Presented By O’Reilly and Intel AI
Put AI to work
April 10-11, 2018: Training
April 11-13, 2018: Tutorials & Conference
Beijing, CN
Tie-Yan Liu

Tie-Yan Liu
副院长, 微软亚洲研究院 (Microsoft Research Asia)

Website

刘铁岩博士,微软亚洲研究院副院长、首席研究员,领导机器学习和人工智能方向的研究工作。同时他也是美国卡内基-梅隆大学(CMU)客座教授、英国诺丁汉大学荣誉教授、中国科技大学、中山大学、南开大学的博士生导师。刘博士的先锋性工作促进了机器学习与信息检索之间的融合,被国际学术界公认为“排序学习”领域的代表人物,他在该领域的学术论文已被引用万余次,并受Springer出版社之邀撰写了该领域的首部学术专著(并成为Springer计算机领域华人作者十大畅销书之一)。近年来,刘博士在博弈机器学习、深度学习、分布式机器学习等方面也颇有建树,他的研究工作多次获得最佳论文奖、最高引用论文奖、研究突破奖、最佳研究团队奖;被广泛应用在微软的产品和在线服务中、并通过微软认知工具包(CNTK)、微软分布式机器学习工具包(DMTK)、微软图引擎(Graph Engine)等项目开源。他曾受邀担任了包括SIGIR、WWW、KDD、ICML、NIPS、AAAI、ACL在内的顶级国际会议的组委会主席、程序委员会主席、或领域主席;以及包括ACM TOIS、ACM TWEB、Neurocomputing在内的国际期刊副主编。他是国际电子电气工程师学会(IEEE)院士,美国计算机学会(ACM)杰出会员,中文信息学会(CIPS)信息检索专委会副主任,中国云体系产业创新战略联盟常务理事。

Sessions

13:1013:50 Thursday, April 12, 2018
模型与方法 (Models and Methods)
Location: 多功能厅5A+B(Function Room 5A+B) Level:
Secondary topics:  自然语言与语音技术(Natural Language and Speech Technologies)
Tie-Yan Liu (微软亚洲研究院 (Microsoft Research Asia))
以深度学习为代表的人工智能技术通常需要大量的有标签训练数据,这对于很多应用领域而言并非易事。为了解决这个挑战,我们利用人工智能的对称之美——很多人工智能任务天然就是双向的,比如中到英翻译 vs.英到中翻译,图像分类 vs. 图像生成,语音识别 vs. 语音合成——来为机器学习建立闭环、生成有效的反馈信号,从而在缺乏有标签数据的情况下也能实现高效学习。我们将这种新型的学习方法称之为“对偶学习”。对偶学习已经被成功应用到诸多领域,取得了非同凡响的效果。本报告中,我们将针对对偶学习的数学模型、优化算法、概率解释、实验结果,收敛性分析等进行详细讨论,展示对偶学习的魅力,并对它在人工智能领域的更广泛应用进行展望。对偶学习有关的研究成果已发表在NIPS、ICML、IJCAI、AAAI等人工智能领域最顶尖的国际会议之上。 Read more.