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

内容介绍

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。

内容大纲

1. 概率机器学习介绍；

2. 珠算概率机器学习编程框架；

3. 概率机器学习应用案例；

4. 深度神经网络的对抗攻击与防御。