5月27日-28日，由机器之心SYNCED主办的2017全球智能机峰会将在北京正式召开。这是由机器之心主办的第一次GMIS会议。从大咖参与、人机大战，到五大主题环节和IME主题展览的设置，可谓亮点纷呈。
此外，我们还开展了志愿者招募和书籍捐赠活动。距离大会正式开幕还有11天。相信你已经准备好了你最喜欢的演讲和分享。在本文中，我们将对GMIS 2017大会上出现的前沿技术分享做一个前瞻性的介绍，希望对您规划参会有所帮助。
从深度强化学习到生成对抗网络，再到超大规模深度学习，机器学习的边界在研究的推动下不断扩展，这赋予了计算机许多前所未有的强大能力——有些能力甚至已经超过了最优秀的人类的水平。在本次GMIS大会上，来自多个领域的众多科学家和研究人员将分享他们对机器学习研究现状和未来的看法，涵盖无监督学习、语音识别、语音降噪、视觉信息处理、迁移学习、认知对话等计算机领域，以及语言学和神经科学等交叉学科。
第一天:从无监督学习到跨学科学习
大会首日，被誉为“LSTM之父”的深度学习神经网络先驱于尔根·施密德胡伯(Jürgen Schmidhuber)将首先带来主题为“真正的人工智能将改变一切”的开幕演讲。在这次演讲中，Schmidhuber将讨论人工智能，这是21世纪最重要的变革力量之一。他认为人工智能即将改变我们人类文明的方方面面。作为通用人工智能的重要支持者，他也将在GMIS 2017上讲述自己对人工智能未来的看法，也会畅想人工智能与人类文明的共同命运。
接下来，微软人工智能首席科学家李征将分享无监督学习的最新进展。他认为，传统的无监督学习方法，如聚类方法、GAN和变分自编码器，侧重于对输入数据的结构进行建模，而李征将通过探索输出结构来探索一种无监督学习的方法，并针对这种学习技术的新成本函数问题提出了一种新技术——随机原始-对偶梯度。
研究论文“使用顺序输出统计的无监督学习方法”已经发表在arXiv:https://arxiv.org/abs/1702.07817,上。请在参加讲座之前阅读该论文。
在了解了无监督学习的前沿进展后，腾讯AI实验室副主任于冬将为我们洞察语音识别的前沿研究。
语音识别已经研究了几十年，近年来在深度学习的驱动下，语音识别的准确率在一些评测标准上已经超过了人类的水平。然而，语音识别仍然存在一些问题需要解决，比如“鸡尾酒会问题”。于冬将在2017年GMIS上带我们回顾语音识别领域的过去和现在，并探讨那些悬而未决的问题。不要错过这个讲座，或许你能找到下一个研究或创业的方向。在参加大会之前，看一下这篇文章《机器之心年度盘点|从技术角度回顾2016年语音识别的发展》可能会有所帮助。
第一天下午的三个环节中，第一个环节是专门研究机器学习的。
首先，俄亥俄州立大学感知与神经动力学实验室主任、大象声学首席科学家王德亮将分享“基于深度学习的语音降噪技术”。作为世界上第一个将深度学习应用于语音增强的科学家，王教授正在利用深度学习技术解决“鸡尾酒会问题”，即如何让计算机在嘈杂的环境中正确识别人说话的声音。王教授将在2017上分享他在这方面的研究成果。如果你也从事这方面的工作，一定不要错过这种新锐的声音。更多信息请参考深度|听！具有深度学习能力的助听器是如何工作的？》
之后，地平线机器人创始人余凯将在自动驾驶中解读深度学习。众所周知，自动驾驶涉及到很多与人工智能相关的技术——计算机视觉、预测、决策...而且对运算速度和实时性也要求很高。本次GMIS环节，余凯将从技术角度分享深度学习在自动驾驶中的应用，让你了解自动驾驶系统从感知到决策的全过程。这将是一个枯燥的演讲。这两篇文章，《重量级|自动驾驶计算机视觉研究概述:问题、数据集和前沿成果》和《深度|解读英伟达自动驾驶技术:面向自动驾驶汽车的端到端深度学习》，或许有助于做一些准备。
还记得清华大学机器学习小组的珠算开源软件库吗？据了解，使用珠算，用户可以享受到多个GPU支持的深度学习和高效训练的强大拟合能力。同时，它们可以通过生成模型对复杂环境进行建模，充分利用未标记数据，通过严格的贝叶斯推理处理不确定性。在这个环节中，清华大学副教授朱军将进一步解读这个软件库。
另一个会议是为机器学习和其他领域之间的跨学科设计的。
其中，人工智能领域的成功叛逆者加里·马库斯(Gary Marcus)将对控制智能和机器智能进行全面概述。
接下来，北师大认知神经科学与学习国家重点实验室的伍肆教授将分享视觉信息处理的动态规律。他将从神经科学的角度论证和分析为什么“动态信息处理是智能的关键，预测是动态信息处理的关键”。从这个角度，相信你可以对机器智能和人类智能有一个新的认识。
你看过今年年初在中国上映的科幻电影《降临》吗？你从中感受到语言学的陌生了吗？今年的GMIS还有幸邀请到了《降临节》的科学顾问、麦吉尔大学语言学副教授杰西卡·库恩(Jessica Coon)。她将解释降临节背后的语言学，并带你进入外星人、语言学田野调查和普遍语法的神奇领域。
在了解了语言学的魅力之后，杉浦科技联合创始人、首席科学家、上海财经大学跨学科研究院院长葛冬冬将带我们走进运筹学领域。运筹学是研究如何更有效地处理事物的学科；现在，从管理、金融、计算机、军事到日常生活中的具体问题，运筹学都能给出切实可行的解决方案。在GMIS，葛冬冬将探讨人工智能时代共享优化运营的挑战和机遇，以及该领域的行业实践方法和工作方向。想在此之前了解更多运筹学及其与人工智能的交叉学科？查看机器之心关于甘蔗技术的特别报道“这家公司正在影响大公司的决策，并开发了一个机器学习优化引擎”。
本届会议将以主题为“机器学习的前沿与跨学科研究”的圆桌论坛结束。届时，前述李征、于冬、伍肆、Bay Labs科技负责人Johan Mathe、麦克马斯特大学工程实践与技术学院助理教授高震等研究人员将齐聚一堂，进行思想碰撞。在这里，你可能会收获意想不到的想法和启迪。
在接下来以“先锋青年”为主题的环节中，两位青年科学家将通过演讲分享他们对机器学习前沿的研究和思考。
首先，第四范式联合创始人兼首席研究科学家陈雨强将分享他对于机器学习模型的「深度」和「宽度」的看法——模型是越深越好还是越宽越好？我们该如何找到这两者之间的平衡，希望你能在这里找到答案。这会是一场干货十足的分享，如果你想做更好的准确，不妨先浏览一下机器之心之前的
