朱军,清华大学计算机系教授 清华大学人工智能研究院院长助理
机器学习在解决实际应用问题时需要解决一些重要挑战。首先,由于物理随机性、不完全信息、噪声、歧义、冲突等因素,我们要处理的对象普遍存在不确定性。因此,智能系统需要对不确定性进行有效的建模和推理。其次,在对抗噪声的情况下,很多机器学习算法(如深度神经网络)往往比较脆弱,容易被误导,这给高风险、安全敏感的应用带来了很多潜在威胁。在这个报告中,我将介绍概率机器学习的一些进展(特别是珠算概率编程库和一些可扩展的推理算法)以及深度神经网络的对抗攻击与防御,并且介绍一些典型的应用案例,包括半监督学习、小样本学习、众包学习。在对抗攻击与防御方面,我们的部分工作获得谷歌大脑在 NIPS 2017 组织的国际比赛的所有三个任务的冠军。
概率机器学习介绍;
珠算概率机器学习编程框架;
概率机器学习应用案例;
深度神经网络的对抗攻击与防御。