中国科学院 宗成庆 - 语言智能与应用
2020-02-27 55浏览
- 1.语言智能与应用 宗成庆 中国科学院自动化研究所
- 2.关于AI 1987：笑傲江湖 兴起 诞生 繁荣 冷遇 低谷 1950 1956 1974 1980 1987 1993 再度爆发 时间
- 3.关于AI 1993：欲哭无泪 兴起 诞生 繁荣 冷遇 低谷 1950 1956 1974 1980 1987 1993 再度爆发 时间
- 4.关于AI 2017 你有，我有， 全都有啊！ 感知、认知、 控制、行为
- 5.关于语言智能的讨论 1. Deep Learning 在语音识别、图像处理等中取得了很大 的成功 ICML’2015 6-11 July 2015, Lille, France
- 6.关于语言智能的讨论
- 7.关于语言智能的讨论 Neil Lawrence said … “NLP is kind of like a rabbit in the headlights of the deep learning machine, waiting to be flattened.” 但实际上并没有出现 Neil 所 A Professor of Machine Learning 说的情况。您认为，主要原 at the University of Sheffield 因是什么？
- 8.关于语言智能的讨论 2. Deep learning (DL) 需要大规模训练样本，而且测试样 本与训练样本比较一致时，才会获得较好的结果，可 是对于儿童学习和使用语言来说，不需要太多的例句， 因此小样本学习成为学术界关注的问题，但尚未建立 有效的模型。企业界在建立自己的应用系统时，都采 用了DL方法吗？是如何处理训练数据缺乏这一问题 的（例如，面对一个新的领域、新的任务）？
- 9.关于语言智能的讨论 3. 曾几何时，在NLP领域理性主义方法（specifically, rule-based approaches）与经验主义方法（Statisticsbased approaches）针锋相对，各不相让，而近10余年 来，理性主义者的呼声似乎销声匿迹了，难道说经验 主义方法彻底击败了理性主义方法吗？换句话说，统 计方法可以完全替代规则方法吗？企业在建立自己的 系统时是否还使用规则方法？还有需要学界进一步研 究的规则方法问题吗？
- 10.关于语言智能的讨论 4. 学术界在从事研究时往往“一窝蜂”，如近年来的 DL方法和知识图谱、问答系统等。而往往这些问题 都是由企业界引领的（不管是问题和方法的提出， 还是在数据和平台的领先优势上）。企业界的专家 能够为学界提出一些建议或希望？（无论是研究的 问题、所采用的方法，还是研究方式）
- 11.关于语言智能的讨论 5. 句法分析是NLP中一个非常困难的问题，性能一直很 难提高，而且中文 Parser 的性能始终比英文的 Parser 低约5个百分点。在实际系统中，Parser 有什么具体 的应用吗？如果继续研究这项技术，应该如何进行？ （实际上，汉语分词也有类似的问题）
- 12.关于语言智能的讨论 6. 产学研成功合作是学界和业界共同关注的问题，但在 实际执行过程中，往往不是那么容易。您认为成功 合作的模式应该是什么样的？这种模式是可以复制 的吗？是否可以分享一下成功的经验或失败的教训？
- 13.关于语言智能的讨论 7. 近年来，在网络信息处理，包括NLP领域，学界与业 界从事的研究内容界限越来越不明显，而业界的平 台和待遇优势却远远超过学界，因此包括美国在内， 越来越多的学界大老走向企业界，大学和研究所培 养的一流人才相当大的比例流向了各大企业。您如 何看待这一问题？学界的出路在哪里？
- 14.关于语言智能的讨论 8.一群鸡和兔子，放在同一个笼子里，上面有35个头， 下面有94只脚，问有多少只鸡、多少只兔？ 常识与专业知识的是如何区 分的？常识是如何表示、学 习和更新的？
- 15.关于语言智能的讨论 如何判断哪些是异常用词或有背于常理的语言表达？判 断的标准是什么？
- 16.谢谢 Thanks!
