NeurIPS 2020 MeetUp Keynote揭晓，北京这场线下学术活动不可错过

2020 年 11 月 30 日 机器之心

受新冠疫情影响， NeurIPS 2020 转为线上举办。为了更好的促进国内人工智能的学术交流，机器之心将于 12 月 6 日在北京举办 2020 NeurIPS MeetUp。此次活动获得了 NeurIPS 官方授权，邀请顶级专家、论文作者与现场参会观众共同交流。

自上周发布消息以来，活动已有近千人报名，论文分享与 Poster 环节报名已满。最终 2020 NeurIPS MeetUp 将设置 4 场 Keynote、13 篇论文分享和 30 个 Poster 。

2020 NeurIPS MeetUp 邀请到 NeurIPS 2020 大会主席、谷歌大脑研究科学家 Hugo Larochelle 视频致辞。Keynote 嘉宾包括北京大学教授林宙辰、南京大学教授俞扬、字节跳动 AI Lab 总监李磊、华为诺亚方舟决策推理实验室主任郝建业，演讲主题详情如下：

Keynote 1：卷积神经网络设计原理

演讲嘉宾： 林宙辰，北京大学教授，IAPR/IEEE Fellow，国家杰青，中国图象图形学学会机器视觉专委会主任，中国自动化学会模式识别与机器智能专委会副主任。研究领域为机器学习、计算机视觉和数值优化。发表论文 200 余篇，英文专著 2 本。多次担任 CVPR 、ICCV、NIPS/NeurIPS、ICML、IJCAI、AAAI 和 ICLR 领域主席，曾任 IEEE T. PAMI 编委，现任 IJCV 编委。

演讲概要： 卷积神经网络（CNN）的设计经历了两个阶段：（1）早期的手动设计，这一阶段需要大量的工程学知识；（2）现阶段的自动搜索，这一阶段主要依赖于算力。是否存在设计良好 CNN 的基础理论成为了关键的研究问题。在本次演讲中，我将介绍我们面向这一问题所做的努力。尽管我还没有找到可以生成所有有效 CNN 的统一准则，但是我找到了各个方面有助于设计 CNN 的多种原则。

Keynote 2：强化学习与环境模型

演讲嘉宾： 俞扬，南京大学教授，国家万人计划青年拔尖人才。主要研究领域为机器学习、强化学习。入选 IEEE Intelligent Systems 杂志评选的「国际人工智能 10 大新星」(2018)，获「CCF-IEEE 青年科学家奖」(2020)、亚太数据挖掘「青年成就奖」(2018)，获得 4 项国际论文奖励和 2 项国际算法竞赛冠军，并受邀在 IJCAI’18 作关于强化学习的「青年亮点」报告。博士学位论文被评为全国优博(2013) 和 CCF 优博(2011)。

演讲概要： 强化学习是实现自主决策的主要技术途径之一，已在围棋、视频游戏等领域展示出了超越人类的决策能力。然而目前强化学习的训练过程需要大量试错，因而只能在封闭的游戏场景下起效，大量的实际应用中面临开放的环境以及高昂的试错代价，使得目前的强化学习技术难以应用。从历史数据中学习环境模型，并基于环境模型低成本的训练强化学习，是解决其应用难题的希望之一，然而要学习到一个有效的环境模型的也面临诸多困难。此次报告将汇报我们在基于环境模型强化学习研究上的进展，以及初步的应用结果。

Keynote 3：面向自然语言生成的可控、可扩展、可解释的机器学习方法

演讲嘉宾： 李磊，字节跳动 AI Lab 杰出科学家、总监，负责机器翻译、机器写作、AI 药物研发、智能机器人的研究与产品开发。李磊博士的主要研究兴趣是机器学习、数据挖掘和自然语言处理。李磊本科毕业于上海交通大学计算机科学与工程专业（ACM 班），博士毕业于卡内基梅隆大学计算机科学系。李磊博士关于挖掘共同演化时间序列快速算法的论文获得 ACM KDD 最佳论文（runner up）。近来他在 AI 写作机器人 Xiaomingbot 上所做的工作在 2017 年获得了吴文俊人工智能二等奖。李磊博士在 2017 年获得了 CCF 杰出演讲者，2019 年获得 CCF Young Elite 奖（仅有 6 位获奖者）。在加入字节跳动之前，李磊曾在 UC 伯克利的 EECS 和百度硅谷深度学习机构工作。此外，李磊博士曾担任 2017 年 KDD Cup Co-Chair、2018 年 KDD 实用教程 Co-Chair、2019/2020 年 KDD 赞助 Co-Chair，以及 EMNLP 2019/2020、AACL 2020、CIKM 2019、AAAI 2019/2020 和 IJCAI 2017 的Area Chair/SPC。李磊博士曾发表 70 余篇技术论文，拥有十余项专利。

演讲概要： 人工智能一直在改变人们创建、访问、共享和使用信息以及识别错误信息的方式。然而有效创建高质量有用内容、确保能够广泛获取公正真实信息，仍是是两项巨大的挑战。在本次演讲中，我将介绍我们在开发可控制和可解释的机器学习模型以表示复杂数据和可扩展算法方面的研究，这些研究利用这样的体系来自动生成和翻译基于文本的信息。我将介绍两种自然语言生成和翻译的方法：一种方法是基于马尔科夫链蒙特卡罗（Markov chain Monte-Carlo）的迭代编辑思想，另一种是基于对文本和结构化数据的深度潜在表征的学习。这些算法已经成功部署在移动应用程序上，为十万家企业和超过十亿用户提供服务。最后，我将演示新闻机器人 Xiaomingbot，它已经在社交媒体上发布了超过 600000 篇文章，包括 2018 FIFA 世界杯在内的多个主题的新闻报道，并且能够以同步的面部动作阅读多种语言的新闻。

Keynote 4：深度强化学习的挑战及落地

演讲嘉宾： 郝建业，华为诺亚方舟决策推理实验室主任。主要研究方向为深度强化学习、多智能体系统。发表人工智能领域国际会议和期刊论文 100 余篇，专著 2 部。主持参与国家基金委、科技部、天津市人工智能重大等科研项目 10 余项，研究成果荣获 ASE2019、DAI2019、CoRL2020 最佳论文奖等，同时在游戏 AI、广告及推荐、自动驾驶、网络优化等领域落地应用。

演讲概要： 本报告首先会介绍深度强化学习背景与基础，然后重点从如何学的好、学的快、学的稳三个方面介绍深度强化学习所面临的挑战及相应的解决方案，同时介绍深度强化学习在游戏 AI 与测试、自动驾驶、网络优化等领域的落地与应用。

2020 NeurIPS MeetUp 日程安排

时间： 12 月 6 日

地址： 北京燕莎中心凯宾斯基饭店(亮马桥)

12 月 6 日上午