热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

研究院正式启动“智源学者计划”,公布候选人名单,并发布首个联合实验室...

4月16日,北京智源人工智能研究院在北京会议中心召开“智源学者计划启动暨联合实验室发布会”。北京市科委副主任张光连、海淀区委常委、副区长李俊杰、北京科技创新投资管理有

4月16日,北京智源人工智能研究院在北京会议中心召开“智源学者计划启动暨联合实验室发布会”。北京市科委副主任张光连、海淀区委常委、副区长李俊杰、北京科技创新投资管理有限公司董事长刘克峰、旷视科技首席科学家孙剑教授、奇虎360人工智能研究院颜水成教授、清华大学计算机系孙茂松教授、人民大学信息学院文继荣教授等出席会议。

来自北京市科委、中关村管委会、海淀区政府、朝阳区政府等北京有关部门的领导;北京脑科学与类脑研究中心、北京量子信息科学研究院、北京生命科学研究所等新型研发机构,北京亦庄国际投资发展有限公司等投资机构,中关村人工智能园、中关村人工智能创新创业基地、中关村集成电路园、中关村领创空间等产业园区,北京首都科技发展集团、百度、小米、字节跳动、美团点评、旷视科技等智源研究院发起单位代表等共计200人参加了会议。

会议由北京智源人工智能研究院副院长刘江主持。刘江介绍,自2018年11月成立以来,按照《北京市支持建设世界一流新型研发机构实施办法(试行)》(京政字〔2018〕1号)文件精神,积极探索新型科研管理等机制体制创新,将按照国家新一代人工智能发展规划总体部署,实施“智源学者计划”,支持科学家勇闯人工智能科技前沿“无人区”,同时,与北京优势高校院所和骨干企业共建联合实验室,开展跨学科、大协同的创新攻关,引领未来人工智能基础研究方向。

智源学者计划发布

支持人才勇闯人工智能“无人区”

北京智源人工智能研究院院长黄铁军介绍,此次发布的“智源学者计划”,是智源研究院打造高层次基础研究人才队伍的引领性工程,旨在面向当前和未来人工智能创新发展,选拔并培养一批德才兼备、具有国际影响力的学科领军人才和具有发展潜力的青年学术英才,构建富有创新能力、梯队合理的人工智能基础研究创新团队,建立面向未来人工智能发展的高端人才储备,引领未来人工智能基础研究方向,推动北京人工智能产业创新发展。

“智源学者计划”为从事人工智能基础研究的科学家营造了良好的科研环境,给予科学家充分的尊重和信任,将技术路线决策权和人财物支配权全部交于科学家,试点科技经费“包干制”,使科学家可以心无旁骛、潜心研究、创新突破。

“目标是要找到最好的人,给他自由支配的经费,提供他需要的资源,支持开展人工智能领域特定方向上的重大基础问题研究,或者开展前沿问题的自由探索”——黄铁军如是说。

“智源学者计划”将依托北京大学、清华大学、中科院等优势高校院所,以及北京市人工智能骨干企业研究院,重点支持四类人才:

  1. 智源科学家首席(CS)

  2. 智源研究项目经理(PM)

  3. 智源研究员(PI)

  4. 智源青年科学家

其中,智源首席科学家(CS)由领域内顶尖专家学者担任,负责研究方向的整体规划布局,并推荐智源研究员(PI)人选;智源研究项目经理(PM)则兼备技术和管理才能,协助CS管理项目,并负责多方沟通;智源研究员(PI)是所属研究领域的领军人才,开展确定领域的科研活动。

智源青年科学家是38岁以下拥有博士学位、在科研上具有无限发展潜力的青年学者,智源研究院将支持他们开展开放性、探索性研究,勇闯人工智能科技前沿“无人区”,支持他们面向未来人工智能新思维和新体系的发展,提出引领性的原创基础研究成果。

经过提名、初评、审议等流程,已经遴选出首批智源学者共21人,并即将启动公示程序。据黄铁军介绍,2019年计划遴选智源学者100人,其中青年科学家30-50人。2020年和2021年再分别增加100人,智源学者总体规模保持在300人左右。

北京市科委副主任张光连在讲话中指出:智源研究院是北京大力支持建设的新型研发机构,北京市科委和海淀区政府给予了智源研究院大力支持,北京市科委在2018和2019年两年给予智源研究院共计3.4亿元的资金支持,海淀区在办公空间、人才政策等方面提供了服务保障,今后,还将支持智源研究院积极争取国家科技部等部门支持,承接国家科技创新2030—“新一代人工智能”重大项目等任务。

另外,北京市还将大力推动人工智能产业化发展,促进科技成果转化落地。今年,北京将开放一批人工智能应用场景,推动人工智能新技术、新产品、新模式在北京率先运用,促进人工智能和实体经济深度融合。同时,还将成立智源人工智能产业培育基金,超前布局,分担企业创新风险,积极培育一批国际领先的人工智能企业。

张光连宣读了首批智源学者名单。其中,“人工智能数理基础”重大研究方向首席科学家(CS)由中国科学院院士、北京大学数学科学学院张平文教授担任,智源研究项目经理(PM)由北京大学夏壁灿教授担任,智源研究员(PI)候选人由来自北京大学、清华大学、中国科学院的10名杰出中青年学者担任,分别是:北京大学的董彬副教授、李铁军教授、林伟研究员、文再文副教授、杨超教授、张志华教授;清华大学的邓柯副教授、史作强副教授;中科院数学与系统科学研究院的戴彧虹研究员、明平兵研究员。

首批“智源青年科学家”候选人共9人,其中“人工智能数理基础”5人,“机器学习”方向4名,来自北大、清华、北京应用物理与计算数学研究所、旷视科技四个单位。

他们分别是:北京大学特聘研究员朱占星、北京大学助理研究员章斯鑫、北京应用物理与计算数学研究所副研究员王涵、北京大学副教授邵嗣烘、清华大学助理教授林乾、清华大学助理教授黄高、旷视科技研究院资深研究组负责人张祥雨博士、清华大学长聘副教授崔鹏、清华大学长聘副教授唐平中。其中,旷视科技张祥雨博士只有28岁。

会上,北京大学特聘研究员朱占星、清华大学助理教授黄高、旷视科技张祥雨博士作为智源青年科学家代表做了学术报告。

首批智源学者将致力于打破基于计算机实验和神经科学的人工智能的惯用建模范式,以可解释性的新型人工智能模型、新型的机器学习算法、深度学习的基础研究为研究内容,解决人工智能面临的可计算性、可解释性、泛化性、稳定性等基础理论问题,建立以数学与统计理论为第一原理的新一代人工智能方法论。

智源联合实验室

打破旧壁垒,营造开放平台新范例

北京智源人工智能研究副院长唐杰介绍了北京智源联合实验室的整体情况。据唐院长介绍,联合实验室是智源研究院面向人工智能未来发展,围绕重大应用需求,联合各大高校、科研院所、优势企业等机构进行全方位科研合作的平台。

其目标是高效整合大学、科研院所、企业的数据、平台、场景等优势资源,形成具有国际领先水平的人工智能研究团队,培育国际顶尖AI人才,推动人工智能产学研协同创新发展,产出系列国际领先水平的突破性成果。将重点组织数据共享,支持算法开源,推动场景开放,实施协同创新。

智源联合实验室分为两类,分别是与高校院所共建、与优势企业共建。智源研究院将择优支持共建,最多可连续支持三年,支持额度及年限根据实际情况进行调整。共建单位将提供配套资金、场地、设备等条件保障,解决实验室建设与运行中的有关问题。

在联合实验室的建设上,智源研究院遵循“成熟一个、启动一个”的原则,目前,由智源研究院和旷视科技共建的联合实验室已通过立项论证。

会上,由海淀区委常委、副区长李俊杰、旷视科技首席科学家孙剑教授共同为“北京智源 - 旷视智能模型设计与图像感知联合实验室”揭牌。该联合实验室拟由孙剑任实验室主任,研究员周舒畅任实验室副主任。

孙剑介绍了“北京智源 - 旷视智能模型设计与图像感知联合实验室”联合实验室的目标、特色,以及拟开展的数据集建设、AI竞赛等工作规划。

据孙剑介绍,“北京智源 - 旷视智能模型设计与图像感知联合实验室”将基于旷视科技在计算机视觉技术和应用的深厚积累,通过3年时间,建设一体化的数据共享、模型设计与场景测试的开放创新平台,突破大数据背景下模型架构设计、优化和部署等技术,探索突破视觉系统性能极限和模型设计及场景测试的自动化,推进大数据背景下模型架构设计、优化和部署等方面的研究。

数据方面,实验室将立足旷视算法落地场景丰富、数据积累深厚的优势,以开源数据集、预抽取特征等形式持续开放通用物体分类、物体检测追踪、人像人形识别属性等视觉问题数据,助力相关领域研究。针对高搜索效率、高准确率、高灵活性等关键指标,该实验室还将开展支持大计算量模型的新神经网络架构搜索算法(NAS)研究,构建一站式深度模型自动化设计平台等工作。

模型设计优化方面,针对传统模型架构人工设计方法的经验性强,迭代周期长的问题,平台将提供自动化模型搜索、错误分析与可视化工具,加速大模型架构探索和优化,降低面向应用的模型设计门槛。同时,针对大计算量模型的部署问题,实验室还将积极探索低位宽神经网络相关技术,研究实现对于大计算量模型的云上和终端两级的硬件支持,完成从模型搜索到实际应用的垂直整合。

场景验证方面,实验室将通过建设人脸抓拍识别、结构化检测、大规模人像比对等验证场景和提供自动分析报告服务,为研究算法调优提供环境。针对大模型的应用部署问题,本实验室将积极探索低位宽等网络压缩技术,研发高效硬件部署方案,推动模型研究成果迅速投入实用。针对计算机视觉算法与真实场景适配的问题,本实验室建设可重现的实景测试环境,并提供自动化的量化错误分析报告,帮助算法迭代。

孙剑表示,实验室平台建成后,将面向高校院所、创业企业等创新创业主体开放,致力推动图像感知与计算领域的协同创新。“通过以上措施,实验室将被打造成为一个开放、贴近实际场景的计算机视觉算法研究实验平台,形成涵盖数据、平台、场景的完整闭环,有利于打造我国自主可控的技术和产业生态,共同助力我国图像感知和计算领域的技术及应用达到国际先进水平。”孙剑介绍说。

全球最大的物体检测数据集

Objects365发布

北京智源人工智能研究院联合旷视研究院发布全球最大的物体监测数据集——Objects365。旷视研究院院长孙剑说,该数据集也是新一代通用物体检测数据集,具有规模大、质量高、泛化能力强的特点。

规模方面,Objects365定义了生活中常见的365个类别,第一批将开放63万张图像,1000万的标注框。开放图片数是COCO的5倍,标注框超过COCO的11倍。

算法优化的上限严重依赖于基准数据集术的质量。为保证标注质量,在打造Objects365时,旷视设计出一套科学而严格的标注流程,每一张图片的背后至少会经过9名标注工人之手。

此外,作为一个优秀的预训练数据集,Objects365预训练模型在使用过程中,可以轻松超越现有算法的精度,显著加速收敛过程,表现出极强的泛化能力。在执行COCO、VOO Det、CityPersons等检测任务时,在VOC Seg和ADE等分割任务上均有显著提升。

DIW2019挑战赛即将启动

共同探讨检测问题的瓶颈及优化方向

Detection In the Wild 2019(DIW 2019)挑战赛也发布会当天正式启动。据孙剑介绍,该挑战赛是基于2019年CVPR的研讨会,由北京智源人工智能研究院联合旷视举办,其目的是为了推动目标检测技术的发展,改善现有目标检测数据集的类别覆盖不全、标注精度不高、密集场景缺少等问题。

挑战赛于5月10日开放测试集,6月10日结果提交截止,6月10日公布比赛结果,并邀请优胜队介绍比赛经验。主办方为每个赛道的冠军队伍准备了10000美元的奖励届时,优胜队将在CVPR现场的研讨会上介绍经验,共同探讨检测问题的瓶颈及优化方向。DIW2019挑战赛的比赛赛道分为三个赛道:

  1. Objects365赛道

  2. Objects365小赛道

  3. CrowdHuman赛道

其中,为探索目标检测系统的瓶颈,参加Objects365赛道的选手将利用公开的365种类别,60万张图片超过1000万个框的完整训练集对检测模型进行训练;在3万张图片构成的验证集上调试算法,并在10万张图片构成的测试集上进行最终的挑战。

为了降低参赛门槛,加快算法迭代速度,研究长尾类别检测问题,Objects365小赛道则从Objects365数据集中挑选出65个类别,选手可以用1万张图片进行模型的训练。

CrowdHuman赛道则是为了解决现实生活中的遮挡问题,其算法的提升将会推动人体检测算法落地。届时,选手将基于专门为了密集场景人体检测设计的CrowdHuman数据集进行训练,数据集包含有丰富标注信息和多种场景。

随后,发布会围绕“如何在人工智能领域做出非渐进式创新”开展主题研讨,中科院数学与系统科学研究院明平兵研究员、北京大学林伟研究员、清华大学史作强副教授三位智源研究员候选人,北京大学朱占星研究员、清华大学黄高助理教授、旷视科技张祥雨博士三位智源青年科学家候选人,以及智源旷视联合实验室副主任周舒畅,智源研究院黄铁军院长、唐杰副院长等嘉宾开展了深入研讨。

北京智源人工智能研究院是在科技部和北京市委市政府的指导和支持下,由北京市科委和海淀区政府推动成立,依托北京大学、清华大学、中国科学院、百度、小米、字节跳动、美团点评、旷视科技等北京人工智能领域优势单位共建的新型研发机构。

关于智源学者公示及后续申请方式等信息,将通过北京智源人工智能研究院网站(https://www.baai.ac.cn)及公众号对外公布。

长按识别上方二维码关注智源

联系我们:press@baai.ac.cn



推荐阅读
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 从2019年AI顶级会议最佳论文,探索深度学习的理论根基与前沿进展 ... [详细]
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • 在多线程并发环境中,普通变量的操作往往是线程不安全的。本文通过一个简单的例子,展示了如何使用 AtomicInteger 类及其核心的 CAS 无锁算法来保证线程安全。 ... [详细]
  • 在Windows系统中安装TensorFlow GPU版的详细指南与常见问题解决
    在Windows系统中安装TensorFlow GPU版是许多深度学习初学者面临的挑战。本文详细介绍了安装过程中的每一个步骤,并针对常见的问题提供了有效的解决方案。通过本文的指导,读者可以顺利地完成安装并避免常见的陷阱。 ... [详细]
  • 理工科男女不容错过的神奇资源网站
    十一长假即将结束,你的假期学习计划进展如何?无论你是在家中、思念家乡,还是身处异国他乡,理工科学生都不容错过一些神奇的资源网站。这些网站提供了丰富的学术资料、实验数据和技术文档,能够帮助你在假期中高效学习和提升专业技能。 ... [详细]
  • 超分辨率技术的全球研究进展与应用现状综述
    本文综述了图像超分辨率(Super-Resolution, SR)技术在全球范围内的最新研究进展及其应用现状。超分辨率技术旨在从单幅或多幅低分辨率(Low-Resolution, LR)图像中恢复出高质量的高分辨率(High-Resolution, HR)图像。该技术在遥感、医疗成像、视频处理等多个领域展现出广泛的应用前景。文章详细分析了当前主流的超分辨率算法,包括基于传统方法和深度学习的方法,并探讨了其在实际应用中的优缺点及未来发展方向。 ... [详细]
  • 2019年后蚂蚁集团与拼多多面试经验详述与深度剖析
    2019年后蚂蚁集团与拼多多面试经验详述与深度剖析 ... [详细]
  • 图像分割技术在人工智能领域中扮演着关键角色,其中语义分割、实例分割和全景分割是三种主要的方法。本文对这三种分割技术进行了详细的对比分析,探讨了它们在不同应用场景中的优缺点和适用范围,为研究人员和从业者提供了有价值的参考。 ... [详细]
  • 非计算机专业的朋友如何拿下多个Offer
    大家好,我是归辰。秋招结束后,我已顺利入职,并应公子龙的邀请,分享一些秋招面试的心得体会,希望能帮助到学弟学妹们,让他们在未来的面试中更加顺利。 ... [详细]
  • 汽车电子架构与CAN网络基础解析——鉴源实验室专业解读 ... [详细]
  • 浅层神经网络解析:本文详细探讨了两层神经网络(即一个输入层、一个隐藏层和一个输出层)的结构与工作原理。通过吴恩达教授的课程,读者将深入了解浅层神经网络的基本概念、参数初始化方法以及前向传播和反向传播的具体实现步骤。此外,文章还介绍了如何利用这些基础知识解决实际问题,并提供了丰富的实例和代码示例。 ... [详细]
  • 在Python编程中,掌握高级技巧对于提升代码效率和可读性至关重要。本文重点探讨了生成器和迭代器的应用,这两种工具不仅能够优化内存使用,还能简化复杂数据处理流程。生成器通过按需生成数据,避免了大量数据加载对内存的占用,而迭代器则提供了一种优雅的方式来遍历集合对象。此外,文章还深入解析了这些高级特性的实际应用场景,帮助读者更好地理解和运用这些技术。 ... [详细]
author-avatar
M-When
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有