您的位置:首页>活动>培训>TF>TF动态

TF39回顾 | 语言知识前沿研究与工业实践

阅读量:108
TF

2020年12月27日,由CCF TF金融科技SIG组织的第39期技术研讨会《语言知识前沿研究与工业实践》在线成功举办。会议邀请了来自卡耐基梅隆大学和新加坡科技设计大学的资深研究学者,以及来自腾讯、云知声的资深技术专家。本次研讨会分享了人工智能前沿研究和落地进展,并探讨其未来突破方向。


随着人工智能的飞速发展,AI在推动产业智能化进程中展现巨大价值,不仅催生了智能化产品的诞生,甚至影响着商业模式的更替迭代。作为当下AI领域最热门的研究方向,自然语言处理(NLP)技术有着非常广泛的应用范围,诸如智能客服、搜索引擎、个性化推荐、智能音箱、机器实时翻译等场景,都渗透着NLP技术的应用。语言和知识是NLP领域发展的两个重要元素,对NLP技术实际落地发挥重大影响。


TF39期研讨会围绕《语言知识前沿研究和工业落地》主题,从因果关系、结构化预测、BERT的工业实践、机器翻译、多模知识对话系统等展开讨论,对NLP技术的前沿研究及工业实践进行深入的探讨与交流。


图片

CCF TF金融科技SIG主席 沈剑平

CCF TF金融科技SIG主席、平安人寿人工智能研发团队总经理沈剑平首先进行开幕致辞,介绍与会嘉宾,并担任会议主持人。


图片

张坤

卡耐基梅隆大学哲学系与机器学习系副教授、德国马普所智能系资深研究科学家


卡耐基梅隆大学哲学系与机器学习系的张坤教授分享了《因果表征与人工智能》主题报告。通过数据分析发现因果关系是个很重要的研究课题,在本次分享中,张教授首先通过讲解有趣例子,如谷歌图像的误识别问题、辛普森悖论、幸存者偏差,引发大家对因果关系的思考;然后用具体的理论和例子说明什么是因果关系、因果关系和相关性的区别、什么情况下可以挖掘因果关系;接着用头盖骨预测问题发现其中的因果关系。最后张坤教授结合迁移学习,说明因果关系如何应用到迁移学习的场景中。


图片

陆巍

新加坡科技设计大学副教授


新加坡科技设计大学陆巍教授分享《StatNLP: 自然语言处理中结构化预测的统一框架》报告。本次分享中,陆教授首先介绍他领导的实验室的主要研究内容,通过相应例子分别介绍了文本解析中的经典问题,包括字或词级别的表示、实体级别的语义表示等。然后陆教授详细讲解他提出的结构化预测模型,说明该模型框架如何有效统一了经典的文本解析的模型,从最简单的线性链条件随机场到基于深度学习的结构化预测模型,如神经网络/长短记忆网络条件随机场等近10个模型。最后陆教授还介绍了跟工业界的一些合作,分享NLP技术实际落地的经验。


图片

刘升平

云知声AI Labs资深技术专家


云知声AI Labs资深技术专家刘升平博士分享了《BERT应用工程化实践》,主要介绍云知声对BERT模型工程化的解决方案。目前,BERT模型已成了工业NLP方向中不可或缺的模型,但其性能算力问题一直是业界难题。基于工业应用实践,刘博士分享了模型小型化和加速的最佳实践路线:通过集成BERT为代表的预训练模型获得最佳评价指标,对模型做蒸馏到ALBERT或LSTM等简单模型,然后对简单模型的解码器实现底层加速优化。最后,刘博士结合两个技术评测冠军方案作为案例,系统地阐述BERT工程化方法论如何运用到实际生产环境中。


图片
 涂兆鹏
腾讯AI Lab专家研究员


腾讯AI Lab专家研究员涂兆鹏博士分享了《机器翻译研究与应用探索》,介绍腾讯AI Lab在机器翻译的基础研究和应用场景上的技术探索。涂博士从机器翻译发展历程切入,简明扼要地介绍了机器翻译的技术探索及核心难点。针对同声传译、拍照翻译、交互式翻译、开放AI能力等应用场景,涂博士介绍了鲁棒的神经机器翻译、解码误差校准、多领域通用翻译等多个技术解决方案。


图片
杨海钦
平安人寿SAIL负责人


平安人寿资深研究员杨海钦博士分享的主题是《多模知识智能对话技术的探索与实践》。杨博士首先介绍了平安人寿的智能化布局以及系列业界领先寿险AI应用,如保险行业首款打造“AI会客厅”的智能拜访助手、保险行业首款视频回访机器人等。随后,杨博士分享了相关前沿技术探索,包括基于文本和多模的移情对话系统技术,以及如何利用知识图谱提升同义词挖掘和推荐落地的性能。


在报告之后,各位嘉宾又进行了圆桌对话环节,讨论AI技术研究及应用实践中的经验及思考,并与参会者互动,热情回答了参会者的许多技术问题。正如各位嘉宾在CCF TF39研讨会上的分享,在人工智能领域,学术界关注方法的理论化、通用性,探索未来和启发式的认知,可以为工业界提供前沿的方向;工业界注重商业落地,拥有大量实际数据和经验,可以将学界研究成果转化为实际应用价值。双方通过加强交流合作,有助于形成优势互补,为人工智能领域的发展探索更多可能。

读完这篇文章后,您心情如何?