报告题目：混合增强智能中的大数据与小数据分析
报告摘要：随着深度学习研究的不断深入，人工智能技术得以迅猛发展。大数据、高性能计算和学习算法成为人工智能的三大基石。新的深度神经网络结构不断涌现，对训练大数据的需求也不断提升，因此媒体上产生了“第一批被人工智能累死的人”的相关报道。目前，机器智能大数据和人类智慧小数据之间形成了鲜明的对比。本报告将从大小数据的优缺点以及人类智慧与机器智能的区别出发，以新一代人工智能发展规划部署的五大方向之一——混合增强智能为例，通过异质人脸合成与识别、图像质量评价两个应用为例，尝试解决人机交互中的大数据向小数据的转化及分析问题，从而思考在人工智能系统的设计中大数据与小数据的辩证关系。 报告人简介：高新波，博士，教授，西安电子科技大学副校长，国家万人计划科技创新领军人才，新世纪百千万人才工程国家级人选，国家杰出青年科学基金获得者，教育部长江学者特聘教授，科技部重点领域创新团队负责人、教育部创新团队负责人，教育部高等学校计算机类专业教学指导委员会委员。IET Fellow、CIE Fellow、IEEE高级会员、中国图象图形学学会常务理事、中国计算机学会理事、中国电子学会理事。主要从事机器学习、计算机视觉、模式识别等领域的研究和教学工作，发表SCI论文200余篇，引用13000余次，获国家自然科学二等奖1项、省部级科学技术一等奖3项。

报告题目：实现人工智能研究的闭环
报告摘要：在人工智能领域，需要充分结合实际应用需求和数据分布特点，打造既有用又有技术含量的研究工作。过去的若干年里，我们通过与微软产品部门和外部合作伙伴的交互与积累，清楚地认识到了实验室的研究与真实世界之间的巨大差异。这种差异对我们的研究造成了数据与算力上的挑战。在这些挑战的驱动下，我们开发了一系列新技术，包括“对偶学习”，利用人工智能任务的结构对偶性产生反馈信号来指导学习过程，降低数据标注的代价；“动态学习“”，学习并仿真学习过程中的动态变化，来应对复杂甚至对抗性的环境；“竞合学习”，通过建模局部智能体之间的合作和竞争关系来实现最优性和可解性之间的平衡；以及“轻量学习”，从算法设计层面提升算法的运行效率和可扩展性，从而对大数据、大模型的训练实现平民化。在介绍这些新技术之余，我会展示相关的应用实例，揭示这些技术如何能够给实际应用带来巨大变革，这包括：帮助机器翻译达到人类水平，帮助量化股票交易获得显著回报，实现海运中的高效率和低成本，以及帮助广告产品大幅增加利润等。 报告人简介：刘铁岩博士，现任微软亚洲研究院副院长，IEEE会士， ACM杰出科学家，CMU、清华大学、中国科技大学、南开大学兼职教授、诺丁汉大学荣誉教授。他的先锋性研究促进了机器学习与信息检索之间的融合，被公认为“排序学习”领域的代表人物。近年来他在深度学习、分布式学习、强化学习等方面也颇有建树，在顶级国际会议和期刊上发表论文两百余篇，被引用数万次。他担任了包括WWW/WebConf、SIGIR、KDD、NIPS、AAAI在内的诸多顶级国际会议的程序委员会主席或领域主席；多次获得最佳论文奖、最高引用论文奖、Springer计算机类十大华人作者奖、Elsevier 最高引中国学者奖、CCF青竹奖、中国AI英雄风云榜技术创新人物奖、AMiner全球最具影响力学者奖等奖项。刘博士发明的机器学习技术被广泛应用在十几种微软产品中，大大提升了微软在搜索引擎、云计算、人工智能领域的竞争力。他的团队发布了LightGBM、Multiverso、微软图引擎等知名的机器学习开源项目，在Github上已累计2万余颗星。近年来他的团队通过微软亚洲研究院创新汇与中国本土龙头企业进行了深入战略合作（如华夏基金、东方海外、中国太平、顺丰科技等），助力各行各业实现智能化转型。

报告题目：大数据智能：从最优解（数据拟合）到均衡解（博弈对抗）
报告摘要：从数据出发来建立合适模型以对数据拟合是机器学习的主要目标。在这一目标学习过程中，通过求取误差最小的最优解来判断模型学习的优劣。博弈对抗是多个带有相互竞争性质的主体，为了达到各自目标和利益，采取的带有对抗性质的行为。现代博弈论协助对弈者在一定规则范围内寻求最合理的行为方式，推动机器学习从“数据拟合”过程中以“求取最优解”为核心向博弈对抗过程中“求取均衡解“为核心的转变。本报告将介绍大数据智能中若干对博弈对抗模型及其思考。 报告人简介：浙江大学求是特聘教授，博士生导师。主要研究领域为人工智能、跨媒体计算、多媒体分析与检索和统计学习理论。浙江大学计算机学院副院长、浙江大学人工智能研究所所长。国家杰出青年科学基金获得者（2016年）、入选“高校计算机专业优秀教师奖励计划”(2018年)，教育部人工智能科技创新专家组工作组组长（2018.8-2020.12）。

报告题目：待定
报告摘要：待定
报告人简介：国家万人计划“青年拔尖人才”入选者，主要研究方向计算机视觉与模式识别、文档分析等。已在计算机视觉与模式识别领域一流国际期刊和会议如PAMI、CVPR等发表论文50余篇。担任期刊Pattern Recognition, Pattern Recognition Letters, Frontier of Computer Science, 自动化学报编委。曾担任CVPR、AAAI等主流国际会议的领域主席/资深技术程序委员或竞赛主席，应邀给ICDAR 2017做大会主题报告。曾获得 AAAI-2019 Outstanding SPC Award，入选2014-2018年Elsevier中国高被引学者。

报告题目：待定
报告摘要：待定
报告人简介：黎铭，南京大学教授，博士生导师，人工智能学院副院长。国家优秀青年基金获得者、教育部新世纪人才。主要从事软件挖掘、机器学习方面的研究工作。在《IEEE Trans KDE》等国内外重要学术刊物和IJCAI、ICML 等重要国际会议发表论文三十余篇，被国际同行他引两千余次。曾作为主要成员获国家自然科学二等奖、教育部自然科学一等奖等。应邀担任《Frontiers of Computer Science》Associate Editor、《自动化学报》编委、国际软件挖掘系列研讨会SoftwareMining、PAKDD首届博士研讨会DSDM'11主席、国际会议IEEE ICDM的领域主席、IJCAI、AAAI的资深程序委员以及KDD、NIPS等多种一流国际会议程序委员；现任ACM数据挖掘中国分会执委、中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会机器学习专委会常务委员等。

报告题目：待定
报告摘要：待定
报告人简介：景丽萍，女，博士，教授，博士生导师，北京交通大学计算机科学系系主任。中国计算机学会人工智能与模式识别专委会委员，中国人工智能学会机器学习专委会委员。分别于2000年、2003年从北京交通大学计算机科学系获学士、硕士学位，2007年从香港大学应用数学系获博士学位。2014年破格晋升教授，2018年获得国家自然科学基金优秀青年基金。主要研究方向为机器学习、高维数据表示及其在多媒体处理和智能推荐中的应用等。近年来在国内外重要学术杂志和会议上发表90余篇论文（包括顶级国际学术会议AAAI、IJCAI、CVPR、ACM MM以及IJCV、IEEE Trans.系列期刊）。担任NIPS、IJCAI、AAAI等顶级国际学术会议及TPAMI、TKDE、TNNLS、TIP等一流国际学术期刊审稿人；国家自然基金委（NSFC）、香港研究资助局（RGC）等项目评审专家。