返回首页
CCF ADL103《群体智能计算》开始报名了
CCF学科前沿讲习班
The CCF Advanced Disciplines Lectures
CCF ADL第103期
主题 群体智能计算
2019年9月21日-23日
北京?北京航空航天大学
近年来，人工智能发展正经历剧烈变革，通过网络联结人类群体的问题求解模式正发挥着日益重要的作用，已有智慧涌现的趋势，群体智能初见端倪。群体智能指通过特定组织结构吸引、汇聚和管理大规模参与者完成任务时所涌现出超越个体智力的智能。当前，群体智能是机器学习、大数据、物联网、隐私安全和博弈论等多研究领域的交叉融合，也是最具影响力的人工智能前沿研究领域之一。
本期CCF学科前沿讲习班《群体智能计算》，讲授当前该领域的最新研究进展和关键技术突破，希望能够帮助学员拓宽科研视野，快速了解这一领域的研究热点和前沿动态，把握学科发展动向，并在学术交流中掌握重要的研究和应用方法。
本期讲习班邀请到了本领域7位来自海内外著名高校与科研机构的重量级专家学者做主题报告。他们将介绍群体智能中的联邦学习、强化学习、迁移学习、多智能体系统、众包计算、群智感知等核心算法与应用技术，并深入浅出讲解该领域当前的热点问题，联系实际案例对如何开展本领域前沿技术研究进行指导，使参加者了解学科热点、掌握技术动态、增强理论和实践的结合能力。
学术主任：童咏昕 北京航空航天大学
主办单位：中国计算机学会
活动日程：
特邀讲者：陈雷 ，香港科技大学 教授、博士生导师
简介：Lei Chen received the BS degree in computer science and engineering from Tianjin University, Tianjin, China, in 1994, the MA degree from Asian Institute of Technology, Bangkok, Thailand, in 1997, and the Ph.D. degree in computer science from the University of Waterloo, Canada, in 2005. He is currently a full professor in the Department of Computer Science and Engineering, Hong Kong University of Science and Technology. His research interests include crowdsourcing, social media analysis, probabilistic and uncertain databases, and privacy-preserved data publishing. The system developed by his team won the excellent demonstration award in VLDB 2014. He got the SIGMOD Test-of-Time Award in 2015. He is PC Track chairs for SIGMOD 2014, VLDB 2014, ICDE 2012, CIKM 2012, SIGMM 2011. He has served as PC members for SIGMOD, VLDB, ICDE, SIGMM, and WWW. Currently, he serves as PC co-chair for VLDB 2019, Editor-in-Chief of VLDB Journal and associate editor-in-chief of IEEE Transaction on Data and Knowledge Engineering. He is a member of the VLDB endowment and ACM Distinguished Scientist.
题目：Human Powered AI Paradigm
摘要：Since deep learning algorithms achieved reasonable recognition accuracy compared to that of human being in ImageNet competition in 2012, AI has attracted a lot attention. The successful stories of AI enabled technologies have emerged in many applications, from sports such as Alpha go games and Texas hold 'em to our daily lives such as Siri and Google Assistant. However, due to lacking of well labelled data, some fields, such as text understanding and language translation, AI still has encountered many difficulties. To get more high quality labelled data, it is essential study Human-AI and Human-Data interaction. Specifically, we need to get human involved in the AI loop, from data source identification, data extraction, feature selection, data labeling and hyper-parameter tuning to model verification, in order to improve the effectiveness of AI technologies.
In this tutorial, I will discuss this new human powered AI paradigm. To achieve this end to end intuitive Human-AI, there are several key issues that we need to investigate. I will focus on how to motivate human to prepare data, how to assign proper tasks to human and how to use AI to reduce human errors. At the end, I will highlight some future research directions on this end to end Human-AI powered paradigm.
特邀讲者：张伟楠 ，上海交通大学 助理教授、博士生导师
简介：张伟楠，博士，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授，博士生导师，研究方向为多智能体深度强化学习、无监督学习及其在数据挖掘问题中的应用。他于2011年毕业于上海交通大学计算机系ACM班，于2016年获得英国伦敦大学学院计算机系博士学位，研究成果在国际一流的会议和期刊上发表70余篇论文。在WWW、SIGIR、AAAI等会议担任高级程序委员。2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖；2017年获得上海ACM新星奖；188体育app官网：获得阿里巴巴达摩院青橙奖。
题目：多智能体强化学习：算法与系统
摘要：随着人工智能、5G和物联网等尖端技术渗透进我们的生活，我们有理由相信在不久的将来，我们将生活在一个万物互联的智能时代。智能器件将不再只是与人或者一堆固定的数据交流，它们之间会相互交流、协作甚至是竞争，从而完成我们当前无法想象的高级智能任务。在学术方面，强化学习和博弈论分别代表了决策智能和多智能体系统的技术前沿领域，这两个领域的交叉极可能迸发出万物互联的智能时代的新一代技术。本次报告，我将从多智能体深度强化学习的基础知识讲起，包括传统强化学习、深度强化学习以及博弈论基础。接着我将从几个落地任务切入，讨论多智能体强化学习的几个经典解决方法，简述它们的基础贡献和局限性。之后我将介绍2017年起到最近提出的最新多智能体深度强化学习算法，探讨这些解决算法随着智能体数量的增加其复杂度的变化。最后，我将深入海量智能体场景下的不同场景，探讨在海量智能体的情况下，传统多智能体强化学习方法的不足，并深入介绍基于平均场理论的强化学习和基于因子分解模型的强化学习算法。另一方面，我将介绍MAgent、CityFlow等专为海量智能体场景提供模拟实验的平台，并展示上述算法在该平台上的初步实验效果和业界落地情况。
特邀讲者：李国良 ，清华大学 教授、博士生导师
简介：李国良，清华大学计算机系教授，软件所所长。主要研究方向为数据库、大数据挖掘与分析、群智计算。在数据库、数据挖掘、信息检索领域的顶级会议和期刊上发表论文100余篇，他引6500余次，入选爱思唯尔2014-188体育app官网：中国高被引学者榜单。主持国家优秀青年基金、青年973、自然基金重点等项目。获得了VLDB Early Career Research Contribution Award（VLDB杰出青年贡献奖，亚洲唯一一位）、IEEE TCDE Early Career Award（IEEE 数据工程领域杰出新人奖，亚洲唯一一位）、青年长江学者、国家万人计划青年拔尖人才、计算机学会青年科学家奖等奖项。担任VLDB Journal、IEEE TKDE、IEEE Data Engineering Bulletin、ACM Transactions on Data Science等期刊编委，多次担任SIGMOD、VLDB、KDD、ICDE、WWW、IJCAI、AAAI等会议的程序委员会委员。获得过A类会议KDD18、ICDE18最佳论文候选，B类会议CIKM17最佳论文奖、DASFAA14的最佳论文提名奖、C类会议APWeb14最佳论文奖、EDBT13大数据比赛冠军。获国家科技进步二等奖、江苏省科技进步一等奖、教育部自然科学奖二等奖。
标题:大数据群体计算
摘要:大数据问题所固有的规模繁杂性、高速增长性、形式多样性、价值密度低等特点为传统计算处理方法带来了严峻的挑战。一方面，大数据的规模繁杂性和高速增长性带来了海量计算分析的需求�