找回密碼
 立即注冊

QQ登錄

只需一步,快速開始

機器學習資料整理【內有福利】 加入本站QQ交流群 本站落實實名發帖政策的通知
大家在訓練模型時相信
從20世紀60年代,由MIT的計算機教授組織了第一個面向本科生的Summer Project,經歷了20世紀50年代初到90年代,嘗試用創建?/div>
畢業設計中,修改論文格式是一件極其耗費精力的事情,標題,字體,目錄,表格等
近幾年,人工智能應用范圍在不斷擴大。其中,合同審查的智能化應用在影響現在的法務市場,合
TensorFlow官方文檔—中文版 鏈接:https://pan.ba
該教程將通過知識點講解+答疑指導相結合的方式,讓大家循序漸進的了解深度學習模型并通過實操演示掌握相關框架及TensorFlow工?/div>
本帖最后由 周天 于 2018-1-2
最最經典的凸
機器學習算法需要作用于數據,而數據的本質則決定了應
總體而言,這本書從基礎到研究前沿介紹了深度學習的核心概念與理論。我們不僅能了解到全連接、卷積和循環等基本深度神經網絡網絡,同時還
【主講嘉賓】 https://bbs.byr.cn/att/BBSOpenAPI/0/1560/41488 宋 宇 縱目科技無人駕駛事業部首席科學?/div>
近年來,隨著全球自動化生產需求的持續釋放,以及人力成本的不斷上升,以互聯網、大數據、人工智能
1011
知識圖譜技術作為一門新興的技術,是
“N+”大會是面向全球 AR、VR、AI 等互聯網新技術領域的行業領袖及從業者的盛會。 旨在推動全球
優達學院面試技能三件套,包括找工作策略、模擬面試、拓展人脈三門課程
編者按:2017年是不平凡的一年(當然,事實上,每一年都是;P)?/div>
查看: 1602|回復: 1
打印 上一主題 下一主題

技術達人 劉知遠 專訪

[復制鏈接]

164

主題

306

帖子

1萬

積分

管理員

積分
15802
跳轉到指定樓層
樓主
發表于 2017-5-21 13:29:54 | 只看該作者 |只看大圖 回帖獎勵 |正序瀏覽 |閱讀模式


受訪人:劉知遠,清華大學助理教授,博導
采訪人:白雪,龍星鏢局

1.請簡單介紹下自己唄。

直接貼一下我的個人簡介好了:清華大學計算機系助理教授、博士生導師。主要研究方向為表示學習、知識圖譜和社會計算。2011年獲得清華大學博士學位,已在AAAI、IJCAI、ACL等人工智能領域的著名國際期刊和會議發表相關論文30余篇,Google Scholar統計引用超過1200次。承擔多項國家自然科學基金。曾獲清華大學優秀博士學位論文、中國人工智能學會優秀博士學位論文、清華大學優秀博士后、中文信息學會青年創新獎,入選CCF-Intel青年學者提升計劃、中國科學青年人才托舉工程。擔任中文信息學會青年工作委員會執委、副主任,中文信息學會社會媒體處理專委會委員、秘書,SCI期刊Frontiers of Computer Science青年編委。其他信息可以訪問我的主頁:http://nlp.csai.tsinghua.edu.cn/~lzy/

2.知識圖譜適合什么樣的應用前景,這塊前景怎么樣。

知識圖譜(knowledge graph)實際上是Google推出世界知識庫的名稱,因為太深入人心了所以后來泛指各種大規模世界知識庫或領域知識庫。知識圖譜提供了實體間的結構化關聯關系,已經被用于以下場景:(1)查詢理解,現在主流商業搜索引擎都會對查詢詞進行實體鏈接,返回與實體相關的結構化信息。(2)知識問答,事實問答是問答系統的關鍵組成部分,很多搜索引擎和商業對話系統都提供了基于知識圖譜的事實問答功能。我非常看好知識圖譜的應用前景,就像人類智能離不開知識一樣,人工智能同樣需要知識的支持。例如,現在NLP中炙手可熱的“閱讀理解”任務,只能根據指定文檔內容進行推理預測,而真正的人類“閱讀理解”則需要文檔之外海量知識的支持。隨著知識圖譜的不斷擴充,知識圖譜將成為人工智能的推理能力重要基礎,在自然語言理解和生成等關鍵任務中發揮重要作用。

3.深度學習對于知識圖譜和自然語言處理的發展的利弊是什么?

深度學習對自然語言處理的偉大意義可能在于,真正讓研究者擺脫了復雜的特征工程,從而可以專注于解決相關任務更加宏觀的關鍵問題。而深度學習的弊端可能在于,讓一切處于神經網絡的黑盒之中,缺少了必要的直觀性和魯棒性。我認為,如何將人類先驗知識融入深度學習,提高深度學習框架的可解釋性和魯棒性,將是深度學習未來發展的重要方向。

4.自然語言處理研究應該如何入手?對于剛進入這個領域的新手有什么建議。

我之前準備過一份入門推薦書目。對于剛進入這個領域的新手,當務之急是掌握相關基礎術語和思想,建議可以通過吳軍老師的《數學之美》和斯坦福大學的《信息檢索導論》入手。

5.表示學習在深度學習領域有著重要地位,能否認為表示學習是機器學習領域的一大突破?

深度學習是表示學習的方法之一,而在深度學習興起之前,就有很多關于表示學習的研究。現在常說的表示學習,更多是指分布式表示(Distributed Representation),其優勢在于能夠將不同對象映射到相同語義空間中,從而可以高效地進行語義計算,而其缺點在于,如前所述,表示向量中的每一維沒有語義含義,缺少可解釋性。而NLP還有一種重要的表示方案,叫做離散式表示(Distributional Representation),以詞語為例,每個詞可以用它在大規模文本中的上下文詞語的頻度表示,在這里,每一維對應一個確定的詞,因此具有較好的可解釋性。離散式表示仍然是NLP中的重要表示方式,大家可以參考這篇經典綜述了解相關知識:From frequency to meaning: Vector space models of semantics, JAIR, 2010。

6.自然語言處理有哪些研究方向很重要,但還未引起重視?

自然語言處理離不開基礎語料庫和知識庫的建設,我認為在這方面中文世界的重視還不夠。在中文世界有影響的知識庫屈指可數,相關應用和影響力也非常有限。例如HowNet、同義詞詞林是這方面的杰出代表,都是相關學者花費數年精力建立的寶藏,值得深入挖掘與探索:例如哈爾濱工業大學劉挺老師團隊發表在ACL 2014年的Learning Semantic Hierarchies via Word Embeddings,就是利用word2vec詞表示技術結合同義詞詞林學習上下位關系的優秀成果;我們團隊在ACL 2017上也發表了一篇Improved Word Representation Learning with Sememes,利用HowNet的義元標注信息,有效提升了詞表示學習的效果。

7.您自己對于計算機博士的定位和預期如何?

我認為讀博士主要是經過幾個不同層次的歷練。首先是鍛煉解決開放問題的能力,計算機是個年輕的學科,很多方向尚未形成完善的技術框架,因此在IT科技公司的很多崗位上每天面對的都是開放問題。這也是為什么Google、Facebook等很多高科技公司喜歡招收博士的原因。其次是通過幾年的專注鉆研,成為某個領域的知名專家,在國內甚至國際上,只要一提到這個方向就能想到你。最后是經過多年的努力,能夠推動甚至引領某個方向的發展。也并不是說不讀博士就做不到以上幾點,只是博士生的培養目標更貼近這三點。

8.看到老師一直在招博士或訪問學者等,可以跟大家說下這方面的情況嗎?方便對您研究領域感興趣的同學跟您一起學習。

我的研究興趣比較廣泛,包括文本表示學習、知識圖譜和社會計算,更詳細的情況可以看我的主頁。這里我更想說的是,我認為高校老師更重要的職責是培養人。小時候我就喜歡玩給弟弟妹妹們上課的游戲,可以說做老師是我從小以來的夢想。我最大的快樂就是能夠幫助那些有潛力的年輕同學建立學術和職業志趣。自然語言處理是人工智能得以實現的關鍵,人類語言也是充滿未知的領域,希望更多年輕同學加入進來,一起探索前行。

9.您現在已經做了很多研究成果,自己最滿意的一項工作是哪個,為什么?

很難評價,其實最近開展的知識表示學習、神經網絡關系抽取以及網絡表示學習等工作都一定程度上具有比較好的原創性,推動了相關方向的發展。不過與NLP領域最好的研究成果相比,我們做的大部分工作仍然是增量式的。希望自己和團隊能夠繼續努力和積累,做出更讓人自豪的成果。

10.現在很多科研大V也在做科普,在網上普及知識或辟謠,對于結合科研做科普,有什么看法?

參加過國際會議的人都有感覺,那些頂級研究組的學者都非常重視研究成果的介紹與宣傳,他們在會議上的報告展示都經過認真的準備與演練。國外也有很多專業媒體如MIT Technology Review等專注最新研究動態與成果的引介與深入報道。隨著社會媒體的發展,利用微博、知乎、微信公眾號宣傳研究成果,毫無疑問對于增進學術交流,促進研究發展具有重要意義。我認為國內已經取得很多優秀研究成果,而在宣傳意識和技巧方面還有很大差距,不僅體現在學術會議的報告展示,也體現在媒體報道方面。“言之無文,行而不遠”,除了繼續提升研究水準外,成果科普方面我們也需要努力。



回復 論壇版權

使用道具 舉報

0

主題

181

帖子

-107

積分

限制會員

積分
-107
沙發
發表于 2018-10-19 15:06:11 | 只看該作者
niubility
回復

使用道具 舉報

您需要登錄后才可以回帖 登錄 | 立即注冊

本版積分規則

宸ュ晢钀ヤ笟鎵х収鐢靛瓙璁稿彲璇? />
                             </a>
                             <span class=| QQ|申請友鏈|小黑屋|手机版|人工智能A7論壇(aqinet.cn) ( 滬ICP備15039134號-1 ) 人工智能A7論壇壇友會

GMT+8, 2019-9-17 19:24 , Processed in 0.061041 second(s), 50 queries .

Powered by Discuz! X3.4 Licensed

© 2001-2013 Comsenz Inc.

快速回復 返回頂部 返回列表
世界杯意甲新闻