至顶网服务器频道 08月27日 新闻消息: 9月11-12日,2018人工智能计算大会(AI Computing Conference 2018,简称AICC2018)将在北京召开。
届时,将有中美工程院院士、北京大学、中国科技大学、上海交通大学、美国加州大学、杜克大学及百度、阿里、商汤、旷视、今日头条、英特尔、英伟达、浪潮、普华永道、真格基金在内的50余位AI产学研专家、产业领袖将分享AI背后的革命性计算技术、AI技术在行业中的应用与创新等业界广泛关注的重要议题。
备受期待的主论坛将于9月12日上午举办。今天带来一组主论坛嘉宾海报,大家先睹为快。
王恩东:中国工程院院士、浪潮集团首席科学家
王恩东,浪潮集团首席科学家、中国工程院院士,高效能服务器和存储技术国家重点实验室主任,长期从事服务器系统结构设计、关键技术研究和工程实现工作,是我国服务器技术领域带头人和产业开拓者。主持研制了我国首台32路高端容错计算机系统并得到广泛应用,为该领域自主创新、技术进步和产业发展做出重大贡献。发表论文22篇,出版专著3部,授权中国和美国发明专利24项。获国家科技进步一等奖1项、二等奖2项,曾获何梁何利科学与技术创新奖、山东省科学技术最高奖。
高文:中国工程院院士、北京大学教授
高文,北京大学教授,博士生导师,中国工程院院士。第十届全国政协委员,现任数字媒体研究所所长、系统芯片研究所所长。2013年3月,任第七届国家自然科学基金委员会副主任。2013年当选美国计算机学会会士(ACM Fellow)。
他的主要研究领域为人工智能应用和多媒体技术,侧重于计算机视觉、模式识别与图象处理、多媒体数据压缩、多模式接口以及虚拟现实等的研究。
丛京生:美国工程院院士、美国加州大学洛杉矶分校教授
丛京生,计算机科学家,加州大学洛杉矶分校校长讲席教授,特定域计算中心主任、超大规模集成电路技术实验室主任。2017年2月入选美国国家工程院院士
丛京生领导UCLA的超大规模集成电路计算机辅助设计实验室(VLSI CAD Lab),他的研究领域包括集成电路计算机辅助设计等。此外,曾在1995年的《IEEE计算机辅助设计杂志》、2005年的国际物理设计年会和2005年的《ACM电子系统设计自动化杂志》总共三次荣获最佳论文奖。鉴于他的杰出贡献,在2000年被IEEE组织授予院士称号。
陈怡然:美国杜克大学终身副教授、美国自然科学基金委智能与可持续计算产学合作中心主任
陈怡然博士在清华大学电子工程系取得学士和硕士学位后,2005年在美国普渡大学取得博士学位。研究方向为新型存储器、神经形态计算与机器学习加速、移动计算。2017年因对“自旋存储器”的贡献当选IEEE Fellow。陈博士出版了一本专著,发表了300多篇学术论文,获得93项美国专利。
刘军:浪潮集团AI&HPC总经理
刘军,浪潮集团人工智能与高性能计算总经理,长期从事我国高性能计算机产业化工作,曾获国家科技进步二等奖及北京市科学技术一等奖。
参与组织编著《高效能计算机系统设计与应用》(科学出版社)、《The Student Supercomputer Challenge Guide》(Springer 出版社)等专著;自 2012 年起组织发起 ASC 世界大学生超级计算机竞赛,经过 7 年发展 ASC 已成为全球最大规模的超算竞赛。
马艳军:百度研究院院长助理、深度学习技术平台部负责人
马艳军博士, 2009年博士毕业于爱尔兰国立都柏林城市大学。2011年初加入百度,主要研究方向为自然语言处理、机器翻译、智能问答等。目前担任《Machine Translation》杂志编委,并多次担任ACL,IJCAI等国际权威会议领域主席和审稿人。参与欧盟第七框架计划(FP7)、863计划等国内外项目,发表论文20余篇,申请国内外技术发明专利20余项。加入百度后,主要从事机器翻译和智能问答技术研究,相关成果已经广泛应用于百度搜索产品中,曾获“中国电子学会科技进步一等奖”。
朱晓波:中国科学技术大学教授
朱晓波,2003年博士毕业于中国科学院物理研究,2003年-2008年留所工作,2008年-2013年加入日本NTT基础物性研究所超导量子计算和线路小组。2013年入选青年千人和中科院百人计划,进入中科院物理所工作,任百人特聘研究员。2016年加入中国科技大学,任教授。
他的研究小组致力于发展可扩展的超导量子计算机和混合量子系统。他首次实现了氮-空位中心与超导量子比特的相干耦合,与浙江大学王浩华组合作设计、制备和测控了10量子比特的、相干性能良好的量子处理器,并发展了带宽~300MHz的量子极限放大器。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。