人工智能與機器學習前沿學術報告會
報告題目：從AplhaGo戰勝人類展望機器學習的新趨勢
-- 超限學習機(ELM)和深度學習(DL)的有機結合及ELMGo探討
報 告 人：Guang-Bin Huang(黃廣斌)，新加坡南洋理工大學
時 間：2016年3月28日9:00-11:00
地 點：東北大學綜合樓822報告廳
主辦單位：東北大學計算機科學與工程學院、 CCF沈陽分部
摘要：近幾年人工智能和機器學習的研究和應用開始變得火熱起來，AplhaGo戰勝人類頂尖高手這一重大事件更是火上澆油。本報告從技術和工業需求角度分析人工智能和機器學習復興的原因，指出真正的機器學習時代已經來到，亟需重新思考人工智能和機器學習的研究、定位和角色。本報告首先指出超限學習機(ELM))和深度學習(DL)的有機結合是個新的機器學習趨勢。超限學習機和廣泛流行的學習技術（比如傳統的人工神經網絡，支持向量機）相比，速度快（可以達到幾百到幾萬倍）并且準確率高。初步研究顯示在某些應用中(比如手寫體識別，手語識別，交通路牌識別，3D圖形分析等)，ELM與DL相比可進一步提高準確率, 并且大幅度降低訓練時間（相比較深度學習基于GPU的1-2天訓練時間，ELM在普通計算機上的訓練時間縮短到幾分鐘或更少）。部分ELM理論已經得到了生物學的直接驗證，也許能解釋為什么生物腦總體有序又局部無序（比如同種動物的每個大腦并不一樣),因此，ELM理論可以給深度學習中廣泛應用的局部吸收(Local Receptive Fields)提供理論支持。其次，本報告展望未來機器學習的發展趨勢和影響: 1）從機器學習工程到機器學習科學的轉折點; 2）機器學習和生物學習機制的匯合趨勢; 3）從人（和其他生命體）的智能到機器智能; 4）從物聯網（IoT）到智能物的聯網（Internet of Intelligent Things）以及有別于人類社會的智能體社會（Society of Intelligent Things）; 5) 在智能制造的應用 (比如3D快速打印上的開拓性應用) 。最后，本報告探討AplhaGo產生的深遠影響：1）為什么AplhaGo戰勝人類是一定的，為什么人類智能在地球的總體智能中的權重會減弱但地球的總體智能在提高；2）基于超限學習機的ELMGo和AlphaGo的區別與聯系。
黃廣斌(Guang-Bin Huang) 新加坡南洋理工大學電子電氣工程學院副教授 (tenured) 。IEEE Transactions on Cybernetics, Neurocomputing，Cognitive Computation和Neural Networks編輯。他被Thomson Reuters 評為“Highly Cited Researcher（高引用研究者）”（計算機科學類，工程類），以及“2014 The World's Most Influential Scientific Minds(2014年世界最有影響力的科學精英)”和“2015 The World's Most Influential Scientific Minds(2015年世界最有影響力的科學精英)”。研究方向包括：大數據處理分析，腦機交互，人機交互，圖像處理，機器學習理論和技術。
