#论坛活动#语言智能研究院成立仪式暨语言智能学术论坛即将召开
时间:2019年6月15日(周六)
地点:北京语言大学逸夫报告厅
会议日程
8:30—9:00
北京语言大学逸夫报告厅,与会嘉宾报到
9:00—10:05
语言智能研究院挂牌仪式
10:05—10:20
合作单位签约仪式
10:20—10:30 茶歇
10:30—12:00语言智能学术论坛:语言知识工程与语言智能学科建设
14:00—18:15语言智能系学术论坛系列学术报告
语言智能学术论坛
语言知识工程与语言智能学科建设(时间:10:30-12:00)
引导报告:宋柔教授
论坛主持:荀恩东教授
研讨嘉宾:黄河燕教授、李宇明教授、宋柔教授、孙乐教授、张桂平教授、张民教授(音序)
题目:人工智能正在从感知走向认知
主讲人:语言智能研究院名誉院长、哈尔滨工业大学李生教授
时间:14:00-14:30
摘要:人工智能具有感知和认知两大功能。人类已经步入了智能社会,深度学习是当前人工智能最有效的算法。深度学习算法在感知智能上已有所突破,认知智能还在路上。加强基础理论研究,软件算法与硬件芯片结合,知识推理与数据统计结合,机器计算与人类认知结合,探索一条未来人工智能的新路径。
题目:神经自然语言处理的三个挑战
主讲人:微软亚洲研究院周明研究员
时间:14:30-15:00
摘要:最近五年来基于神经网络的自然语言处理(简称神经自然语言处理)得到了迅猛发展,形成了一整套的技术,报告词编码、句子编码、编码-解码模型、注意力机制、Transformer,以及预训练模型。在机器翻译、阅读理解、文本生成、聊天机器人等许多领域取得了突破进展。但是,神经自然语言处理仍然面临许多困难。我在本讲座主要谈三个方面的问题,包括在拥有丰富训练样本时,数据偏差造成的困难和建模能力不足;在缺乏训练数据时,现有无监督学习的困难;以及在处理多轮任务所需要的推理机制遇到的困难。对以上这些问题,我将提出一些初步的见解,供大家参考。
题目:如何跨越从 NLP 到 NLU 的鸿沟?
主讲人:中科院自动化研究所宗成庆研究员
时间:15:00-15:30
题目:语言认知智能和自然语言情感分析
主讲人:语言智能研究院首席科学家苏州大学张民教授
时间:15:30-16:00
摘要:人类已经进入人工智能时代,语言智能的研究是走向强人工智能必由之路,在相关学科和产业界的巨大推动下,自然语言处理取得了长足进展。情感是人类智能的主要表现之一,语言情感分析是自然语言处理的热点研究方向。告将围绕自然语言处理、语言情感分析的基本科学问题、技术、方法和应用从学术界和产业界角度进行讨论和交流。
16:00-16:15 茶歇
题目:智能教育发展现状与未来趋势
主讲人:哈尔滨工业大学刘挺教授
时间:16:15-16:45
摘要:当前正处于人工智能第三次浪潮,人类社会全面进入智能时代,目前的工业时代的教育支撑体系已经不能有效支撑智能时代的人才培养需求。人工智能必将推动教育体系的变革,改造未来的教育场所、解放教学生产力、重塑教学中心、培养创新型人才。国内外大批创业公司已经嗅到了智能教育的机会,纷纷投入到以“自适应学习”为代表的教育市场。未来智能教育的发展除了充分利用高科技提高教育生产力外,也不能忽视对学生灵魂和幸福的关怀,真正做到“以人为本”。
题目:面向汉语国际教育的智能语音教学技术研究
主讲人:北京语言大学张劲松教授
时间:16:45-17:15
摘要:伴随着汉语国际教育需求的巨大增长,汉语教师资源、教育资源存在匮乏的问题,语音学习更是成为普通话推广及汉语国际教育中的短板,严重制约了语言文化广泛传播与繁荣战略的实施。告介绍北京语言大学智能语音习得技术实验室通过研究智能语音教学技术,来寻求上述问题解决方案的探索。具体工作包括探索二语语音的知觉、习得规律,研究知觉训练、自动发音评价和反馈生成等技术,并通过教学实践检验相关技术的有效性。 虽然这种技术目前尚不完美,但是已经展现了一些优良的特性:创造个性化学习环境,提高学习效率,弥补教师资源欠缺等。因此,对于汉语国际教育推广的语音教学走出困境有着重要的学术意义和应用价值。
题目:中文医学知识图谱构建及相关技术
主讲人:北京大学穗志方教授
时间:17:15-17:45
摘要:告介绍中文医学知识图谱CMeKG1.0的研制过程及相关技术,包括:医学知识图谱描述体系的建立、人机互助的构建策略、基于NLP的医学文献内容挖掘、目前的进展、面临的问题及进一步深化的策略。
题目:基于组块依存文法生成汉语意合图
主讲人:北京语言大学荀恩东教授
时间:17:45-18:15
摘要:自然语言处理被认为是人工智能皇冠上的明珠,实现机器的自然语言理解是其核心目标。语言理解的本质是对自然语言中的语义信息进行识别、加工并实现反馈。语法结构是语义关系的承载和支撑,与语义关系存在紧密的关系,是语义关系识别的基础。句法、语义联合处理成为了自然语言理解的核心工作。汉语是重语义轻形态的分析型语言,单一的基于训练数据的端到端模型很难解决复杂的语义问题,而且面向具体应用时,往往缺乏训练深度模型的大规模数据。因此,构建一种以语义为核心的知识表征形式,建立面向计算和应用的形式化知识体系,将符号计算与深度神经计算相融合,建设大规模高质量的知识资源都成为语言智能实现产业落地的重要部分。
Selina
Jing
Selina2022
Selina2022
小何在地球