雷锋网按：本周，人工智能产、学两界的资深人士纷纷在顶级会议 AAAI 中亮相，分享了他们在各自研究方向的体会与心得。本期雷锋网 AI 科技评论周刊整理了清华大学朱小燕教授、麻省理工学院 Rosalind Picard 教授、百度副总裁王海峰、亚马逊 AWS 机器学习总监 Alex Smola 的分享。
在 AI 科技评论组织的 AAAI 中国之夜活动上，AAAI 现任执委杨强教授、清华大学智能技术与系统国家重点实验室主任、信息获取课题组的学术带头人朱小燕教授、今日头条实验室总监李磊、iFly.vc 合伙人沈瀚、物灵科技人工智能首席科学家吴惟心、iPIN 创始人杨洋在现场做了分享。
其中，清华大学朱小燕教授分享了她本人对从业者的一些建议，并提到了 NLP 学术和产业有何不同。
朱教授说，做计算机应用领域的学术研究，内容应该是跳起来能够够得着的，当下不那么踏实，但是，条件好了就能够使用。比如某研究院说要做能够观察人的面部表情情感变化，做能够进行情感交流的机器人。作为研究可以，作为概念产品可以试试，作为赚钱的产品就比较困难了。首先你就要叫计算机知道什么叫表情变化，大喜大悲容易，平时的细微表情变化就难了。又有多少人会察言观色，会到什么程度？家庭陪伴机器人假定的服务对象多半是老人，老人脸上就更不容易识别出喜怒哀乐的变化了。这些做研究是可以，有能力的企业可以做这样的研究做基础沉淀和展示，但是做产业就要想清楚了。再比如做陪伴老人的机器人产品。如果是行走机器人就要想清楚，机器人腿脚不方便，老人腿脚也不方便，两个腿脚不方便的在一起（笑）。这个东西还有不少问题需要解决。但是研究肯定是可以的。
身为“情感计算”之母的 Rosalind Picard，是该领域首屈一指的专家。在机器学习算法工具日渐普及的今天，人们猛然醒觉“认知”“情感”正是创造出真正的 AI 的瓶颈。于是，全世界的目光都投向了 Rosalind Picard 的研究。此次，AAAI 2017 邀请她前来做主题演讲，介绍“情绪计算”学科的由来、情绪识别机器学习算法、以及能监测人体焦虑、紧张情绪的传感器的最新研究进展。
Rosalind Picard是麻省理工学院（MIT）教授，在 MIT 的跨领域尖端科学实验室 Media Lab 从事机器学习与神经科学的交叉研究，一手创立了 Media Lab 情感计算研究部。她同时是两家初创公司 Affectiva 和 Empatica 的联合创始人，前者研发情绪识别、监测技术，后者生产整合这些技术的医疗传感器，例如医用可穿戴设备。但最重要的是，她的著作《Affective Computing》开创了计算机科学和人工智能学科中的新分支——“情感计算”。
人工智能顶级会议暨 2017 届 AAAI 大会召开，AAAI 今年首次设置了AI in Practice （应用人工智能）环节，百度副总裁王海峰应邀做了名为“百度的自然语言处理”（Natural Language Processing at Baidu）的主题演讲。
王海峰在演讲中提到，语言是思想和知识的载体，而对语言的处理和理解就显得尤为重要。计算机领域中自然语言处理（Natural Language Processing: NLP）的目的，就是让计算机能够理解和生成人类语言。在百度，基于大数据、机器学习和语言学方面的积累，我们研发了知识图谱，我们分析理解 query、篇章及情感，我们构建了问答、机器翻译和对话系统。NLP技术已经应用在百度的众多产品上，比如搜索、Feed、o2o和广告等。
演讲主要针对知识图谱、语言理解、篇章理解、语言生成、诗歌生成、文本摘要、自然语言处理应用系统、机器翻译、对话系统等方向展开。
MXNet 在去年 11 月成为 Amazon AWS 的官方开源平台。在本次的 AAAI 2017 上，亚马逊 AWS 机器学习总监 Alex Smola 做了主题分享，介绍了如何利用 MXNet 构建一个可拓展的深度学习框架。雷锋网旗下 AI 科技评论对此做了全程报道。
Alex Smola 是 MXNet 主要作者李沐在 CMU 的博士导师，后者在 Smola 加入亚马逊期间一直在做 MXNet 开发和 AWS 上深度学习的应用，这也难怪在 Smola 演讲最开始的感谢名单上，第一个名字就是李沐。
那么，作为亚马逊的官方开源平台，MXNet 又是如何实现「又快又好」的目标呢？
Smola 指出，要构建一个这样集高效与个性化于一体的框架，首先不可避免地要涉及潜变量模型的设计。潜变量模型是一种结构方程模型，区别于显变量，指的是不能被直接观测、需要通过间接数据体现的指标。
正在生成分享图...
溥茜