將門作為一家以技術創(chuàng)新為切入口的早期創(chuàng)新發(fā)掘機構，重磅啟動「將門×行業(yè)龍頭企業(yè)創(chuàng)新行」計劃，邀請各地技術小伙伴們一同走入來自零售、交通、醫(yī)療、金融、地產等行業(yè)龍頭企業(yè)，深入理解AI落地場景，發(fā)掘更多AI價值的應用空間。

7月20日（周五）的首站，我“門”將來到全球醫(yī)療健康領域的領導者—飛利浦。我們也很榮幸邀請到飛利浦人工智能實驗室總監(jiān)周子捷博士，屆時他將到場和大家分享“飛利浦人工智能驅動的醫(yī)療解決方案”，介紹飛利浦在“人工智能應用于醫(yī)療健康”領域的研究方向和創(chuàng)新成果。

一年一度的國際機器學習會議ICML已于10號在瑞典的斯德哥爾摩召開。七月的酷暑里在讀ICML2018的論文，仿佛就像從遙遠的北歐仿佛吹來了陣陣清風。今年的ICML共接收論文621篇。

【一鍵下載所有論文】T.R同學的論文下載工具>>https://pan.baidu.com/s/1CHNPpyF77EXBbVzwKxa_tw

上圖是ICML論文題目的詞云，其中Learn和Network依然是會議的主題。

同時還包括了9個tutorial，四場主題演講涵蓋了安全、效率、交互和類人智能等方面。此外還包含了75個workshop，為與會者們提供了各個領域豐富的交流機會。下面就讓我們來看看都有哪些有趣的workshop吧！

音樂

機器學習最終要用于人社會的生產生活中才能為人類造福?？茖W家們一直在探索機器學習對于精神文明建設的作用。AI已經可以分析和生成各種形式的藝術作品了。在今年的ICML會議中，舉辦了一個Machine Learning for Music的workshop來探討機器學習與音樂方面的問題。目前大規(guī)模的在線音樂曲庫對于機器學習提出了新的要求，需要算法和模型能夠高效地理解和組織復雜的數(shù)據。

除了成熟的推薦系統(tǒng)外，還需要研究音樂生成和音頻處理方面所面臨的挑戰(zhàn)。同時包括音樂的表示學習、自動打標、音樂合成及風格轉換等都將在workshop中進行探討。

https://sites.google.com/site/faimmusic2018/

人性化

人類一直希望能創(chuàng)造出和自己一樣的智慧機器，在人與機器之間建立更為牢固的伙伴關系。但其中的關鍵在于我們需要從現(xiàn)在需要人去理解機器的世界，發(fā)展到未來機器能理解人的世界中去。另一個workshop著重于對人性化AI的探討，目前人們都重視機器的智力水平，而忽略了它的情商高低。研究人員們希望通過這個workshop構建智能機器IQ和EQ之間的橋梁，并讓更多的人關注和研究這一領域。

研討會中不僅會介紹情感和和人性化對于機器智能的重要性，更從學習和想象的方面探討了AI的可能性。

https://www.humanizing-ai.com/

游戲

相信各位小伙伴一定還記得不久前AI在DOTA中打敗了人類玩家，游戲也是人工智能的發(fā)展一個重要的體現(xiàn)窗口，畢竟我們在嬰兒時期都是通過不斷地游戲來習得對這個世界最初的經驗的。

這次研討會同樣舉辦了關于電子游戲機器學習workshop，主要包括了蒙特卡洛方法、深度學習、強化學習、啟發(fā)式搜索、棋牌類游戲、視頻游戲、多人協(xié)作和游戲理論等方面。相信研究人員們又回拋出令人驚奇的游戲AI，繼續(xù)在各大游戲中馳騁。

http://www.lamsade.dauphine.fr/~cazenave/cgw2018/cgw2018.html

IOT

隨著智能設備的發(fā)展IOT的重要性愈加凸顯，同可穿戴設備、環(huán)境傳感器到各種家居設備都需要IOT發(fā)揮強大的作用，近年來邊緣計算也應運而生。這些設備產生的海量數(shù)據比社交數(shù)據的速度快兩倍達到了44E Bytes/month。IOT設備主要是時序特征的數(shù)據音視頻信息，但很多的數(shù)據目前還處于尚未被利用的狀態(tài)。AI4IOT研討會希望探討如何利用AI來理解這些數(shù)據，如何將物理系統(tǒng)與環(huán)境銜接起來，幫助人類依據IOT進行決策和行為。

包括提出相關的建模、分析方法，高效處理大規(guī)模數(shù)據的手段以及一定程度的預測和行為識別、異常檢測等方面。

https://www.zurich.ibm.com/AI4IoT/index.html

AutoML

機器學習非常成功，但目前還在很大程度上依賴人類專家的經驗來選擇架構調節(jié)參數(shù)。隨著技術的發(fā)展，機器學習算法逐漸發(fā)展成了易用便捷無需專業(yè)知識介入構建過程。Workshop on Automatic Machine研討會就著重探討自動機器學習領域的最新進展，包括研究平臺、遷移學習、表象、算法進化和新架構、加速、大規(guī)模計算等等方面。

如果你想要深入了解，組委會還用心的提供了一份超詳細的教程來學習AutoML>>https://sites.google.com/site/automl2017ecmlpkdd/tutorial

除此之外還有包括因果推理、自動行為、計算幾何、生物、健康、視覺、感知、強化學習等等各方面共75個workshop。