2018年3月6日，北京—首屆AIConference北京站承諾將會(huì)帶來(lái)一場(chǎng)史無(wú)前例的全球領(lǐng)先人工智能創(chuàng)新人士云集的會(huì)議，讓中國(guó)的人工智能人才與全球人工智能思想領(lǐng)袖面對(duì)面地近距離交流。北京人工智能大會(huì)關(guān)注了一個(gè)獨(dú)特的焦點(diǎn)：應(yīng)用人工智能。這一焦點(diǎn)橋接了人工智能研究的發(fā)展與它在商業(yè)和工業(yè)中的真實(shí)應(yīng)用。AIConference北京站由O'ReillyMedia和IntelAI共同主辦。將于2018年4月10日至13日在北京國(guó)際飯店會(huì)議中心進(jìn)行。
大會(huì)主席BenLorica、NaveenRao、JasonChai和RogerChen共同創(chuàng)建了一個(gè)以國(guó)際化專家和創(chuàng)新者為特色的大會(huì)議程內(nèi)容。演講者包括：
●BowenZhou,JD.com（京東）
●SherryMoore,Google（谷歌）
●Jason(Jinquan)Dai,Intel（英特爾）
●LiLi,Esri（美國(guó)環(huán)境系統(tǒng)研究所公司，EnvironmentalSystemsResearchInstitute,Inc.簡(jiǎn)稱ESRI公司）
●Yuan(Alan)Qi,AntFinancialServicesGroup（螞蟻金服）
●Dr.CatherineHavasi,Luminoso
●HaifengWang,Baidu（百度）
●MarkHammond,Bonsai
●RezaZadeh,Matroid
●DannyLange,Unity
●HassanSawaf,AmazonWebServices（亞馬遜）
●YiZhang,UniversityofCalifornia,SantaCruz|Rulai（加州大學(xué)）
●Hsiao-WuenHon,MicrosoftResearch（微軟研究院）
●WeiyueWu,UniversityofOxford（牛津大學(xué)）
本次大會(huì)內(nèi)容豐富的議程將探索人工智能在企業(yè)、商業(yè)和社會(huì)中的應(yīng)用，并將探索如何實(shí)施人工智能項(xiàng)目以及與人工智能的交互。大會(huì)議程還會(huì)涵蓋模型和方法，包括增強(qiáng)學(xué)習(xí)和機(jī)器學(xué)習(xí)、TensorFlow、深度學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)（GAN）、自然語(yǔ)言處理和理解、語(yǔ)音識(shí)別和計(jì)算機(jī)視覺(jué)等。
發(fā)言者包括來(lái)自中國(guó)和美國(guó)以及澳大利亞、加拿大、印度、韓國(guó)和英國(guó)的AI領(lǐng)袖。他們代表著百度、谷歌、eBay、Bonsai、Uber、微軟、阿里巴巴、亞馬遜、SAS、Unity、SalesForce和IBM等公司，以及加州大學(xué)伯克利分校、斯坦福大學(xué)和牛津大學(xué)等研究機(jī)構(gòu)。
與會(huì)者將能了解如何利用人工智能的潛力在人工智能引起的顛覆中存活；能找到新的方法在多種行業(yè)和學(xué)科里利用他們的人工智能資源；能學(xué)習(xí)到如何將人工智能從科研成果轉(zhuǎn)化為真正的商業(yè)應(yīng)用；能發(fā)現(xiàn)學(xué)習(xí)、招聘和職業(yè)的機(jī)會(huì)；并能面對(duì)面地和其他創(chuàng)新者和思想領(lǐng)袖交流。
門票注冊(cè)仍然開放。同時(shí)有限數(shù)量的媒體門票可供符合標(biāo)準(zhǔn)的記者和分析師使用。
Intel公司的人工智能團(tuán)隊(duì)與O'ReillyMedia共同主辦了人工智能系列大會(huì)。憑借Intel在芯片創(chuàng)新方面的世界領(lǐng)先地位以及在創(chuàng)造支撐世界的計(jì)算標(biāo)準(zhǔn)方面的成功歷史，IntelAI解決方案團(tuán)隊(duì)正在通過(guò)廣泛的產(chǎn)品組合變革人工智能。從廣為使用的通用CPU到為人工智能設(shè)計(jì)的專用芯片，從最大的云平臺(tái)到邊緣計(jì)算交付的解決方案，以及幫助部署規(guī)模化人工智能的工具，Intel都在幫助引領(lǐng)計(jì)算的下一場(chǎng)革命。
關(guān)于O'ReillyMedia
O'ReillyMedia通過(guò)提供技術(shù)和業(yè)務(wù)培訓(xùn)、知識(shí)和洞察力來(lái)幫助企業(yè)取得成功。我們獨(dú)特的專家和創(chuàng)新者網(wǎng)絡(luò)通過(guò)O'Reilly的Safari培訓(xùn)和學(xué)習(xí)平臺(tái)以及O'Reilly主辦的各種會(huì)議分享他們的知識(shí)和專長(zhǎng)。作為一個(gè)SaaS學(xué)習(xí)平臺(tái)，Safari通過(guò)企業(yè)、消費(fèi)者和大學(xué)渠道為數(shù)百萬(wàn)用戶提供熱門和全面的技術(shù)和商業(yè)的學(xué)習(xí)解決方案。欲了解更多信息，請(qǐng)?jiān)L問(wèn)oreilly.com。
可點(diǎn)擊跳轉(zhuǎn)官網(wǎng)，或搜索AIConference官網(wǎng)查詢?cè)斍椤?/p>
ArtificialIntelligenceTraining
4月10日&12日，周二&周三
MichaelLi(TheDataIncubator),SeasonYang(TheDataIncubator)用TensorFlow進(jìn)行深度學(xué)習(xí)TensorFlow是一個(gè)流行的深度學(xué)習(xí)的工具。我們會(huì)介紹TensorFlow的流程圖、學(xué)習(xí)使用它的PythonAPI，并展示它的用處。我們會(huì)從簡(jiǎn)單的機(jī)器學(xué)習(xí)算法開始，然后實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)。我們還會(huì)討論一些真實(shí)的深度學(xué)習(xí)的應(yīng)用，包括機(jī)器視覺(jué)、文本處理和生成型網(wǎng)絡(luò)。
ChiaWeiLim(Skymind),WangFeng(Skymind)用deeplearning4j框架構(gòu)建神經(jīng)網(wǎng)絡(luò)分析時(shí)間序列在分析時(shí)間序列或者序列數(shù)據(jù)方面循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）已經(jīng)被證明是非常有效的，那么在實(shí)際的案例中如何才能把循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的優(yōu)點(diǎn)發(fā)揮出來(lái)吶？這里將演示如何用deeplearning4j框架構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來(lái)解決時(shí)間序列的問(wèn)題。
JikeChong(TsinghuaUniversity|Acorns),黃鈴(TsinghuaUniversity)人工智能和金融科技：量化金融信用與欺詐風(fēng)險(xiǎn)的評(píng)估您想了解金融企業(yè)是怎樣利用大數(shù)據(jù)和人工智能技術(shù)來(lái)畫像個(gè)人行為并檢測(cè)欺詐用戶的嗎？互聯(lián)網(wǎng)金融幕后的量化分析流程是怎么楊的？個(gè)人信用是怎樣通過(guò)大數(shù)據(jù)被量化的？在實(shí)踐過(guò)程中，機(jī)器學(xué)習(xí)算法的應(yīng)用存在著哪些需要關(guān)注的方面？怎樣通過(guò)圖譜分析來(lái)融合多維數(shù)據(jù)，為我們區(qū)分正常用戶和欺詐用戶？這套輔導(dǎo)課基于清華大學(xué)交叉信息研究院2017年春天新開設(shè)的一門"量化金融信用與風(fēng)控分析”研究生課。其中會(huì)用LendingClub的真實(shí)借貸數(shù)據(jù)做為案例，解說(shuō)一些具體模型的實(shí)現(xiàn)。教學(xué)輔導(dǎo)課,
4月11日，周三
KristianHammond(NarrativeScience)Secondarytopics:傳媒、廣告、娛樂(lè)(Media,Advertising,Entertainment),制造業(yè)與工業(yè)自動(dòng)化(ManufacturingandIndustrialAutomation),設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）,金融服務(wù)(FinancialServices)BringingAIintotheenterpriseEvenasAItechnologiesmoveintocommonuse,manyenterprisedecisionmakersremainbaffledaboutwhatthedifferenttechnologiesactuallydoandhowtheycanbeintegratedintotheirbusinesses.Ratherthanfocusingonthetechnologiesalone,KristianHammondprovidesapracticalframeworkforunderstandingyourroleinproblemsolvinganddecisionmaking.
ZhichaoLi(Intel)基于ApacheSpark及BigDL運(yùn)行分布式KerasSecondarytopics:深度學(xué)習(xí)（DeepLearning）從這個(gè)教學(xué)課程里，學(xué)員將會(huì)學(xué)到如何應(yīng)用深度學(xué)習(xí)（最先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)）到他們的ApacheSpark驅(qū)動(dòng)的大數(shù)據(jù)工作任務(wù)里
YufengGuo(Google)GettingupandrunningwithTensorFlowSecondarytopics:深度學(xué)習(xí)（DeepLearning）YufengGuowalksyouthroughtrainingamachinelearningsystemusingpopularopensourcelibraryTensorFlow,startingfromconceptualoverviewsandbuildingallthewayuptocomplexclassifiers.Alongtheway,you'llgaininsightintodeeplearningandhowitcanapplytocomplexproblemsinscienceandindustry.
ErranLi(UberATG)用于自動(dòng)駕駛的機(jī)器學(xué)習(xí)Secondarytopics:運(yùn)輸與物流(TransportationandLogistics)盡管最近人工智能等領(lǐng)域取得了很多的進(jìn)展，但自動(dòng)駕駛里的主要問(wèn)題（不管是基礎(chǔ)研究還是工程應(yīng)用上的挑戰(zhàn)）離完全被解決還有很大的距離。ErranLi將會(huì)探索自動(dòng)駕駛所用的機(jī)器學(xué)習(xí)的基礎(chǔ)，并討論目前相關(guān)工作的進(jìn)展。
ArthurJuliani(UnityTechnologies)DeepreinforcementlearningtutorialSecondarytopics:增強(qiáng)學(xué)習(xí)（ReinforcementLearning）Recently,computershavebeenabletolearntoplayAtarigames,Go,andfirst-personshootersatasuperhumanlevel.Underlyingalltheseaccomplishmentsisdeepreinforcementlearning.ArthurJulianioffersadeepdiveintoreinforcementlearning,fromthebasicsusinglookuptablesandGridWorldallthewaytosolvingcomplex3Dtaskswithdeepneuralnetworks.ArtificialIntelligenceConference2018KeynoteSpeakers
ArjunBansalVicePresident,AILabandSoftwareFrameworks,Intel08:50Thursday,2018-04-12ModernizingtheHealthcareIndustrywithAIArtificialintelligenceistransformingeveryindustry,buttheroleitwillplayinhealthcareisprofound.AIcangivephysiciansnewinsightsandspeedtimetodiagnosisbyleveragingvastamountsofhealthcaredata.AIcanalsoreducethetimeandmoneyspenttodevelopnewmedicines.
RogerChenCEO,ComputableLabs08:45Thursday&Friday,2018-04-12&13周四歡迎致辭（Thursdayopeningwelcome）大會(huì)日程主席BenLorica、RogerChen與JasonDai致辭開始第一天主題演講。
ason(Jinquan)DaiCTO,BigDataTechnologies,Intel8:45Thursday&Friday,2018-04-12&13周四歡迎致辭（Thursdayopeningwelcome）大會(huì)日程主席BenLorica、RogerChen與JasonDai致辭開始第一天主題演講。
DannyLangeVicePresident,AIandMachineLearning,UnityTechnologies10:20Thursday,2018-04-12DemocratizingdeepreinforcementlearningDannyLangeoffersanoverviewofdeepreinforcementlearning,anexcitingnewchapterinAI’shistorythatischangingthewaywedevelopandtestlearningalgorithmsthatcanlaterbeusedinreallife.https://ai.oreilly.com.cn/ai-cn/public/schedule/detail/65565
MarkHammondFounderandCEO,Bonsai09:05Friday,2018-04-13Getyourhardhat:IntelligentindustrialsystemswithdeepreinforcementlearningMarkHammondexploresawidebreadthofreal-worldapplicationsofdeepreinforcementlearning,includingrobotics,manufacturing,energy,andsupplychain.Markalsosharesbestpracticesandtipsforbuildinganddeployingthesesystems,highlightingtheuniquerequirementsandchallengesofindustrialAIapplications.
Hsiao-WuenHonManagingDirector,微軟亞洲研究院(MicrosoftResearchAsia)Friday,2018-04-13智能簡(jiǎn)史人工智能已經(jīng)引發(fā)了眾多關(guān)注和討論，而關(guān)于人類智能和人工智能孰優(yōu)孰劣的辯論也不斷升溫。在這個(gè)主題演講中，洪小文博士將介紹人工智能（AI）以及人類智能（HI）的歷史。從歷史的維度，以深刻的洞察，闡述AI和HI是如何彼此交織并共同進(jìn)化的，并預(yù)示AI和HI可能的未來(lái)。
YinyinLiuDataScientist,IntelNervana08:50Friday,2018-04-13DeepLearning-poweredNLPDeeplearningprovidesnewopportunitiesandpromisesfornaturallanguageprocessing.Itenablesdatascientiststosolvetext,language,andconversation-basedusecaseswithnewdeeplearningapproaches,andinspiresnewwaysofbuildingfoundationsthatareapplicabletoarangeofNLPapplications.
BenLoricaChiefDataScientist,O'ReillyMedia08:45Friday,2018-04-13周五歡迎致辭(Fridayopeningwelcome)ProgramchairsBenLorica,JasonDai,andRogerChenopentheseconddayofkeynotes.FullDetails08:45Thursday,2018-04-12周四歡迎致辭（Thursdayopeningwelcome）大會(huì)日程主席BenLorica、RogerChen與JasonDai致辭開始第一天主題演講。
SherryMooreSoftwareEngineer,Google09:25Friday,2018-04-13TensorFlow對(duì)科學(xué)的影響人工智能已經(jīng)不是未來(lái)的科技，它正快速地成為我們?nèi)粘Ｉ畹囊徊糠?。在本演講中，谷歌TensorFlow的領(lǐng)導(dǎo)者SherryMoore將會(huì)介紹機(jī)器學(xué)習(xí)是如何造福世界的，特別是對(duì)于科學(xué)的發(fā)展。她將會(huì)討論她自己的關(guān)于學(xué)習(xí)如何學(xué)習(xí)（AutoML）的工作以及幾個(gè)在中國(guó)和全世界使用TensorFlow和機(jī)器學(xué)習(xí)的迷人案例。
AlanQiVicePresidentandChiefDataScientist,AntFinancial09:45Thursday,2018-04-12主題演講,Dr.AlanQi敬請(qǐng)期待更多細(xì)節(jié)。
RezaZadehCEO|AdjunctProfessor,Matroid|Stanford09:25Thursday,2018-04-12TurningmachinelearningresearchintoproductsforindustryRezaZadehdetailsthreechallengesonthewaytobuildingcutting-edgeMLproducts,withafocusoncomputervision,offeringexamples,recommendations,andlessonslearned.
BowenZhouVicePresidentofAIPlatform&Research,JD.com09:45Friday,2018-04-13主題演講,Dr.BowenZhou敬請(qǐng)期待更多細(xì)節(jié)。議題(Session)4月12日，周四11:15–11:55Thursday,April12,2018用于自動(dòng)駕駛的機(jī)器學(xué)習(xí)：近期的進(jìn)步和未來(lái)的挑戰(zhàn)Secondarytopics:增強(qiáng)學(xué)習(xí)（ReinforcementLearning）,運(yùn)輸與物流(TransportationandLogistics)ErranLi(UberATG)深度增強(qiáng)學(xué)習(xí)已經(jīng)讓人工智能體在很多挑戰(zhàn)性的領(lǐng)域可以取得超越人類的表現(xiàn)，例如玩Atari的游戲以及下圍棋。這一方法還具有能顯著地推進(jìn)自動(dòng)駕駛的潛力。ErranLi將會(huì)討論近期在模仿學(xué)習(xí)方面（例如infoGAIL）、策略梯度法和層次增強(qiáng)學(xué)習(xí)（例如option-critic架構(gòu)）等方面的進(jìn)步，以及它們?cè)谧詣?dòng)駕駛方面的應(yīng)用。Erran接著還會(huì)介紹在這個(gè)領(lǐng)域需要關(guān)注的剩余的挑戰(zhàn)。11:15–11:55Thursday,April12,2018CrossingtheenterpriseAIchasmSecondarytopics:設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）SimonChan(Salesforce)Buildinganend-to-endAIapplicationinproductionistremendouslymorecomplicatedthansimplydoingalgorithmmodelinginalab.SimonChanexplainshowtocrossthegapbetweenAIresearchfantasyintoreal-worldapplications.11:15–11:55Thursday,April12,2018Xiaoice:LessonslearnedfromconversationsbetweenhumansandAISecondarytopics:傳媒、廣告、娛樂(lè)(Media,Advertising,Entertainment),自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）力周(MicrosoftChina)SinceitsfirstreleaseinMayof2014,morethan100millionusersinChina,Japan,andtheUShaveinteractedwithrenownedAIproductXiaoice(小冰),whichbuildshuman-likeconversation.LiZhoushareskeylessonslearnedfromthepastfouryearsandexplainshowtousethemtobuildabetterchatbotexperience.11:15–11:55Thursday,April12,2018ScalingconvolutionalneuralnetworkswithKubernetesandTensorFlowSecondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,計(jì)算機(jī)視覺(jué)（ComputerVision）RezaZadeh(Matroid|Stanford)RezaZadehoffersanoverviewofMatroid’sKubernetesdeployment,whichprovidescustomizedcomputervisionandstreammonitoringtoalargenumberofusers,anddemonstrateshowtocustomizecomputervisionneuralnetworkmodelsinthebrowser.Alongtheway,RezaexplainshowMatroidbuilds,trains,andvisualizesTensorFlowmodels,whichareprovidedatscaletomonitorvideostreams.11:15–11:55Thursday,April12,2018端到端深度學(xué)習(xí)優(yōu)化在互聯(lián)網(wǎng)業(yè)務(wù)場(chǎng)景下的應(yīng)用實(shí)踐Secondarytopics:深度學(xué)習(xí)（DeepLearning）,設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）楊軍(阿里巴巴)本議題會(huì)分享我們?cè)诘湫突ヂ?lián)網(wǎng)業(yè)務(wù)場(chǎng)景(圖像、文本處理等)下的深度學(xué)習(xí)優(yōu)化實(shí)踐經(jīng)驗(yàn)，包括離線訓(xùn)練和在線Inference，并會(huì)從系統(tǒng)與算法相結(jié)合的角度進(jìn)行相關(guān)經(jīng)驗(yàn)的闡述和介紹。11:15–11:55Thursday,April12,2018深度學(xué)習(xí)時(shí)代的數(shù)據(jù)科學(xué)和自然語(yǔ)言處理Secondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）YinyinLiu(IntelNervana)自然語(yǔ)言處理（NLP）帶給計(jì)算機(jī)理解人類語(yǔ)言的能力。NLP利用深度學(xué)習(xí)最新算法發(fā)展例如文檔理解之類的應(yīng)用，使公司能夠篩查海量文本，分類并找到相關(guān)信息。本議題我們將討論深度學(xué)習(xí)最新發(fā)展如何影響處理文本、語(yǔ)言及基于對(duì)話應(yīng)用，并啟發(fā)了利用數(shù)據(jù)的新方向。我們還將討論幾個(gè)使用Intel®AI技術(shù)的NLP企業(yè)案例。13:10–13:50Thursday,April12,2018AI技術(shù)在eBay搜索平臺(tái)的應(yīng)用Secondarytopics:設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）,零售業(yè)與電子商務(wù)(Retailande-commerce)HUAYANG(eBay)搜索引擎是大量利用機(jī)器學(xué)習(xí)技術(shù)的平臺(tái)。AI推動(dòng)了搜索技術(shù)的進(jìn)一步發(fā)展，搜索引擎正在變成強(qiáng)大的AI平臺(tái)。本次演講將介紹深度學(xué)習(xí)和自然語(yǔ)言理解技術(shù)在eBay產(chǎn)品搜索平臺(tái)的應(yīng)用。13:10–13:50Thursday,April12,2018UsingAItoanalyzetheimpactoffinancialnewsSecondarytopics:傳媒、廣告、娛樂(lè)(Media,Advertising,Entertainment),自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）,金融服務(wù)(FinancialServices)ZhefuShi(UniversityofMissouri)Itiscriticaltoanalyzethebusinessimpactonfinancemarketfromworldwideevents.ZhefuShiexplainshowtouseAItoanalyzetheimpactoffinancialnews,usingafinancialdatapipeline.Zhefuoutlineshowtoextractfinancialentityinformationanduseittoanalyzebusinessimpact.AllofthecomponentsuseAItoenhancefunctionality.13:10–13:50Thursday,April12,2018RepresentingknowledgethroughgraphicalmodelsSecondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）Tags:wlRuiwenZhang(SASInstitute)Drawingonseveralreal-worldcases,RuiwenZhangdemonstrateshowtovisualizethestructureofaprobabilisticmodelandprovidebetterinsightsintothemodelproperties,whichcanbefurtherusedtodesignandmotivatenewmodels,andhowtoreducethecomputationalcomplexityrequiredtoperforminferenceandlearninginsophisticatedmodelsusinggraphicalmodels.13:10–13:50Thursday,April12,2018PracticalconsiderationswhenshiftingtousingdeeplearningforyourtextdataSecondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）EmmanuelAmeisen(InsightDataScience),JeremyKarnowski(InsightDataScience)EmmanuelAmeisenandJeremyKarnowskishareaguideformovingyourcompanytowarddeeplearningusingacollectionofNLPbestpracticesgatheredfromconversationswith75+teamsfromGoogle,Facebook,Amazon,Twitter,Salesforce,Airbnb,CapitalOne,Bloomberg,andothers.13:10–13:50Thursday,April12,2018對(duì)偶學(xué)習(xí)：探秘人工智能的對(duì)稱之美Secondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）Tie-YanLiu(微軟亞洲研究院微軟亞洲研究院(MicrosoftResearchAsia))以深度學(xué)習(xí)為代表的人工智能技術(shù)通常需要大量的有標(biāo)簽訓(xùn)練數(shù)據(jù)，這對(duì)于很多應(yīng)用領(lǐng)域而言并非易事。為了解決這個(gè)挑戰(zhàn)，我們利用人工智能的對(duì)稱之美——很多人工智能任務(wù)天然就是雙向的，比如中到英翻譯vs.英到中翻譯，圖像分類vs.圖像生成，語(yǔ)音識(shí)別vs.語(yǔ)音合成——來(lái)為機(jī)器學(xué)習(xí)建立閉環(huán)、生成有效的反饋信號(hào)，從而在缺乏有標(biāo)簽數(shù)據(jù)的情況下也能實(shí)現(xiàn)高效學(xué)習(xí)。我們將這種新型的學(xué)習(xí)方法稱之為“對(duì)偶學(xué)習(xí)”。對(duì)偶學(xué)習(xí)已經(jīng)被成功應(yīng)用到諸多領(lǐng)域，取得了非同凡響的效果。本報(bào)告中，我們將針對(duì)對(duì)偶學(xué)習(xí)的數(shù)學(xué)模型、優(yōu)化算法、概率解釋、實(shí)驗(yàn)結(jié)果，收斂性分析等進(jìn)行詳細(xì)討論，展示對(duì)偶學(xué)習(xí)的魅力，并對(duì)它在人工智能領(lǐng)域的更廣泛應(yīng)用進(jìn)行展望。對(duì)偶學(xué)習(xí)有關(guān)的研究成果已發(fā)表在NIPS、ICML、IJCAI、AAAI等人工智能領(lǐng)域最頂尖的國(guó)際會(huì)議之上。13:10–13:50Thursday,April12,2018為什么圖模型對(duì)人工智能應(yīng)用至關(guān)重要？Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）MingxiWu(TigerGraph),YuXu(TigerGraph)為了讓機(jī)器像人一樣思考，一個(gè)成功的人工智能應(yīng)用程序的關(guān)鍵部分必須由強(qiáng)大的數(shù)據(jù)管理軟件支持。在這次演講中，我們將討論人工智能數(shù)據(jù)管理的需求，并指出圖模型的獨(dú)特優(yōu)勢(shì)。我們將深入討論幾個(gè)現(xiàn)實(shí)生活中部署的，且將它們的成功歸因于圖模型的人工智能應(yīng)用程序。14:00–14:40Thursday,April12,2018用于無(wú)人駕駛的深度學(xué)習(xí)技術(shù)Secondarytopics:深度學(xué)習(xí)（DeepLearning）,運(yùn)輸與物流(TransportationandLogistics)BichenWu(UCBerkeley)深度學(xué)習(xí)近年來(lái)的成功極大地促進(jìn)了自動(dòng)駕駛技術(shù)的快速發(fā)展。但不少問(wèn)題依然存在：1）深度學(xué)習(xí)模型需要大量的訓(xùn)練數(shù)據(jù)2）即便是深度學(xué)習(xí)模型也很難達(dá)到100%準(zhǔn)確率3）深度學(xué)習(xí)模型的計(jì)算復(fù)雜度太高，超出了車載計(jì)算機(jī)的處理能力。這個(gè)講座將會(huì)關(guān)注以上幾個(gè)問(wèn)題。14:00–14:40Thursday,April12,2018IntroducingSparkNLP:State-of-the-artnaturallanguageprocessingatscaleSecondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）DavidTalby(PacificAI)Naturallanguageprocessingisakeycomponentinmanydatasciencesystemsthatmustunderstandorreasonabouttext.DavidTalbyoffersanoverviewoftheNLPlibraryforApacheSpark,whichnativelyextendsSparkMLtoprovideopensource,fullydistributed,andoptimizedversionsofstate-of-the-artNLPalgorithms,coveringthelibrary'sdesignandsharingworkingcodesamplesinPySpark.14:00–14:40Thursday,April12,2018小米語(yǔ)音交互的最新進(jìn)展、面臨的難題以及展望王剛(小米公司)本次講演將分享小米語(yǔ)音交互在產(chǎn)品和技術(shù)方面的最新進(jìn)展和面臨的一些難題，以及對(duì)未來(lái)語(yǔ)音技術(shù)發(fā)展的展望。14:00–14:40Thursday,April12,2018Conductingmachinelearningresearchwithincustom-made3DgameenvironmentsSecondarytopics:傳媒、廣告、娛樂(lè)(Media,Advertising,Entertainment),增強(qiáng)學(xué)習(xí)（ReinforcementLearning）DannyLange(UnityTechnologies)DannyLangedemonstratestherolegamescanplayindrivingthedevelopmentofreinforcementlearningalgorithms.DannyusestheUnityEnginewiththeML-Agentstoolkitasanexampleofhowdynamic3Dgameenvironmentscanbeutilizedformachinelearningresearch.14:00–14:40Thursday,April12,2018智能對(duì)話機(jī)器人:企業(yè)商務(wù)管理人員如何避免踩坑并且完全掌控人工智能Secondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）YiZhang(UniversityofCalifornia,SantaCruz|Rulai)美國(guó)加州大學(xué)圣克魯斯分校終身教授，Rul.ai公司的創(chuàng)始人張奕博士將向您全面剖析智能對(duì)話機(jī)器人。在這里您可以了解到在建設(shè)智能對(duì)話機(jī)器人中，如何評(píng)估各種技術(shù)方案，如何建設(shè)合適的團(tuán)隊(duì)，并且設(shè)計(jì)出以用戶為中心的機(jī)器人。她也會(huì)分享智能對(duì)話機(jī)器人在不同行業(yè)的使用案例。14:00–14:40Thursday,April12,2018Spark+BigDL基于Hadoop的推薦系統(tǒng)的深度學(xué)習(xí)實(shí)踐Secondarytopics:深度學(xué)習(xí)（DeepLearning）,零售業(yè)與電子商務(wù)(Retailande-commerce)徐曉(阿里巴巴)隨著深度學(xué)習(xí)的發(fā)展，其在推薦領(lǐng)域的可能性也被不斷拓展，越來(lái)越多的基于深度學(xué)習(xí)的推薦算法在學(xué)術(shù)論文中被提出，比如：Google提出的Wide&Deep網(wǎng)絡(luò)結(jié)構(gòu)。目前，很多大型推薦系統(tǒng)均構(gòu)建在Hadoop生態(tài)上，而主流的深度學(xué)習(xí)工具(如:TensorFlow/Caffe/Torch)則更適合于gpu集群。因此，運(yùn)行在Spark環(huán)境上的BigDL是非常合適于推薦系統(tǒng)的深度學(xué)習(xí)解決方案。本議題將通過(guò)案例的形式，分享使用Spark與BigDL構(gòu)建深度神經(jīng)網(wǎng)絡(luò)來(lái)優(yōu)化現(xiàn)有推薦系統(tǒng)的經(jīng)驗(yàn)。本議題的主要關(guān)注點(diǎn)是:如何在推薦工程中高效而健壯的實(shí)施深度學(xué)習(xí)，包括：技術(shù)選型的思考，實(shí)驗(yàn)場(chǎng)景的搭建，神經(jīng)網(wǎng)絡(luò)配置腳本的定制，模型數(shù)據(jù)的IO，自定義神經(jīng)網(wǎng)絡(luò)組件的開發(fā)等。14:50–15:30Thursday,April12,2018PerceptIn低成本無(wú)人駕駛解決方案Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,運(yùn)輸與物流(TransportationandLogistics)BoYu(PerceptIn)得益于人工智能和機(jī)器人技術(shù)的快速發(fā)展，無(wú)人駕駛技術(shù)逐漸成熟，預(yù)計(jì)將會(huì)孕育出一個(gè)萬(wàn)億規(guī)模的市場(chǎng)，并深刻地改變?nèi)藗兊慕煌ǔ鲂蟹绞?。我們認(rèn)為低速限制性的園區(qū)將會(huì)首先大規(guī)模部署無(wú)人駕駛技術(shù)，首先因?yàn)橄拗菩詧@區(qū)對(duì)無(wú)人駕駛應(yīng)用的需求巨大，其次由于駕駛環(huán)境簡(jiǎn)單限制性園區(qū)容易實(shí)現(xiàn)無(wú)人駕駛，第三從成本角度考慮，大規(guī)模部署無(wú)人駕駛方案成本需要在萬(wàn)元美金以內(nèi)。所以，這里我們將主要探討適用于限制性園區(qū)的低成本無(wú)人駕駛解決方案。14:50–15:30Thursday,April12,2018ExtendingSparkNLP:Trainingyourowndeep-learnednaturallanguageunderstandingmodelsSecondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）DavidTalby(PacificAI)Toachievehighaccuracywhenreasoningabouttext,yougenerallyneedtounderstandspecificlanguages,jargons,domain-specificdocuments,andwritingstyles.DavidTalbyexplainshowtotraincustomwordembeddings,namedentityrecognition,andquestion-answeringmodelsontheNLPlibraryforApacheSpark.14:50–15:30Thursday,April12,2018即時(shí)配送調(diào)度中的人工智能Secondarytopics:運(yùn)輸與物流(TransportationandLogistics)jinghuahao(美團(tuán)點(diǎn)評(píng))近兩年外賣行業(yè)發(fā)展迅速，美團(tuán)外賣每日超過(guò)1600萬(wàn)訂單，線下有50萬(wàn)名騎手每天奔波在大街小巷進(jìn)行配送，是全球最大的外賣平臺(tái)。如何使數(shù)據(jù)巨大的騎手配送得更有效率，減少空駛？如何讓用戶更早地享受到美食，減少超時(shí)率？這是一個(gè)強(qiáng)隨機(jī)環(huán)境下的大規(guī)模復(fù)雜優(yōu)化問(wèn)題。本次分享將介紹美團(tuán)配送在運(yùn)用大數(shù)據(jù)、機(jī)器學(xué)習(xí)和運(yùn)籌優(yōu)化技術(shù)解決即時(shí)配送業(yè)務(wù)難題、利用AI技術(shù)來(lái)取代人工上的若干進(jìn)展和探索，幫助大家了解這一技術(shù)領(lǐng)域的進(jìn)展和挑戰(zhàn)。14:50–15:30Thursday,April12,2018DeeplearningforspeechrecognitionandprofilingSecondarytopics:自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）YishayCarmiel(IntelligentWire|SpokenLabs)YishayCarmieloffersanoverviewofneuralmodelsinspeechapplications,coveringthedominanttechniquesandtheelementsthathavecontributedtotherapidprogress.Yishayalsolookstothefuture,examiningwhichproblemsstillremainandhowfarwearefromsolvingthem.14:50–15:30Thursday,April12,2018深度學(xué)習(xí)與人工智能在神經(jīng)影像中的前沿應(yīng)用Secondarytopics:保健與醫(yī)療(HealthandMedicine),計(jì)算機(jī)視覺(jué)（ComputerVision）EnhaoGong(StanfordUniversity|SubtleMedical),GregZaharchuk(StanfordUniversity)人工智能與深度學(xué)習(xí)正在快速改變醫(yī)療產(chǎn)業(yè)發(fā)展。本講座將介紹斯坦福的深度學(xué)習(xí)領(lǐng)域?qū)W者與斯坦福醫(yī)院醫(yī)生、教授合作研發(fā)的技術(shù)，以及如何快速地優(yōu)化臨床醫(yī)學(xué)影像的使用。人工智能技術(shù)讓醫(yī)學(xué)影像的采集與處理更加快速、高效、便捷與智能。具體技術(shù)應(yīng)用包括：1.如何通過(guò)人工智能優(yōu)化臨床影像流程，優(yōu)化診斷治療規(guī)劃2.如何通過(guò)人工智能與深度學(xué)習(xí)預(yù)測(cè)神經(jīng)疾病病人的預(yù)后和疾病發(fā)展3.如何通過(guò)人工智能與深度學(xué)習(xí)技術(shù)加速神經(jīng)影像流程4.如何通過(guò)人工智能與深度學(xué)習(xí)技術(shù)顯著減少放射性與顯影劑使用14:50–15:30Thursday,April12,2018基于TensorFlow的高效交互式深度學(xué)習(xí)平臺(tái)及應(yīng)用（AnefficientandinteractivedeeplearningplatformwithTensorFlow）Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）XiaoleiXu(上海新智新氦數(shù)據(jù)科技有限公司)目前單機(jī)多卡訓(xùn)練是深度學(xué)習(xí)的標(biāo)配，但是單機(jī)的GPU數(shù)目總有上限，因此如何通過(guò)多機(jī)多卡進(jìn)行高效的分布式訓(xùn)練就尤其重要。比如，如何將簡(jiǎn)單的單機(jī)程序快速部署到多機(jī)并得到相應(yīng)的加速比，如何使得對(duì)GPU的調(diào)度與大數(shù)據(jù)處理平臺(tái)無(wú)縫對(duì)接，并使GPU成為平臺(tái)上按需調(diào)度、動(dòng)態(tài)擴(kuò)容的資源，這些問(wèn)題的解決對(duì)算法迭代優(yōu)化起到關(guān)鍵作用。本次talk會(huì)詳細(xì)介紹如何基于Kubernetes和Docker構(gòu)建TensorFlow的微服務(wù)化應(yīng)用，具體從以下幾個(gè)方面展開：從少量樣本數(shù)據(jù)的單機(jī)快速原型設(shè)計(jì)驗(yàn)證，無(wú)縫切換到大量全數(shù)據(jù)的多機(jī)多卡分布式訓(xùn)練過(guò)程；一鍵啟動(dòng)分布式訓(xùn)練，即基于新氦定制的深度學(xué)習(xí)云平臺(tái)，用戶無(wú)需關(guān)注分布式細(xì)節(jié)，可直接通過(guò)可視化web界面進(jìn)行分布式參數(shù)配置和訓(xùn)練代碼提交，并可實(shí)時(shí)可視化監(jiān)控模型訓(xùn)練收斂性、系統(tǒng)資源消耗和模型輸出日志等；模型訓(xùn)練結(jié)束后可實(shí)時(shí)serving將模型快速部署到生產(chǎn)環(huán)境。16:20–17:00Thursday,April12,2018TensorFlow下的構(gòu)建高性能神經(jīng)網(wǎng)絡(luò)模型的最佳實(shí)踐Secondarytopics:深度學(xué)習(xí)（DeepLearning）李嘉璇(梅卡曼德)隨著神經(jīng)網(wǎng)絡(luò)算法在圖像、語(yǔ)音等領(lǐng)域都大幅度超越傳統(tǒng)算法，但在應(yīng)用到實(shí)際項(xiàng)目中卻面臨兩個(gè)問(wèn)題：計(jì)算量巨大及模型體積過(guò)大，不利于移動(dòng)端和嵌入式的場(chǎng)景；模型內(nèi)存占用過(guò)大，導(dǎo)致功耗和電量消耗過(guò)高。因此，如何對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，使盡可能不損失精度的情況下，能減少模型的體積，并且計(jì)算量也降低，就是我們將深度學(xué)習(xí)在更廣泛地場(chǎng)景下應(yīng)用時(shí)要解決的問(wèn)題。本次講解主要著眼于在安防、工業(yè)物聯(lián)網(wǎng)、智能機(jī)器人等設(shè)備，需要解決圖像、語(yǔ)音場(chǎng)景下深度學(xué)習(xí)的加速問(wèn)題，減小模型大小及計(jì)算量，構(gòu)建高性能神經(jīng)網(wǎng)絡(luò)模型。16:20–17:00Thursday,April12,2018BuildingacommercialnaturallanguageunderstandingsystemSecondarytopics:電信(Telecom),自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）SangkeunJung(SKTelecom)NaturallanguageunderstandingisacoretechnologyforbuildingnaturalinterfacessuchasAIspeakers,chatbots,andsmartphones.SangkeunJungoffersanoverviewofaspokendialogsystemandrecentlylaunchedAIspeaker,NUGU,andshareslessonslearnedbuildingacommerciallyefficientandsustainablenaturallanguageunderstandingsystem.16:20–17:00Thursday,April12,2018人工智能在欺詐檢測(cè)中的應(yīng)用Secondarytopics:金融服務(wù)(FinancialServices),零售業(yè)與電子商務(wù)(Retailande-commerce)ZhongWu(DataVisor)隨著互聯(lián)網(wǎng)不斷發(fā)展，面向用戶的線上網(wǎng)站服務(wù)也進(jìn)入極速發(fā)展期，吸引了大量的用戶，整個(gè)互聯(lián)網(wǎng)進(jìn)入“十億用戶時(shí)代”。一些有組織的欺詐團(tuán)伙利用這個(gè)特點(diǎn)，大量創(chuàng)建虛假賬戶或盜取正常用戶賬戶，以此潛伏在大量正常用戶中，在銀行、網(wǎng)站和手機(jī)應(yīng)用軟件上實(shí)施欺詐。由于規(guī)則引擎和傳統(tǒng)機(jī)器學(xué)習(xí)模型需要經(jīng)常更新、維護(hù)，而且只有在損失發(fā)生后才會(huì)生成相應(yīng)反應(yīng)機(jī)制，因此反欺詐團(tuán)隊(duì)很難領(lǐng)先一步走在欺詐者前面。人工智能的發(fā)展，給整個(gè)反欺詐領(lǐng)域帶來(lái)新的機(jī)會(huì)。16:20–17:00Thursday,April12,2018ModernizingthehealthcareindustrythroughAISecondarytopics:保健與醫(yī)療(HealthandMedicine)ArjunBansal(Intel)Precisionmedicinepromisestorevolutionizehealthcarebydeliveringbetterhealthoutcomesatlowercostbyeliminatingtrial-and-errormedicine,andIntelisworkingtomakethisareality.ArjunBansalsharesemergingalgorithmsandmodelsusedtoanalyzehealthcaredata,includingelectronichealthrecords,medicalimages,andpharmaceuticalandgenomicsdatasets.16:20–17:00Thursday,April12,2018高性價(jià)比AI產(chǎn)品在IoT設(shè)備上的實(shí)現(xiàn)Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,制造業(yè)與工業(yè)自動(dòng)化(ManufacturingandIndustrialAutomation)ShaoshanLiu(PerceptIn)通過(guò)深度學(xué)習(xí)技術(shù)，物聯(lián)網(wǎng)（IoT）設(shè)備能夠得以解析非結(jié)構(gòu)化的多媒體數(shù)據(jù)，智能地響應(yīng)用戶和環(huán)境事件，但是卻伴隨著苛刻的性能和功耗要求。我們探討了兩種方式以便將深度學(xué)習(xí)和低功耗的物聯(lián)網(wǎng)設(shè)備成功整合。16:20–17:00Thursday,April12,2018深度學(xué)習(xí)在Android平臺(tái)的應(yīng)用Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,深度學(xué)習(xí)（DeepLearning）xiahoaowang(TalkingData)目前，深度學(xué)習(xí)在移動(dòng)端的應(yīng)用越來(lái)越受到重視，從芯片制造商到手機(jī)廠商，一直到應(yīng)用開發(fā)者，都在為在智能手機(jī)上運(yùn)行深度學(xué)習(xí)模型做出了很多努，開發(fā)者一方面很難找到針對(duì)移動(dòng)端優(yōu)化過(guò)的解決特定應(yīng)用場(chǎng)景的模型，一方面不知道應(yīng)該如何選擇這些框架，TalkingData推出的AndroidDeepLearningFramework就為了解決這些問(wèn)題。我們提供了針對(duì)移動(dòng)平臺(tái)的各種類型的模型，以及它們?cè)谥髁鳈C(jī)型行的實(shí)測(cè)Benchmark，另外也提供了利用這些預(yù)訓(xùn)練模型和自己的數(shù)據(jù)集進(jìn)行再訓(xùn)練的服務(wù)器端腳本和自動(dòng)化工具，最后就是封裝了一個(gè)上層DLAPI，讓開發(fā)者可以支持各種移動(dòng)端深度學(xué)習(xí)框架，并為這些模型的使用提供統(tǒng)計(jì)分析服務(wù)。
4月13日，周五
11:15–11:55Friday,April13,2018微軟亞洲研究院的深度圖像合成技術(shù)Secondarytopics:計(jì)算機(jī)視覺(jué)（ComputerVision）BainingGuo(微軟亞洲研究院(MicrosoftResearchAsia))關(guān)于微軟亞洲研究院通過(guò)人工智能技術(shù)進(jìn)行圖像合成的最新研究概述。從把普通照片變成畢加索風(fēng)格的繪畫，到生成萊昂納多·迪卡普里奧（LeonardoDiCaprio）的新圖像，我們展示了深度學(xué)習(xí)所帶來(lái)的新的可能性。11:15–11:55Friday,April13,2018TransferlearningandthefutureofAISecondarytopics:深度學(xué)習(xí)（DeepLearning）,自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）Dr.CatherineHavasi(Luminoso)ThenextfrontierinAIistransferlearning,whichenablescomputerstoapplywhatthey’velearnedinonescenariotonewsituations,makingAI-basedsystemsfarmorepowerful,reusable,andflexible.Butisitreadyforenterprisedeployment,andifso,howcanitbeappliedtosolvebusinessproblems?JoinCatherineHavasitofindout.11:15–11:55Friday,April13,2018低精度計(jì)算用于深度學(xué)習(xí)推斷和訓(xùn)練BrianLiu(Intel)目前，商用的深度學(xué)習(xí)應(yīng)用大多使用32位單精度浮點(diǎn)數(shù)(fp32)進(jìn)行訓(xùn)練和推斷。已有不同的研究顯示在訓(xùn)練或推斷中使用更低精度表示（訓(xùn)練16位，推斷8位或更低；由于反向傳播中的梯度表示，訓(xùn)練需要相對(duì)較高精度）仍能保持基本相同的準(zhǔn)確度。低精度表示在未來(lái)數(shù)年內(nèi)很可能成為業(yè)界標(biāo)準(zhǔn)做法，尤其是針對(duì)卷積網(wǎng)絡(luò)應(yīng)用。低精度表示至少帶來(lái)了兩個(gè)好處。一是極大減少了模型的存儲(chǔ)量，提高了緩存效率，數(shù)據(jù)可以更快地在內(nèi)存、緩存、寄存器間搬移從而避免內(nèi)存訪問(wèn)成為瓶頸；二是硬件可能提供更高的計(jì)算能力（每秒運(yùn)算次數(shù)）。這里我們將回顧低精度表示用于深度學(xué)習(xí)訓(xùn)練或推斷的歷史，并展示英特爾是如何在志強(qiáng)可擴(kuò)展處理器上利用低精度表示進(jìn)行深度學(xué)習(xí)計(jì)算的（例如如何進(jìn)行數(shù)值量化）。11:15–11:55Friday,April13,2018基于ApacheSpark的彈性調(diào)度在GPU/CPU異構(gòu)環(huán)境中的深度學(xué)習(xí)應(yīng)用Secondarytopics:深度學(xué)習(xí)（DeepLearning）YonggangHu(IBM),JunfengLiu(IBM),FengKuan(IBMCanada)深度學(xué)習(xí)技術(shù)是從海量數(shù)據(jù)集中構(gòu)建人工智能的關(guān)鍵技術(shù)。將ApacheSpark與諸如Caffe,MxNet等深度學(xué)習(xí)框架的集成之后，可以使得后者的學(xué)習(xí)階段能夠大規(guī)模并行化,但在企業(yè)部署中會(huì)面臨很多問(wèn)題。我們將會(huì)分享我們?cè)谑褂肁pacheSpark進(jìn)行深度學(xué)習(xí)，特別是使用GPU的深度學(xué)習(xí)的方法以及相應(yīng)的認(rèn)知計(jì)算實(shí)際案例。11:15–11:55Friday,April13,2018無(wú)人駕駛技術(shù)產(chǎn)業(yè)鏈條Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,制造業(yè)與工業(yè)自動(dòng)化(ManufacturingandIndustrialAutomation),運(yùn)輸與物流(TransportationandLogistics)WeiyueWu(UniversityofOxford)無(wú)人駕駛技術(shù)是多個(gè)技術(shù)的集成，一個(gè)無(wú)人駕駛系統(tǒng)包含了多個(gè)傳感器，包括長(zhǎng)距雷達(dá)、激光雷達(dá)、短距雷達(dá)、車載攝像頭、超聲波、GPS、陀螺儀等。每個(gè)傳感器在運(yùn)行時(shí)都不斷產(chǎn)生數(shù)據(jù)，而且系統(tǒng)對(duì)每個(gè)傳感器產(chǎn)生的數(shù)據(jù)都有很強(qiáng)的實(shí)時(shí)處理要求。無(wú)人駕駛序幕剛啟，其中有著千千萬(wàn)萬(wàn)的機(jī)會(huì)亟待發(fā)掘。在此背景之下，過(guò)去的幾年中，自動(dòng)駕駛產(chǎn)業(yè)化在多個(gè)方面取得了很大進(jìn)步，其中合作共享已成為共識(shí)，產(chǎn)業(yè)鏈不斷整合，業(yè)界企業(yè)相繼開展合作，傳感器價(jià)格將不斷下降，預(yù)計(jì)在2020年，將有真正意義上的無(wú)人車面世。我們可以預(yù)測(cè)一個(gè)不遠(yuǎn)的未來(lái)，屆時(shí)所有行駛的車輛都是無(wú)人駕駛車，我們將迎來(lái)一個(gè)更加安全、更加清潔環(huán)保的世界。本次演講，我們將解析無(wú)人駕駛技術(shù)產(chǎn)業(yè)鏈條，分析無(wú)人駕駛發(fā)展和即將面臨的問(wèn)題。最后，將給出無(wú)人駕駛發(fā)展的路線圖，揭示在未來(lái)二十年內(nèi)無(wú)人駕駛的走勢(shì)。13:10–13:50Friday,April13,2018人工智能在高精地圖制作中的應(yīng)用焦加麟(UberTechnologiesInc)在無(wú)人車科學(xué)家和工程師們孜孜不倦的實(shí)踐和思辨中，高精地圖（HighDefinitionMap）事實(shí)上已經(jīng)成為現(xiàn)今無(wú)人車技術(shù)生態(tài)系統(tǒng)中的不可缺少的基礎(chǔ)設(shè)施之一。同樣是對(duì)現(xiàn)實(shí)世界道路網(wǎng)絡(luò)以及周邊環(huán)境的建模，比起一般的電子地圖，高精地圖必須精確到厘米級(jí)，同時(shí)需要更頻繁的更新以保證其正確性。如此高度的精確性和頻繁更新的要求，給高精地圖的制作帶來(lái)來(lái)巨大的挑戰(zhàn)，其中包括專用軟硬件的設(shè)計(jì)和研發(fā)、成千上萬(wàn)的城市的天文數(shù)字級(jí)別的數(shù)據(jù)的收集、處理、存儲(chǔ)和信息化、語(yǔ)義化等等。這一切，使得高精地圖的制作成本非常昂貴，需要耗費(fèi)大量的時(shí)間和人力。利用人工智能提高自動(dòng)化的程度，是降低成本、加快其制作過(guò)程的必須的手段。本議題將會(huì)深入淺出的介紹各種人工智能技術(shù)在高精地圖的制作中的各個(gè)環(huán)節(jié)中的應(yīng)用，以科普大眾并喚起專業(yè)人士對(duì)人工智能在無(wú)人車高精地圖制作中的應(yīng)用的興趣和重視。13:10–13:50Friday,April13,2018Thetensorprocessingunit:AprocessorforneuralnetworkdesignedbyGoogleSecondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）KazSato(Google)Thetensorprocessingunit(TPU)isaLSIdesignedbyGoogleforneuralnetworkprocessing.TheTPUfeaturesalarge-scalesystolicarraymatrixunitthatachievesoutstandingperformance-per-wattratio.KazunoriSatoexplainshowaminimalisticdesignphilosophyandatightfocusonneuralnetworkinferenceusecasesenablesthehigh-performanceneuralnetworkacceleratorchip.13:10–13:50Friday,April13,2018深度學(xué)習(xí)在智能教育中的應(yīng)用Secondarytopics:深度學(xué)習(xí)（DeepLearning）,自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）HuiLin(Liulishuo)教育的個(gè)性化和高效率離不開智能化。本次演講將結(jié)合“流利說(shuō)”在過(guò)去5年的實(shí)踐，從問(wèn)題定義、數(shù)據(jù)獲取、算法設(shè)計(jì)、模型優(yōu)化等方面介紹如何將深度學(xué)習(xí)運(yùn)用于語(yǔ)音識(shí)別、知識(shí)跟蹤、以及自然語(yǔ)言處理等領(lǐng)域。實(shí)驗(yàn)結(jié)果顯示，搭載這些智能技術(shù)的學(xué)習(xí)產(chǎn)品能將學(xué)習(xí)效率提升三倍。13:10–13:50Friday,April13,2018Deepreinforcementlearning’skillerapp:Intelligentcontrolinreal-worldsystemsSecondarytopics:制造業(yè)與工業(yè)自動(dòng)化(ManufacturingandIndustrialAutomation),增強(qiáng)學(xué)習(xí)（ReinforcementLearning）MarkHammond(Bonsai)MarkHammonddivesintotwocasestudieshighlightinghowdeepreinforcementlearningcanbeappliedtoreal-worldindustrialapplications.13:10–13:50Friday,April13,2018基于BigDL的超大規(guī)模圖像處理在京東的實(shí)踐Secondarytopics:計(jì)算機(jī)視覺(jué)（ComputerVision）,零售業(yè)與電子商務(wù)(Retailande-commerce)邱鑫(Intel)BigDL（基于ApacheSpark的大數(shù)據(jù)分布式的深度學(xué)習(xí)框架）為大規(guī)模圖像處理提供了豐富的端到端支持。我們將介紹如何使用BigDL搭建靈活性和高可擴(kuò)展性的端到端深度學(xué)習(xí)應(yīng)用程序。我們還將分享我們?cè)诰〇|構(gòu)建大規(guī)模圖像特征提取流水線的經(jīng)驗(yàn)。13:10–13:50Friday,April13,2018SmartData–從數(shù)據(jù)驅(qū)動(dòng)智能到智能駕馭數(shù)據(jù)Secondarytopics:設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）XiatianZhang(TalkingData)大數(shù)據(jù)直接推動(dòng)了人工智能的發(fā)展，但如何有效管理和利用大數(shù)據(jù)也一直是非常有挑戰(zhàn)的問(wèn)題。梳理數(shù)據(jù)，整理數(shù)據(jù)，利用數(shù)據(jù)都非常依賴于數(shù)據(jù)工程師，數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家的個(gè)人能力，經(jīng)驗(yàn)，以及責(zé)任心?；跀?shù)據(jù)創(chuàng)造和發(fā)展智能的一大瓶頸就在于這個(gè)過(guò)程非常的依賴于人。為了提高效率，降低基于數(shù)據(jù)的智能的成本，擴(kuò)大其應(yīng)用范圍，我們必須利用智能技術(shù)來(lái)處理和利用大數(shù)據(jù)，盡量減少對(duì)人的依賴。14:00–14:40Friday,April13,2018在TensorFlow中構(gòu)建和部署模型Secondarytopics:深度學(xué)習(xí)（DeepLearning）SherryMoore(Google)TensorFlow可以讓你進(jìn)行高速運(yùn)算，很多時(shí)候是在機(jī)器學(xué)習(xí)的情景下。SherryMoore將會(huì)介紹TensorFlow的最新進(jìn)展，包括TensorFlow立刻執(zhí)行機(jī)制和TensorFlowLite。她還會(huì)分享一些最佳實(shí)踐，并將演示機(jī)器學(xué)習(xí)的一些有用的應(yīng)用。14:00–14:40Friday,April13,2018LessonslearnedfromSinglesDay:UsingAItokeepecommerceandinternetbusinessglitchfreeShyamSundar(Anodot)ShyamSundarexplainshowtouseunsupervisedmachinelearningtokeepwebsitesandmobileappsrunningsmoothlyunderthestressofmassivenumberssuchasthoseseenonSinglesDay.Withthismethod,pricingerrors,conversionproblems,andbusinessopportunitiescanbecaughtearlyandresolved,protectingcompaniesagainstrevenuelossandbranddamage.14:00–14:40Friday,April13,2018計(jì)算機(jī)創(chuàng)作對(duì)聯(lián)、詩(shī)歌和音樂(lè)周明(微軟亞洲研究院(MicrosoftResearchAsia))創(chuàng)作詩(shī)歌、音樂(lè)是人類獨(dú)具的能力。然而，隨著深度神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)的發(fā)展，計(jì)算機(jī)已經(jīng)逐步具備了創(chuàng)作詩(shī)歌和音樂(lè)的能力。我們致力于把AI融入到創(chuàng)作過(guò)程中，并且?guī)椭胀▽?shí)現(xiàn)創(chuàng)作夢(mèng)想。為此，我們長(zhǎng)期以來(lái)進(jìn)行了對(duì)聯(lián)、詩(shī)詞的研究。2005年就開發(fā)了中文對(duì)聯(lián)系統(tǒng)(http://duilian.msra.cn).。以后又陸續(xù)開發(fā)了格律詩(shī)寫作，猜字謎和出字謎。2016年開發(fā)了小冰寫詩(shī)。目前我們正在探索先進(jìn)的神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)來(lái)模仿人類的音樂(lè)創(chuàng)作過(guò)程。我們采用了融入上下文的編碼-解碼方法來(lái)產(chǎn)生詩(shī)歌、歌詞和譜曲。取得了富有希望的成果。我們的電腦音樂(lè)創(chuàng)作已經(jīng)在CCTV的機(jī)智過(guò)人節(jié)目播出。獲得好評(píng)，由電腦寫出歌詞，然后配上曲譜，然后通過(guò)聲音合成，唱出歌曲。14:00–14:40Friday,April13,2018BuildingdeepreinforcementlearningapplicationsonBigDLandSparkSecondarytopics:增強(qiáng)學(xué)習(xí)（ReinforcementLearning）,深度學(xué)習(xí)（DeepLearning）ArseniiMustafin(FudanUniversity)Deepreinforcementlearningisathrivingareaandhaswideapplicationsinindustry.ArseniiMustafinshareshisexperiencedevelopingdeepreinforcementlearningapplicationsonBigDLandSpark.14:00–14:40Friday,April13,2018自動(dòng)駕駛系統(tǒng)中的人工智能:ArtificialintelligenceinautonomousvehiclesystemsSecondarytopics:運(yùn)輸與物流(TransportationandLogistics)LiyunLi(百度美國(guó)硅谷研發(fā)中心)盡管人工智能技術(shù)已經(jīng)在諸如計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理等領(lǐng)域獲得了巨大的成功，如何在自動(dòng)駕駛系統(tǒng)中有效地利用AI的能力仍然是一個(gè)很大的挑戰(zhàn)。我們將以"Apollo"這一百度的開源無(wú)人駕駛平臺(tái)系統(tǒng)做為基準(zhǔn)和樣例,深入討論并且分享在搭建智能的無(wú)人駕駛系統(tǒng)各個(gè)方面利用AI技術(shù)的實(shí)踐和經(jīng)驗(yàn)。通過(guò)講解Apollo無(wú)人駕駛系統(tǒng)背后的設(shè)計(jì)理念以及各個(gè)功能模塊，我們將分享并展示AI技術(shù)在Apollo無(wú)人駕駛系統(tǒng)中各方面的應(yīng)用,包括環(huán)境感知，行為預(yù)測(cè)，行為決策，以及控制規(guī)劃等。同時(shí)我們將結(jié)合Apollo系統(tǒng)中的端到端學(xué)習(xí)實(shí)踐，探討AI技術(shù)在未來(lái)無(wú)人駕駛系統(tǒng)中更好的應(yīng)用場(chǎng)景。14:00–14:40Friday,April13,2018大規(guī)模人工智能在優(yōu)步：大數(shù)據(jù)和機(jī)器學(xué)習(xí)的雙城記Secondarytopics:設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）ZhenxiaoLuo(Uber)優(yōu)步應(yīng)用大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)技術(shù)為客戶尋找最舒適的出行地點(diǎn)，預(yù)測(cè)最佳的航行路線，從而更好的服務(wù)客戶需求。在這個(gè)講座中，我們將討論優(yōu)步如何建立起大數(shù)據(jù)系統(tǒng)，和機(jī)器學(xué)習(xí)系統(tǒng)，并逐漸將兩個(gè)系統(tǒng)統(tǒng)一起來(lái)。我們會(huì)重點(diǎn)討論優(yōu)步大數(shù)據(jù)的緩存策略，以及如何有效的應(yīng)用緩存來(lái)支持大規(guī)模的機(jī)器學(xué)習(xí)。14:50–15:30Friday,April13,2018視覺(jué)智能及其在機(jī)器人行業(yè)中的應(yīng)用Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）,制造業(yè)與工業(yè)自動(dòng)化(ManufacturingandIndustrialAutomation),計(jì)算機(jī)視覺(jué)（ComputerVision）,運(yùn)輸與物流(TransportationandLogistics)李忠偉(深圳普思英察科技有限公司（PerceptInChina）)本演講主要闡述視覺(jué)智能（VisualIntelligence）的定義，傳感器分類和介紹，流行算法和介紹，應(yīng)用場(chǎng)景以及創(chuàng)新點(diǎn)。介紹視覺(jué)傳感器的發(fā)展歷史以及分類，包括被動(dòng)光攝像頭和主動(dòng)光攝像頭以及其他衍生傳感器介紹基于視覺(jué)的算法：深度學(xué)習(xí)算法和SLAM算法介紹視覺(jué)智能在機(jī)器人行業(yè)中的應(yīng)用，包括家庭機(jī)器人，服務(wù)類機(jī)器人，無(wú)人駕駛汽車。最后介紹多傳感器融合的解決方案在機(jī)器人行業(yè)的應(yīng)用以及必要性。14:50–15:30Friday,April13,2018OptimizingdeeplearningframeworksformodernIntelCPUsHumaAbidi(Intel)Intelhasbeenoptimizingdeeplearningframeworks(incollaborationwithframeworkowners)forIntelXeonprocessorsbasedonitsSkylakemicroarchitecture.HumaAbididetailsthesecollaborativeoptimizationefforts,particularlyforTensorFlowandMXNet,explainshowuserscanleveragetheseoptimizations,andsharesspecifictuningtipstogetthebestperformanceonSkylakeplatforms.14:50–15:30Friday,April13,2018用深度學(xué)習(xí)給地圖換新顏Secondarytopics:深度學(xué)習(xí)（DeepLearning）,運(yùn)輸與物流(TransportationandLogistics)LiLi(ESRI)制圖學(xué)是一個(gè)歷史悠久的學(xué)科。古希臘地理學(xué)家C.托勒密的《地理學(xué)指南》就是一部地圖制圖學(xué)著作。托勒密認(rèn)為地理學(xué)就是“以線畫形式描繪地球上所有迄今已知的部分及其附屬的東西”。幾百年以來(lái)，地圖學(xué)領(lǐng)域都沒(méi)有重大突破。深度學(xué)習(xí)作為一個(gè)新的技術(shù)已經(jīng)滲透到了各個(gè)行業(yè)。帶來(lái)了各種各種的技術(shù)革新。本講座就是探討如何用深度學(xué)習(xí)來(lái)給地圖換裝。然后展示一些用深度學(xué)習(xí)技術(shù)給地圖換裝的結(jié)果。并討論，深度學(xué)習(xí)在制圖領(lǐng)域的應(yīng)用。14:50–15:30Friday,April13,2018Databases:Thepast,thepresent,andthefutureofcognitivecomputingSecondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）HaikalPribadi(GRAKN.AI)TherelationaldatabaseenabledtheriseofBIsystems,andNoSQLdatabasesenabledwebscaleapplications.Now,thefutureiscognitivecomputing.However,thesesystemsprocessdatathatismorecomplexthanbefore.HaikalPribadireviewstheevolutionofdatabasesandexplainswhereknowledgegraphsandbasessitinthisevolution.Couldtheyserveasthenextgenerationofdatabases?14:50–15:30Friday,April13,2018把AI注入BI:Kensho–微軟的自動(dòng)化商業(yè)指標(biāo)監(jiān)控和診斷工具Secondarytopics:設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）TonyXing(Microsoft),BixiongXu(Microsoft)在這個(gè)議題中，我們會(huì)介紹Kensho,一個(gè)基于AI的商業(yè)指標(biāo)監(jiān)控與診斷工具,我們通過(guò)將AI元素注入這個(gè)BI工具，從而構(gòu)建來(lái)服務(wù)不同的微軟團(tuán)隊(duì)的歷程。我們的從中學(xué)到的經(jīng)驗(yàn)教訓(xùn)，技術(shù)的選擇和煙花，架構(gòu)，算法等等。通過(guò)工程+數(shù)據(jù)科學(xué)解決了一個(gè)工業(yè)界的一個(gè)通用需求。16:20–17:00Friday,April13,2018華為人工智能平臺(tái)的探索與實(shí)踐Secondarytopics:電信(Telecom),自然語(yǔ)言與語(yǔ)音技術(shù)（NaturalLanguageandSpeechTechnologies）,設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）張華(華為技術(shù)有限公司)（1）闡述下華為是怎么定義與認(rèn)識(shí)人工智能這座山峰的（2）華為的人工智能平臺(tái)邏輯架構(gòu)（3）華為的這座人工智能山峰，在自然語(yǔ)言處理與機(jī)器學(xué)習(xí)中的技術(shù)棧（4）在NLP+ML上的應(yīng)用探索（5）構(gòu)建細(xì)而窄領(lǐng)域的知識(shí)圖譜的探索及應(yīng)用16:20–17:00Friday,April13,2018Featureengineering:ThemissinglinkinapplyingmachinelearningtodeliverbusinessvalueHendraSuryanto(RichDataCorporation)HendraSuryantosharesacasestudyfromaCanadianfinanciallenderthathiscompanyhelpedtransitionfrommanualtoautomatedcreditdecisioning,usinggradientboostingmachineanddeeplearningtobuildthemodel.Inadditiontomodelingtechniques,Hendrahighlightstherolefeatureengineeringplaysinimprovingmodelperformance.16:20–17:00Friday,April13,2018深度學(xué)習(xí)與地質(zhì)學(xué)能碰撞出什么樣的火花？Secondarytopics:深度學(xué)習(xí)（DeepLearning）李蒼柏(中國(guó)地質(zhì)科學(xué)院礦產(chǎn)資源研究所)眾所周知，現(xiàn)在的深度學(xué)習(xí)已經(jīng)在各個(gè)行業(yè)開始了應(yīng)用。但是深度學(xué)習(xí)如何與地質(zhì)行業(yè)相結(jié)合，這還是一個(gè)新興的話題，國(guó)外目前，已經(jīng)開始用深度學(xué)習(xí)來(lái)處理實(shí)驗(yàn)室地震數(shù)據(jù)，用以提高地震預(yù)測(cè)的時(shí)間；國(guó)內(nèi)也已經(jīng)有很多人用卷積神經(jīng)網(wǎng)絡(luò)開始對(duì)巖石圖像數(shù)據(jù)進(jìn)行處理，這次議題我做的報(bào)告是，在介紹前人工作的基礎(chǔ)上，介紹一下自己在地質(zhì)上的應(yīng)用！16:20–17:00Friday,April13,2018SmartdiagnosisinhealthcarewithdeeplearningSecondarytopics:保健與醫(yī)療(HealthandMedicine),深度學(xué)習(xí)（DeepLearning）NishantSahay(WiproLimited)DeeplearningwithConvNetinparticularhasemergedasapromisingtoolinmedicalresearchlabsanddiagnosticcenterstohelpanalyzeimagesandscans,andsystemsarenowsurpassinghumancapabilityformanualinspection.NishantSahayexplainshowtoapplydeeplearningtoanalyzehigh-endmicroscopeimagesandX-rayscanstoprovideaccuratediagnosis.16:20–17:00Friday,April13,2018人工智能時(shí)代，二手交易平臺(tái)的智能推薦系統(tǒng)如何演進(jìn)Secondarytopics:傳媒、廣告、娛樂(lè)(Media,Advertising,Entertainment),設(shè)計(jì)AI平臺(tái)（DesigningAIplatforms）,零售業(yè)與電子商務(wù)(Retailande-commerce)孫玄(轉(zhuǎn)轉(zhuǎn)公司)轉(zhuǎn)轉(zhuǎn)的推薦系統(tǒng)從0開始打造，針對(duì)業(yè)務(wù)的不同階段，一步步發(fā)展演進(jìn)。在發(fā)展的過(guò)程中經(jīng)歷了全局無(wú)個(gè)性化推薦階段、個(gè)性化離線推薦階段、個(gè)性化實(shí)時(shí)推薦階段、機(jī)器學(xué)習(xí)排序推薦階段等。本文會(huì)詳細(xì)講解不同發(fā)展階段的原因、架構(gòu)&算法的演進(jìn)，讓同學(xué)們對(duì)二手交易平臺(tái)的智能推薦系統(tǒng)能夠深刻認(rèn)識(shí)。16:20–17:00Friday,April13,2018多核嵌入式智能系統(tǒng)的實(shí)時(shí)調(diào)度策略及實(shí)現(xiàn)Secondarytopics:AI應(yīng)用的硬件、軟件棧（HardwareandSoftwarestackforAIapplications）韓建軍(華中科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院)嵌入式AI與云端AI的協(xié)同融合已成為當(dāng)今人工智能計(jì)算系統(tǒng)的主流方式。首先介紹嵌入式AI的應(yīng)用范圍、特點(diǎn)及其發(fā)展趨勢(shì)。面向異構(gòu)多核+特定加速器的嵌入式計(jì)算系統(tǒng)，基于資源共享的多核體系結(jié)構(gòu)，結(jié)合無(wú)人駕駛、機(jī)器人等AI領(lǐng)域的混合關(guān)鍵實(shí)時(shí)系統(tǒng)，針對(duì)制約實(shí)時(shí)應(yīng)用效率提升的關(guān)鍵因素，從實(shí)時(shí)應(yīng)用的調(diào)度算法、調(diào)度策略及Linux操作系統(tǒng)實(shí)現(xiàn)等方面，匯報(bào)當(dāng)前的研究進(jìn)展。側(cè)重多核系統(tǒng)中資源競(jìng)爭(zhēng)限制下的實(shí)時(shí)可調(diào)度理論、劃分調(diào)度算法、節(jié)能調(diào)度機(jī)制、操縱系統(tǒng)實(shí)現(xiàn)等相關(guān)內(nèi)容，介紹目前的高效調(diào)度策略及技術(shù)實(shí)現(xiàn)方案，用以提高嵌入式智能系統(tǒng)的資源利用率、并行效能及能量效率。面向嵌入式AI系統(tǒng)的發(fā)展趨勢(shì)，從主流的計(jì)算平臺(tái)體系結(jié)構(gòu)的特征分析出發(fā)，提出當(dāng)前實(shí)時(shí)調(diào)度理論及應(yīng)用實(shí)現(xiàn)中尚存的關(guān)鍵問(wèn)題，共同探討可行解決方案及技術(shù)手段，為奠定嵌入式AI系統(tǒng)中實(shí)時(shí)應(yīng)用的理論及實(shí)踐的基礎(chǔ)提供有益思路。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
