微软AI讲堂活动回望(一)

经常小研的童鞋们知道,人工智能并不是一个全新的概念。它从 1956 年的达特茅斯会议开始,到现在已经有61 年的历史啦~受到资金、政策和整体技术环境的限制,它的发展过程曲曲折折,几经起落,经历过至少两个技术寒冬。

不过,60年是轮回,更是新生。从近几年人类在这个领域取得的成果看,人工智能正处在黄金时代。

看到这里的你,年轻又充满了对新世界的想象,怎么肯全盘接受顽固不变的游戏规则和生活方式?这么好的年纪里,大家可以一起见证具有颠覆力的AI技术大发展时代,似乎没有理由不给自己开挂加装备呢~

为了让大家更了解“AI”背后复杂的知识结构,天文般的代码,还有云山雾绕的术语,微软亚洲研究院在2017年的春天重磅推出了“微软AI讲堂”的系列活动——通过讲座、研讨会等形式,走进校园,传递知识,普及科学,将人工智能从高深神秘的象牙塔里,带到青春洋溢的高校校园中!

今天小研妹和大家一起回顾让大家直呼“眼界大开”、含金量超高的微软校园活动吧!

国际计算语言学协会(ACL)候任主席,微软亚洲研究院副院长周明,微软亚洲研究院学术合作部资深经理刘康平博士在4月10号走进了苏州大学;苏州大学科学技术研究部常务副部长朱巧明,苏州大学特聘教授周国栋,苏州市科技服务中心副主任姚建民,计算机科学与技术学院副院长、苏州大学微软学生俱乐部指导老师张民,计算机科学与技术学院党委副书记、副院长沈云彩也出席了这场讲座活动。

计算机科学与技术学院张民副院长和微软亚洲研究院学术合作部经理刘康平博士分别用幽默生动的语言为大家做自然语言领域的介绍。主讲师周明老师用将近50分钟带领同学们走进真正的自然语言,介绍深度学习在自然语言处理的基本技术,然后介绍在机器翻译、聊天系统和文本理解的最新进展,最后和大家一起讨论了未来的发展机会。

以“拥抱智能,对话未来”为主题的讲座,也分别于4月13日和4月14日在上海交大和复旦大学开展。周明博士作了题为“以深度神经网络为基础的自然语言处理”的学术报告。在两小时的介绍与讲解中,周明博士用微软开发的app、机器人小冰等实例,结合算法,向大家展示人工智能的发展现状。在一声声惊叹中,小伙伴们都对AI和NLP领域有了初步的了解并产生了浓厚的兴趣。

周博士在讲座上介绍了包括Skype Translator、必应词典、必应翻译等产品和应用软件,它们也是人工智能算法发展的见证者。当然最具有代表性的还是微软小冰。

想必很多同学都用过微软小冰啦~小冰聊天机器人拥有超过4000万用户,超过200亿次的对话,拥有自我学习和演进能力神经网络建模。用过小冰的同学应该会有一个感受,ta与以往的聊天机器人有些区别。小冰的不是机器简单僵硬的语句,而是生活化的语言,与小冰交流会带给你真正与人交流的体验。

在基于庞大的数据库下,对用户输入的语句进行搜索后,在语料库中找到一个回答,直接复制返回给用户,还是另有算法?

对于聊天机器人的实现,我们需要对用户输入的内容进行分析。周博士介绍了一种话题敏感的神经网络的反应机制(TA-Seq2Seq)。正是这个算法,让机器人的抓住聊天时的关键,使得给出的回答丰富不刻板。

接下来,周博士介绍了在人工智能发展春天中,使得机器翻译技术突飞猛进的算法——深度神经网络算法(Deep Neural Network)。“深度“ 在这里指的是神经网络中含有诸多层数。真正的神经元通过输入和强度的组合决定要不要生成脉冲。而人工神经元不会产生脉冲,但会生成一个数值。神经元的函数就是通过非线形函数计算输入的加权乘以权重之和。神经网络会通过模型调整边的权重让它更可能去得到正确答案。也就是说计算机通过编译后的数据的权重来决定输出。

周博士这样感叹到:我们将之前的软件用DNN算法重新更新后,效果出奇的好。机器翻译技术突飞猛进,一年增长了4个点(在此之前,在全世界的计算机科学工作者的努力下,每年增长为1个点左右)。

由于周老师的讲座细节我们之前有整理推送过(点击直达 ),今天就来介绍一下现场问答环节的亮点好啦!在问答环节,周博士不时对同学们的精彩提问发出赞叹。有同学问周老师如何才能快速地入门自然语言处理这一研究领域时,周博士给出了严谨而详细的回答,小研妹和大家分享一下!

自然语言处理包括句法语义分析、信息抽取、文本挖掘、机器翻译、信息检索、问答系统和对话系统等部分。随着深度学习在图像识别、语音识别领域的大放异彩,人们对深度学习在NLP的价值也寄予厚望。再加上AlphaGo的成功,人工智能的研究和应用变得炙手可热。自然语言处理作为人工智能领域的认知智能,成为目前大家的焦点。万事开头难,在这里我提出一些建议,希望能帮助碰到问题的同学建立信心。

首先在NLP领域快速学会第一个技能,比如找到一个开源项目,自己编程实现一下这个示范程序的算法。再按照项目提供的标准测试集测试自己实现的程序,在此基础上,再看看自己能否进一步完善算法或者实现,取得比示范程序更好的结果。其次,选择第一个好题目。要找到自己喜欢的研究领域,然后充分调研这个领域目前的发展状况,在这些基础上进行选题创新。这是对学术型研究生的建议。希望能对正在研究NLP的同学有所帮助!

大家有没有感觉全身最有创造力的细胞都被召唤了?包括自然语言在内的各个AI研究方向都急需大家在这么好的技术发展环境中解除自我束缚的封印,散发青春活力,释放科研大招哦!

在我们微软AI讲堂的一系列活动中,大家不仅收获了自然语言处理、云计算、知识挖掘等研究方向的满满干货,也对微软2017编程之美挑战赛有了更多的了解。

先锋少年们的青春岁月撞上AI技术大发展的黄金时代,微软愿为每一位有志在科研前线开疆拓土的高校学生们提供更大更酷炫的舞台~

Related Post

发表评论

电子邮件地址不会被公开。 必填项已用*标注