作者:辛媛
随着数字化转型的大潮，分布式、去中心化的AI模型和算法需求越来越突出，不同算法和模型的有机结合成为实际应用中的主流选择。此外，多模态、无监督、可解释、自我学习、自我进化等。都是当前AI领域需要重点关注的研究方向。
那么，这些AI领域的“灵魂”特征有了哪些新的进展？国内外各大AI巨头是如何最大限度发挥其模型性能的？想了解人工智能算法模型的发展和前沿探索，AISummit的“算法模型的创新之路”专场不容错过！
峰会特刊
8月6-7日，AISummit全球人工智能技术大会将以网络直播的形式在官网如期举行，预计将有10万人参加。本次大会以“驱动创新与数字智能”为主题，主要面向科技型企业的中高端技术管理者和技术从业者，正在进行数字智能转型的企业管理者，以及对人工智能领域感兴趣的人士和创业者。大会还将邀请近百位知名互联网科技公司的技术精英、数字智能转型期的传统企业管理者、前沿学术机构的专家学者，共同探讨人工智能的行业驱动力，探讨人工智能的前沿创新技术，畅谈人工智能时代的“数字智能”浪潮。
在本届AISummit上，在“算法模型创新之道”专场，来自字节跳动、Aauto Quicker、阿里达摩院、腾讯的多位资深技术负责人和专家，从业务实践的角度分享了机器学习算法模型创新的先进案例和技术思维。
主题详细信息
议题一:字节AI机器翻译技术的应用与挑战
演讲人:王明选，字节跳动人工智能实验室机器翻译负责人
内容预览:
如今，机器翻译已经应用于信息发布、信息交流等多个场景。人工智能技术提高了信息内容的创造，但机器翻译仍然面临一些挑战，如稀缺资源的翻译、多语言翻译、文本翻译等。但是，增加数据量，建立统一的表示，创造新的机器翻译范式，仍然是未来需要解决的问题。
这次分享的是字节跳动AI Lab机器翻译负责人王明选带来的byte AI机器翻译技术的应用，以及机器翻译未来将面临的挑战。
话题二:Aauto更快的短视频推荐在线重排系统。
主讲人:丁，汽车快消资深算法专家
内容预览:
部署在云端的主流推荐系统可以做到分钟级的近实时，而部署在末端的推荐系统得益于其链接特性，可以做到秒级的实时反馈。
这篇分享从几个方面介绍了在线实时重排在Aauto更快短视频推荐系统中的应用和创新:
上端倒换系统的特色基础设施，云结合最小计算能力和带宽约束的选型方案；
上重排系统的特征建模方法，在极小参数空的约束下，特征工程和模型结构的精细化处理，单点预测的AUC评价都明显优于已发表的SOTA算法；
顶重排序系统的特征排序机制，在最小候选空的限制下，改进了列表式排序方案。
议题三:阿里大规模训前对话模式的实践
演讲嘉宾:李永斌，资深算法专家，阿里达摩院对话智能技术负责人
内容预览:
如何在预训练模型中注入人类知识，将知识和数据有机融合，一直是AI研究中的难题。但是一个模型只能解决一个任务，通用性差是AI的一个大问题。
预培训模式可能是解决问题的途径。可以举一反三，解决各种任务。
但是知识注入并不容易，因为知识在数量级上比无标签数据小很多，简单的混合很容易导致知识泛滥或者严重的过拟合。
利用半监督学习将知识注入预训练对话模型，从而实现知识和数据的有机融合，将是人机对话领域第一个将知识注入预训练模型的解决方案。
此次，资深算法专家、阿里达摩院对话智能技术负责人李永斌将结合训练分享阿里大规模对话模型的实战讲解。如何利用半监督学习将已标记的人类知识注入到训练前的对话模型中，探索知识与数据融合的新路径。
议题四:视频内容理解的探索与发展
主讲人:谢晓辉，腾讯在线视频技术专家
内容预览:
所有深耕AI领域的人都会发现，语义鸿沟是一个非常具有挑战性的问题，需要借助知识图谱等技术来帮助整个AI认知取得新的进展。
此次，腾讯在线视频技术专家谢晓辉将分享视频内容理解的前沿探索与发展。包括视频内容理解技术的现状和挑战，以及视频内容理解在腾讯业务的最新实践。
预订方法
点击AISummit全球人工智能技术大会官网，按照提示填写并提交信息，完成注册。
