与6位图灵奖得主和100多位专家
共同探讨人工智能的下一个十年
长按图片或点击阅读原文，内行盛会，首次免费注册
北京智源大会倒计时：6天
2020年6月21-24日，第二届北京智源大会（官网：https://2020.baai.ac.cn）将带领我们回顾过去，展望未来，深入系统探讨“人工智能的下一个十年”。
本次大会群英荟萃，嘉宾不仅包括6位来自美国、加拿大和法国的图灵奖得主：Geoffrey Hinton、 Alan Kay、Judea Pearl、Manuel Blum、Joseph Sifakis、John Hopcroft（智源学术顾问委员会委员），更有上百位人工智能领袖。居高屋之上以建瓴水——人工智能各领域顶尖学者将围炉而坐，共谈国际人工智能发展前沿问题。
大会日程共有4天，涵盖19个分论坛：
6月21日：开幕式和全体大会，人工智能的数理基础专题论坛，智能体系架构与芯片专题论坛，AI科技女性专题论坛，AI对战《星际争霸》职业选手挑战赛，晚间全体大会；
6月22日：全体大会，语音和自然语言处理专题论坛，认知神经基础专题论坛，机器感知专题论坛，人工智能伦理、治理与可持续发展专题论坛，晚间全体大会；
6月23日：智能信息检索与挖掘专题论坛，AI医疗专题论坛，AI创业专题论坛，AI交通专题论坛，机器学习专题论坛，决策智能专题论坛，AI防疫专题论坛，AI框架专题论坛，图神经网络专题论坛；
6月24日：全体大会，知识智能专题论坛、强化学习专题论坛，机器学习前沿青年科学家专题论坛，全体大会和闭幕式。
2020北京智源大会完整日程
开幕式和全体大会
6月21日·上午
主持人：唐杰 智源研究院学术副院长，清华大学教授
时间
内容
09:00 - 09:20
开幕致辞
陈吉宁 北京市市长
李萌 科技部副部长
09:20 - 09:40
智源进展报告
黄铁军 智源研究院院长，北京大学教授
09:40 - 10:30
The New Science of Cause and Effect with reflections on data science and artificial intelligence
Judea Pearl 图灵奖得主，贝叶斯网络提出者
10:30 - 11:20
Data for Good: Ensuring the Responsible Use of Data to Benefit Society
周以真 哥伦比亚大学教授，数据科学研究院院长
11:20 - 12:10
深度学习：新进展与新挑战
Ruslan Salakhutdinov 卡内基梅隆大学教授
人工智能的数理基础专题论坛
6月21日·下午
论坛主席：张平文 中国科学院院士，北京大学教授，智源研究院数理基础方向首席科学家
主持人：朱占星 北京大学特聘研究员，智源青年科学家
主持人：杨超 北京大学教授，智源研究员
时间
内容
13:25 - 13:30
开幕致辞
张平文 中国科学院院士，北京大学教授，智源研究院数理基础方向首席科学家
13:30 - 14:10
Towards Better Global Landscape of GAN: How Two Lines of Code Change Makes a Difference
孙若愚 University of Illinois Urbana-Champaign
14:10 - 14:50
Overparametrization and the Bias-Variance Dilemma
Johannes Schmidt-Hieber University of Twente
15:00 - 15:40
Optimality Conditions for Constrained Minimax Optimization
戴彧虹 中科院数学与系统科学研究院研究员，智源学者
15:40 - 16:20
Instrumental Variables for Multiple Causal Inference: Old and New
林伟 北京大学研究员，智源学者
16:30 - 17:30
圆桌论坛：人工智能基础理论研究的回顾与展望
主持人：邓柯 清华大学长聘副教授，智源研究院数理基础方向研究员
张平文 中国科学院院士，北京大学教授，智源研究院数理基础方向首席科学家
朱宏图 滴滴出行首席统计学家，北卡大学教堂山分校终身教授
季春霖 光启高等研究院副院长，香港浸会大学兼职教授
张志华 北京大学长聘教授，智源研究院数理基础方向研究员
董彬 北京大学长聘副教授，智源研究院数理基础方向研究员
史作强 清华大学长聘副教授，智源研究院数理基础方向研究员
朱占星 北京大学助理教授，智源研究院数理基础方向青年科学家
智能体系架构与芯片专题论坛
6月21日·下午
论坛主席、主持人：陈云霁 中科院计算所研究员，智源首席科学家
时间
内容
13:30 - 13:40
开幕致辞
陈云霁 中科院计算所研究员，智源首席科学家
13:40 - 14:20
软硬件去耦合的类脑计算系统设计与思考
张悠慧 清华大学教授，智源学者
14:20 - 15:00
去中心化分布式训练系统
钱学海 美国南加州大学
15:00 - 15:40
智能超算基准测试初探
陈文光 清华大学，智源学者
15:50 - 16:30
非线性忆阻神经网络
杨玉超 北京大学，智源学者
16:30 - 17:10
真存内计算的自动综合方法
罗国杰 北京大学，智源学者
17:10 - 17:50
开源RISC-V处理器核COOSCA的敏捷设计实践
包云岗 中国科学院计算技术研究所，智源学者
17:50 - 18:30
百度昆仑-适用于各种工作负载的AI处理器
欧阳剑 百度主任架构师
18:30 - 18:40
闭幕讲话
陈云霁 中科院计算所研究员，智源首席科学家
AI科技女性专题论坛
6月21日·下午
论坛主席、主持人：李涓子 清华大学计算机系教授，智源学者
时间
内容
13:30 - 13:35
开场致辞
李涓子 清华大学计算机系教授，智源学者
13:35 - 14:00
叫我带头人，而不是女性带头人
季姮 美国伊利诺伊大学厄巴纳-香槟分校（UIUC）教授
14:00 - 14:25
基于知识图谱的机器学习
张铭 北京大学信息科学技术学院教授
14:25 - 14:50
打开人工智能情感之门
秦兵 哈尔滨工业大学计算机学院教授
14:50 - 15:15
从语言到知识——构建语言智能的基石
穗志方 北京大学计算机科学技术系教授，智源学者
15:15 - 15:40
自然语言处理中的表示学习
黄萱菁 复旦大学计算机学院教授
15:40 - 17:30
AI TIME：论道科技与女性
主持人：兰艳艳 中国科学院计算技术研究所研究员，智源学者
主持人：吴国斌 滴滴出行科技生态与发展总监
朱小燕 清华大学计算机系教授
杨尔弘 北京语言大学教授，智源学者
杨红霞 阿里巴巴达摩院，资深算法专家
徐剑军 清华大学计算机系博士，YOCSEF学术委员
全体大会
6月21日·晚间
时间
内容
19:00 - 20:30
AI Time：AI精度与隐私的博弈？
主持人：唐杰 智源研究院学术副院长，清华大学教授
主持人：刘知远 清华大学副教授，智源学者
高文 中国工程院院士，智源研究院学术顾问委员会委员
张钹 中国科学院院士，智源研究院学术顾问委员会主席
杨强 香港科技大学教授，微众银行CAIO
20:30 - 21:30
AI：the Past and Coming Decade
主持人：张宏江 智源研究院理事长
John Hopcroft 图灵奖获得者，智源研究院学术委员会委员
Bart Selman AAAI候任主席，康奈尔大学教授
全体大会
6月22日·上午
时间
内容
9:00 - 9:50
Next Generation AI: Distributed, Long-Tailed, Non-Stationary, Privacy-Preserving and Encrypted
Alex Pentland 美国国家科学院院士，MIT连接科学研究所与人类动力学实验室主任
9:50 - 10:40
Pattern Recognition: Statistics to Pattern Recognition
Anil Jain 美国工程院院士，中国科学院外籍院士
10:40 - 11:30
主题报告
Zoubin Ghahramani 英国剑桥大学教授，Uber首席科学家
11:30 - 12:20
机器学习Zero-order优化方法
Jorge Nocedal 美国工程院院士，冯·诺依曼理论奖得主，美国西北大学教授
语音和自然语言处理专题论坛
6月22日·上午
论坛主席：孙茂松 清华大学教授，智源首席科学家
主持人：何晓冬 京东集团技术副总裁，智源学者
时间
内容
09:00 - 09:10
开幕致辞
孙茂松 清华大学教授，智源首席科学家
09:10 - 09:40
基于深度上下文词表征的语言结构的发现
Christopher Manning 斯坦福人工智能实验室（SAIL）负责人
09:40 - 10:10
基于显式上下文表征的语言处理
Mari Ostendorf 华盛顿大学教授
10:10 - 10:40
多语言及多模态任务中的预训练模型
周明 微软亚洲研究院副院长，国际计算语言学协会（ACL）主席
10:40 - 11:10
主题报告 可微分的加权有限状态机及其机器学习应用
Daniel Povey 小米语音首席科学家，Kaldi创始人
11:10 - 11:20
智源-京东多模态对话挑战赛开战揭幕
11:20 - 12:00
圆桌论坛： AI新疆域：多模态自然语言处理
孙茂松 清华大学教授，智源首席科学家
何晓冬 京东集团技术副总裁，智源学者
Christopher Manning 斯坦福人工智能实验室（SAIL）负责人
Mari Ostendorf 华盛顿大学教授
周明 微软亚洲研究院副院长，国际计算语言学协会（ACL）主席
认知神经基础专题论坛
6月22日·下午
论坛主席：刘嘉 北京师范大学心理学院院长，认知神经科学与学习国家重点实验室副主任
主持人：吴思 北京大学计算机系
时间
内容
13:30 - 14:10
Knowledge Representation in the Human Brain
毕彦超 北京师范大学认知神经科学与学习国家重点实验室
14:10 - 14:50
Maps and Functions of Human Attention
方方 北京大学心理与认知学院
14:50 - 15:30
From Representation to Computation: the Cognitive NeuroIntelligence
刘嘉 北京师范大学心理学院
15:30 - 16:10
The Cross Talk between Biology and Computer Vision
吴思 北京大学计算机系
16:10 - 16:50
From Brain Network to Brain-like Computation
余山 中国科学院自动化研究所
机器感知专题论坛
6月22日·下午
论坛主席：黄铁军 智源研究院院长，北京大学教授
时间
内容
13:30 - 14:10
从看脸到读心：基于视觉的情感感知技术
山世光 中国科学院计算技术研究所研究员
14:10 - 14:50
面向复杂视觉任务的视觉认知计算
王亮 中国科学院自动化研究所
14:50 - 15:30
一种具身自监督学习框架：面向任何语种语音的音系构建任务
吴玺宏 北京大学
15:30 - 16:10
机器人视触觉传感器与主动感知
孙富春 清华大学
16:10 - 16:50
基于WiFi和4G/5G的非接触无线感知：挑战、理论和应用
张大庆 北京大学
16:50 - 17:30
人机交互从精准走向模糊
史元春 清华大学
17:30 - 18:10
脉冲视觉—重塑视觉信息处理技术体系
黄铁军 智源研究院院长，北京大学教授
18:10 - 18:40
圆桌论坛：机器感知的新突破口在哪里？
参与人：黄铁军、山世光、王亮、吴玺宏、孙富春、张大庆、史元春
人工智能伦理、治理与可持续发展专题论坛
6月22日·下午
论坛主席：曾毅 智源研究院伦理与安全中心主任
时间
内容

致辞
特约嘉宾

联合国Digital Cooperation Roadmap发布
Fabrizio Hochschild 联合国副秘书长

主题报告
Amandeep S Gill 联合国秘书长数字合作高级别小组前执行主任

主题报告
Christoph Lütge 慕尼黑工业大学AI伦理中心主任，全球AI伦理协会发起者

主题报告
Effy Vayena 瑞士苏黎世联邦理工大学教授，世界卫生组织(WHO)健康领域AI伦理与治理专家组组长

主题报告
Adrian Weller 阿兰图灵研究院AI伦理负责人，联合国教科文组织(UNESCO)人工智能伦理特别专家组委员

主题报告
Vicent Muller 埃因霍温理工大学教授，IEEE 机器人与自动化学会机器人伦理委员会共同主席

圆桌论坛：东西方AI伦理、治理与可持续发展
全体大会
6月22日·晚间
时间
内容
7:00 - 7:40
圆桌论坛：人工智能产业的下一个十年
王海峰 智源理事，百度CTO
崔宝秋 智源理事，小米副总裁
马维英 智源理事，字节跳动副总裁
孙剑 智源理事，旷视首席科学家
夏华夏 智源理事，美团首席科学家
主持：刘江，智源研究院运营副院长
7:40 - 8:20
尖峰对话：NLP技术的前沿进展及商业化应用中的挑战
Christopher Manning 斯坦福人工智能实验室（SAIL）负责人
周伯文 智源-京东联合实验室主任，京东集团技术委员会主席，京东智联云总裁
8:30 - 9:30
Towards a Conscious AI: A Computer Architecture inspired by Neuroscience
Manuel Blum 图灵奖得主，CUM教授
Lenore Blum CUM教授
智能信息检索与挖掘专题论坛
6月23日·上午
论坛主席、主持人：文继荣 中国人民大学教授，智源首席科学家
时间
内容
9:00-9:45
Multimodal Conversational Search
蔡达成 新加坡国立大学教授
9:45-10:30
搜索：从工具到思维方式和心智
裴健 加拿大西门菲莎大学
10:40-11:25
Open-World AI and Continual Learning
刘兵 北京大学/伊利诺伊州芝加哥分校
11:25-12:10
Challenges in Combating Disinformation on Social Media
刘欢 亚利桑那州立大学教授
AI医疗专题论坛
6月23日·上午
论坛主席：唐杰 智源研究院学术副院长，清华大学教授
时间
内容
9:00 - 9:15
开场致辞&智源数据开放研究中心介绍
唐杰 智源研究院学术副院长，清华大学教授
9:15 - 9:50
主题报告
董家鸿 中国工程院院士，清华大学临床医学院院长，精准医学院院长，北京清华长庚医院院长
9:50 - 10:20
主题报告
王拥军 国家神经系统疾病临床医学研究中心副主任，首都医科大学附属北京天坛医院常务副院长
10:20 - 10:50
主题报告
王佳伟 首都医科大学附属北京同仁医院神经内科主任兼医院中心实验室主任
10:50 - 11:10
主题报告
朱庆莉 北京协和医院超声医学科主任医师，教授
11:10 - 11:30
主题报告
张少霆 商汤科技研究院副院长、集团副总裁，兼任上海交通大学清源研究院副院长
11:30 - 11:50
主题报告
张鹏 清华大学创新领军工程博士，智谱.AI CTO
11:50 - 12:30
AI TIME
王拥军 国家神经系统疾病临床医学研究中心副主任，首都医科大学附属北京天坛医院常务副院长
王佳伟 首都医科大学附属北京同仁医院神经内科主任兼医院中心实验室主任
张少霆 商汤科技研究院副院长、集团副总裁，兼任上海交通大学清源研究院副院长
张鹏 清华大学创新领军工程博士，智谱.AI CTO
AI创业专题论坛
6月23日·上午
论坛主席：曹岗 智源研究院常务副院长
时间
内容

开幕致辞
特约嘉宾

AI赋能时代的创业
李开复 创新工场创始人兼CEO

智能产业新浪潮
张亚勤 清华大学“智能科学”讲席教授，智能产业研究院院长

AI创业发展趋势：机会与挑战
陆奇 奇绩创坛创始人兼CEO

圆桌论坛
主持人：邝子平 启明创投创始主管合伙人
李开复 创新工场创始人兼CEO
陆奇 奇绩创坛创始人兼CEO
张亚勤 清华大学“智能科学”讲席教授、智能产业研究院院长
曹勖文 奇绩创业营合伙人
AI交通专题论坛
6月23日·上午
论坛主席：吕卫锋 北京航空航天大学
主持人：童咏昕 北京航空航天大学
时间
内容
9:00 - 9:05
开幕致辞
吕卫锋 北京航空航天大学
9:05 - 9:35
平行交通与交通5.0：从智能交通到交通智能
王飞跃 中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任
9:35 - 10:05
AI赋能智能出行新时代
叶杰平 滴滴出行副总裁，AI Labs负责人，智源学者
10:05 - 10:35
车路智行，打造面向未来的交通
李震宇 百度集团副总裁，智能驾驶事业群总经理
10:35 - 11:05
打破孤岛，用大数据驱动交通融合发展
杜勇 北京市交通信息中心副主任
11:05 - 11:35
基于广义时空数据挖掘的交通复杂行为认知-从研究到工业
杜博文 北京航空航天大学
11:35 - 12:15
圆桌论坛
王飞跃 中科院自动化所
李震宇 百度集团副总裁，智能驾驶事业群总经理
杜勇 北京市交通信息中心
杜博文 北京航空航天大学
机器学习专题论坛
6月23日·上午
论坛主席：颜水成 依图科技CTO，智源首席科学家
时间
内容
9:00 - 9:05
开幕致辞
颜水成 依图科技CTO，智源首席科学家
9:05 - 9:45
Thoughtful Artificial Intelligence: Forging A New Partnership for Data Science and Scientific Discovery
Yolanda Gil AAAI主席，南加州大学信息科学研究所科研副主任
09:45 - 10:25
主题报告
邢波 卡内基梅隆大学机器学习系副主任
10:25 - 11:05
主题报告
John Wright 哥伦比亚大学教授
11:05 - 11:35
Learning Based Optimization
林宙辰 北京大学教授，智源研究员
11:35 - 12:05
视觉计算前沿进展
孙剑 旷视研究院院长，智源研究员
决策智能专题论坛
6月23日·上午
论坛主席：徐波 中科院自动化所所长，智源研究院理事
时间
内容
9:00 - 9:10
开幕致辞
徐波 中科院自动化所所长，智源研究院理事
9:10 - 9:50
Efficient Collaborative Multi-Agent Reinforcement Learning
张崇洁 清华大学交叉信息学院
9:50 - 10:30
Emergent Tool Use From Multi-Agent Autocurricula
吴翼 OpenAI
10:30 - 11:10
通信驱动的合作学习
卢宗青 北京大学计算机系
11:10 - 11:50
StarCraft Commander: Grandmaster level Reinforcement Learning Agent Trained from Hyper Efficient AI Platform
袁泉 启元世界
11:50 - 12:30
深度强化学习-从仿真到实体
赵冬斌 中科院自动化所
12:30 - 12:40
闭幕致辞
AI防疫专题论坛
6月23日·下午
论坛主席：鲁白 清华大学教授，智源研究院理事
时间
内容
13:25 – 13:30
开幕致辞
鲁白 清华大学教授，智源研究院理事
13:30 - 14:10
抗疫政策的评估：数据科学的应用
郭毅可 英国帝国理工学院数据科学研究所所长
14:10 – 14:50
大数据人工智能技术+疫情防控：经验和反思
文继荣 中国人民大学教授，智源首席科学家
15:00 – 15:40
科学和精准的新公共卫生应对慢性病和传染病双重威胁
宁毅 北京大学公共卫生学院教授
15:40 – 16:20
浅谈真实世界数据和人工智能在COVID-19临床试验中的应用
冯胜 绿谷研究院副院长
AI框架专题论坛
6月23日·下午
论坛主席、主持人：陈文光 清华大学教授，智源学者
时间
内容
13:30 - 14:00
统一计算图：机器学习框架“计图”的创新与探索
胡事民 清华大学
14:00 - 14:30
DGL：高性能高可用的深图计算平台的开源实践
张峥 亚马逊云服务（AWS）上海AI研究院，上海纽约大学教授（学术休假）
14:30 - 15:00
PyTorch—从AI研究到生产
白俊杰 阿里巴巴
15:00 - 15:30
寒武纪智能编程语言—BANG
刘道福 寒武纪
15:45 - 16:15
天元深度学习框架的设计之道
田忠博 旷视科技
16:15 - 16:45
深度学习框架OneFlow的探索与实践
袁进辉 一流科技
16:45 - 17:30
圆桌论坛：我们是否还需要更多的编程框架？
陈文光 清华大学教授，智源学者
胡事民 清华大学
张峥 亚马逊云服务（AWS）上海AI研究院
白俊杰 阿里巴巴
刘道福 寒武纪
田忠博 旷视科技
袁进辉 一流科技
董豪 北京大学前沿计算中心
图神经网络专题论坛
6月23日·下午
论坛主席、主持人：刘知远 清华大学副教授，智源青年科学家
时间
内容
13:30 - 14:05
基于图神经网络的关系推理
唐建 蒙特利尔高等商学院以及算法研究所助理教授，博士生导师
14:10 - 14:55
图神经网络在信息检索等领域的应用
熊辰炎 微软研究院高级研究员
15:00 - 15:45
图神经网络在推荐系统的前沿研究
何向南 中国科学技术大学大数据学院教授，博士生导师
15:55 - 16:40
图神经网络的表达能力
沈华伟 中国科学院计算技术研究所研究员，智源青年科学家
16:45 - 17:30
构建高效易用的深图学习引擎
王敏捷 亚马逊上海人工智能研究院应用科学家
全体大会
6月23日·晚间
时间
内容
20:00 - 20:30
深度学习用于癌症诊断与治疗的挑战与最新进展
Regina Barzilay MIT CSAIL教授
全体大会
6月24日·上午
时间
内容
9:00 - 9:50
Untethering Unsupervised Learning
Geoffrey Hinton 图灵奖得主，多伦多大学教授
强化学习专题论坛
6月24日·上午
论坛主席：叶杰平 滴滴出行副总裁，AI Labs负责人，智源学者
时间
内容
10:00-10: 10 
开幕致辞
叶杰平 滴滴出行副总裁，AI Labs负责人，智源学者
10:10 - 10:55
主题报告
Satinder Singh University of Michigan, Ann Arbor, Professor
10:55 - 11:40
深度强化学习在网约车交易市场中的应用
秦志伟 滴滴AI Labs首席研究员
11:40 - 12:10
更好的环境模型，更好的强化学习
俞扬 南京大学教授
12:10 - 12:40
基于模型的强化学习：基础与前沿
张伟楠 上海交通大学副教授
机器学习前沿青年科学家专题论坛
6月24日·上午
论坛主席：Michael I. Jordan 加州大学伯克利分校教授，智源学术顾问委员会委员
主持人：朱军 清华大学计算机学院教授，智源学者
时间
内容
10:00 - 10:10
开幕致辞
Michael I. Jordan 加州大学伯克利分校教授 ，智源学术顾问委员会委员
10:10 - 10:40
Towards a theoretical understanding of learning to learn methods
鬲融 Duke University
10:40 - 11:10
Near-Optimal Reinforcement Learning with Self-Play
金驰 Princeton University
11:10 - 11:40
How Private Are Private Algorithms?
苏炜杰 University of Pennsylvania
11:40 - 12:10
Conformal Inference of Counterfactuals and Individual Treatment Effects
Lihua Lei Stanford University
12:10 - 12:40
主题演讲
马腾宇 Stanford University
12:40 - 12:50
闭幕致辞
知识智能专题论坛
6月24日·上午
论坛主席、主持人：唐杰 智源研究院学术副院长，清华大学教授
时间
内容
10:00 - 10:05
开场致辞
唐杰 智源研究院学术副院长，清华大学教授
10:05 - 10:40
主题报告
Jure Leskovec 斯坦福大学计算机科学副教授，Pinterest首席科学家
10:40 - 11:10
主题报告
孙怡舟 加州大学洛杉矶分校计算机科学系副教授
11:10 - 11:40
主题报告
东昱晓 微软雷德蒙德研究院高级应用科学家
11:40 - 12:10
主题报告
杨红霞 阿里巴巴达摩院智能计算实验室资深算法专家
全体大会和闭幕式
6月24日·下午
主持人：唐杰 智源研究院学术副院长，清华大学教授
时间
内容
14:00 - 14:50
AI against Covid-19
Jürgen Schmidhuber 瑞士AI实验室教授，LSTM设计者
14:50 - 15:40
Can we trust autonomous systems?
Joseph Sifakis 图灵奖得主
15:40 - 16:30
Building Brains-Artificial and Biological Intelligence
Steve Furber ARM核心设计者，英国两院院士，智源学术顾问委员会委员
16:30 - 17:20
AI的新三定律：隐私、安全和可解释性
杨强 香港科技大学教授，微众银行CAIO
17:20 - 18:10
人工智能科学、研究与工程:如何应对人类面临的重大挑战
Alan Kay 图灵奖得主
(日程中均为北京时间）
- 点击阅读原文或长按图片，内行盛会，首次免费注册-
????
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

                

                    

                    

                    
                    
                    

与5位图灵奖得主和100多位专家
共同探讨人工智能的下一个十年
长按图片或点击阅读原文，内行盛会，首次免费注册
北京智源大会倒计时：1天
第二届北京智源大会明天开幕！
 
欢迎大家参与，共同见证 AI 未来十年的发展。
 
本次大会从 6 月 21 日至 24 日，历时 4 天，先后将有 100 + 场顶尖报告。在如此硬核高密度的信息“轰炸”中，如不做好规划，必将茫茫然不知所获。
 
凡事预则立，不预则废；参与学术盛会，也是同样，做好攻略，制定完善的参会路线图，将使你收获满满。
会议指南
 
本届大会共有4天，涵盖19个分论坛。不同于以往，本届大会将全程采用线上模式，所有内容免费注册观看。
 
大会参会官网：2020.baai.ac.cn，微信扫码直达！
               
谁将和你一起？
目前大会报名人数超过2.5万。其中大多为国内外高校和科研机构人工智能及相关领域的学者、在校师生，和各大企业智能研发团队的管理、科研、工程技术人员。
               
直播入口
 
最大化便捷参会者，是我们的理念。
 
参会者可以从【微信公众号对话框】或【浏览器】登录大会官网（2020.baai.ac.cn），点击「直播入口」便可进入直播页面。
       
       
我们将按照会议日程的时间线索呈现所有直播视频。
        
       
订阅演讲：让你在会议中拥有主动权
 
为了便捷参会者，确保不错过任何感兴趣的论坛或报告，智源大会上提供了订阅功能。进入「日程安排」，点击上方「订阅专属开播提醒」，便可根据自己的兴趣勾选特定论坛或报告，制定自己的专属报告开播提醒。
 
如果是PC端，系统会生成一个 ics 文件，打开后便可导入到日历中。
 
成果展示：智源研究院过去一年取得哪些成果？
 
在大会展示部分，我们展示了北京智源人工智能研究院各个重大研究方向、企业合作等在过去一年中取得部分成果。此外，智源大会联合各大出版社，推出了近千本 AI 领域优秀图书的展览。
                                           
大会动态：后续演讲整理的汇集地
 
本次大会，我们将全方位整理、发布会议内容，覆盖所有精彩演讲。相关文章我们将同步发布在「北京智源人工智能研究院」公众号（ID：baaibjkw）和大会官网的「大会动态」中。需要回顾会议内容的童鞋，一定不容错过。
              
几点建议
 
>>> 务必要提前制定个人专属的参会路线图
无论参加任何会议，始终要明白，会议是别人的会议，如果不带目的去参会，必然将像无头苍蝇迷失在众多报告的海洋里。大会有100+场顶级报告，在制定参会路线图时，切记不要贪多，要量力而为。
 
>>> 针对自己感兴趣的报告，务必在参会前对演讲内容做基本的背景调研
本届会议多数报告属于最新前沿研究，即便处于同一领域的人士，或许也很难马上领悟到重点，提前做内容调研则能够让你掌握报告的主动权。此外，这些报告本身一般都是基于演讲嘉宾最新发表的工作，通过检索基本都能找到已发表的相关工作。
 
>>> 不做笔记的参会，都是耍流氓
人的记忆都是短暂的，也许讲者的一句话触发了你的灵感，请务必记录下来；也许并没有，但务必将讲者的逻辑思路记录下来，不然必定会被随后滔滔江水般的报告所淹没。或许你会期待会后官方会放出演讲 PPT 或直播回放，请注意，我们会尽可能提供，但并不保证全部。所以养成良好习惯，用你的笔头把自己的见闻感想随时记录下来。
>>> 英文演讲不用怕
我们会提供实时字幕，以及对应翻译。但请注意，无论是字幕还是翻译，都是人工智能系统支持的。
 
>>> 会议结束意味着结束吗？NO！
在这场“头脑风暴”中，你或许有一闪而过的灵感，或许在纸/电脑上留下了丰富的笔记，或许某场演讲让你激动不已——记住，会议的结束只是你收获的开始。请对这些信息进行二次加工，梳理关键信息，重新演绎idea的完整逻辑；如有可能，也可以邮件联系演讲嘉宾，以便跟进或加入他的后续研究。
当然加入社区，与人讨论也尤为重要——只有碰撞，火花才能溅得更远。欢迎各位在智源社区（hub.baai.ac.cn）分享自己的灵感、心得、笔记，大家相互交流经验。点击阅读原文，马上加入智源社区。
  
再次提醒：
北京智源大会官网地址：2020.baai.ac.cn
微信扫码直达
 

- 点击阅读原文或长按图片，内行盛会，首次免费注册-

                

	

旭东化学，你的教学助手   你关注的  正是我们专注的  关注教育 |  关注教学 | 关注化学 立即关注
2020安徽中考倒计时24天
需要本试卷Word版和答案，请加微信：lingxudong2013
点击图片 放大查阅
往期文章
● 【在线考试】2020届安徽省九年级化学第一次在线大联考
●  【在线考试】2020届安徽省九年级化学第二次在线大联考
●  【在线模拟】2020年安徽省初中学业水平考试化学模拟试卷(一)
●  【在线考试】2020年安徽省中考化学模拟试卷(一)
●  【模拟试卷】2020年安徽省中考化学模拟试卷(二)
● 【模拟试卷】2020年安徽省中考化学模拟试卷(三)
● 【模拟试卷】2020年安徽省中考化学模拟试卷(四)
● 【模拟试卷】2020年中考安徽名校大联考化学试卷(一)
●  【模拟试卷】2020年合肥市42中第一次模拟化学试卷
●  【模拟试卷】2020年安徽中考模拟化学试卷(五)
●  【模拟试卷】行知学校2019-2020学年度第二学期九年级检测 化学试卷
● 【模拟试卷】安徽省濉溪县2020届中考一模化学试题
●  【模拟试卷】安徽省滁州市定远县第一次中考模拟考试化学卷
● 【模拟试卷】安徽省2020年中考化学模拟卷(新题型)
●  【模拟试卷】安徽省2020年中考化学模拟卷(新题型2)
●  【模拟试卷】安徽省合肥市瑶海区一模化学试卷
●  【模拟试卷】2019-2020学年第二学期九年级质量检测化学试卷(新题型3)
●  【模拟试卷】2020安徽中考化学模拟试卷(新题型4)
● 【模拟试卷】2020年安徽省中考化学模拟试卷(新题型5)【模拟试卷】2020年安徽省合肥市第39中学中考化学模拟试题
●  【模拟试卷】安徽省安庆市2020年中考一模化学试题
● 【模拟试卷】北京市房山区2020九年级衔接诊断测试化学试题
● 【模拟试卷】2020年安徽中考化学模拟试卷(新题型6)
● 【模拟试卷】2020年安徽省蚌埠市九年级阶段性素养调研化学试卷
● 【模拟试卷】2020年安徽省滁州市定远县第二次中考模拟考试化学试卷
● 【模拟试卷】安徽省2020年六区第二次联考化学试卷
●【模拟试卷】2019-2020 学年度贵池区三级教研网络中片第三次联考化学试卷
●【模拟试卷】2020北京石景山初三一模化学
●【模拟试卷】2020年合肥市瑶海区中考二模化学试卷
●【模拟试卷】2020年安徽省池州市贵池区中考化学三模试卷

                    

                    

                    
                    
                    

与6位图灵奖得主和100多位专家
共同探讨人工智能的下一个十年
长按图片，内行盛会，首次免费注册
北京智源大会倒计时：9天 
计算机体系结构领域国际顶级会议每次往往仅录用几十篇论文，录用率在20%左右，难度极大。国内学者在顶会上开始发表论文，是最近十几年的事情。
ASPLOS与HPCA是计算机体系结构领域的旗舰会议。其中ASPLOS综合了体系结构、编程语言、编译、操作系统等多个方向，HPCA则主要针对高性能体系结构设计。过去的三十多年里，它们推动了多项计算机系统技术的发展，RISC、RAID、大规模多处理器、Cluster架构网络存储、机器学习加速器等诸多计算机体系结构领域的重大技术突破，都最早发表在这两个会议之上。
2020年4月12日上午，北京智源人工智能研究院和北京大学高能效计算与应用中心联合主办了“AI芯片体系架构和软件专题报告会”，五位学者结合在2020年计算机体系结构顶级会议（ASPLOS和HPCA）中发表的最新研究成果，针对AI芯片和体系结构领域的几个关键挑战：芯片加速、能耗和反对抗攻击等，详细介绍了他们的最新思考和解决方案。超过1900名观众在线观摩了学者们的报告。报告主题分别是：
本次报告会主席、智源青年科学家和北京大学研究员梁云《FlexTensor: An Automatic Schedule Exploration and Optimization  Framework for Tensor Computation on Heterogeneous System》
美国南加州大学PhD Candidate骆沁毅《Prague: High-Performance Heterogeneity-Aware Asynchronous Decentralized Training》
清华大学交叉信息研究院助理教授高鸣宇《Interstellar: Using Halide's Scheduling Language to Analyze DNN Accelerators》
智源青年科学家、中国科学院计算技术研究所副研究员陈晓明《Communication Lower Bound in Convolution Accelerators》
中国科学院信息工程研究所研究员和信息安全国家重点实验室副主任侯锐《DNN Guard: An Elastic Heterogeneous Architecture for DNN Accelerator against Adversarial Attacks》
本篇是此次活动演讲内容的第三篇文章，今天我们将介绍北京大学高能效计算与应用中心长聘副教授、智源青年科学家梁云的主题报告《FlexTensor: An Automatic Schedule Exploration and Optimization Framework for Tensor Computation on Heterogeneous System》（异构系统中张量计算的自动调度和优化框架）。
梁云，主要研究领域为计算机体系结构、编译优化、芯片设计自动化。在 MICRO、HPCA、PPoPP、DAC 等顶级会议发表论文 90 多篇，谷歌学术引用超过 2500 次。根据 CSrankings 的统计，共发表 24 篇顶级会议论文，8 次被评选或提名为国际会议最佳论文，包括 ICCAD 2017 和 FCCM 2011 最佳论文、DAC 2017、2012 和 PPoPP 2019 的最佳论文提名。
在本次报告中，梁云详细介绍了他们团队发表的ASPLOS 2020上的最新成果——FlexTensor， 这是一个适用于异构系统的张量计算的调度探索和优化框架，它可以自动的对张量计算进行优化，使得程序员只需编写高级的张量程序，而不用考虑硬件平台的优化细节。本次报告中，梁云层层解析了实现FlexTensor框架的关键路径，如优化空间定义、用模拟退火算法结合机器学习等，抽丝剥茧地向大家呈现出该框架的奥妙之处。
 整理：智源社区 张鼎盛、happylion
  
一、背景介绍
 
随着人工智能和专用硬件的普及，深度学习网络也在不断涌现，深度学习中使用的都是张量运算，为了让硬件能够支持人工智能应用并更好的发挥芯片的性能，每个硬件芯片都会提供高层的库来做张量运算，比如Intel的MKL、Nvidia的CuDNN等。
 
图1：不同硬件提供的算子库
 
目前手动开发库的流程如图2所示。程序员会手动描述算法，优化工程师手动优化并生成不同平台的代码，任何一个环节如果做出修改的话，其它的流程也都需要做出调整，整个设计过程当中需要手动探索不同的优化策略和不同的设计方案，所以这是一个非常耗时的过程。
 
图2：手动开发库流程
 
最近几年，学术界、工业界开始关注一个热点领域——自动代码生成（Automatic Code Generation），这个过程当中主要有两步：一步就是计算（Compute），一步就是调度（Schedule）。计算就是用一个上层的算法Tensor描述语言进行描述，并不涉及到任何一个底层硬件的细节。
 
下图举了一个计算的例子就是针对向量相加（Vector Add），两个向量相加，长度大小是16，通过一个Lambda表达式表达这样的加法。在上层会手写这样一个计算的描述，接下来会在上面做一些调度的优化，优化当中会包括各种各样的Primitive。
 
图3：向量相加
 
自动代码生成的代表工作
目前自动代码生成领域比较有代表性的是两份工作：一份是Halide，由麻省理工学院的 Jonothan教授提出，在学术界和产业界有非常大的影响力；另一份是TVM，由华盛顿大学Tianqi Chen提出，也在学术界和产业界产生了很大的影响力。
 
Halide最早提出将计算和调度分离，但是专注于图像处理领域，虽然针对CPU可以生成非常高性能的代码，但是针对新兴人工智能硬件来说，生成的代码性能相对差一些。
图4：Halide 特性
 
TVM，则沿用了Halide的计算和调度分离的技术，也可以针对不同硬件生成底层代码，例如CPU、GPU和嵌入式代码，专注于机器学习领域。TVM提供了一个叫做Auto TVM的自动化工具，它需要程序员手动输出模板（Template），然后可以帮助程序员自动探索这些参数，进行自动调整。
 
图5：TVM 特性
自动代码生成的难点
但手动优化书写模板有很大的挑战性，如图6列举了两点：
1. Primitive选择非常多，如果没有一个很好的排序搜索，并不知道应该选择哪些。
2. Primitive的组合和参数的空间构成了一个非常庞大的整个的搜索空间，可能是几亿个甚至几十亿个。
 
图6：手写模板的挑战
 
接下来如图7所示，列举了手写调度（Schedule）的困难，左图对比了三种输入大小不同的卷积，然后也对比了三种不同的Schedule A、B、C，区别就是 Primitive 的组合是不一样的，右下角对比的是同一个Primitive的组合，但是改变不同的参数，这里改变的是切分因子（Split Factor），所呈现出来的趋势也有很大的不同。可以从图中看出手写调度是很困难的，因为取决于输入的规模、Primitive的组合、不同的参数，并且不同的硬件都会带来不同的性能。
 
图7：手写调度的挑战
 
二、FlexTensor 架构的设计思想和工作流程 
鉴于目前为止，设计流程的优化过程是半自动化的，面临着手写模板等挑战性问题，所以梁云团队希望能实现一个完全自动化的优化过程解决方案：它可以提供高性能，并且可以迁移到不同的硬件，程序员并不需要去写底层代码，整个开发周期也非常短。为了实现这个目标，梁云团队提出了FlexTensor 的架构，使得优化（Optimization）步骤变成一个全自动的流程，不需要任何程序员介入，程序员只需要写一个上层算法，整个算子库的产生过程就可以交给算法工程师完成。
 
图8：FlexTensor的设计理念
 
FlexTensor 的架构流程如图9所示，优化步骤实现全自动。首先输入的是计算语句，然后经过静态分析生成结构化的信息和统计学的信息，基于这两种信息会生成一个优化空间进行探索和评估，最后生成源码。下面，我们依次介绍FlexTensor 工作流程的几个关键步骤。
  
图9：FlexTensor的架构流程
①静态分析
这里使用简单的卷积乘法例子来介绍如何使用静态分析描述。如下图的三重卷积，使用静态分析后会生成一个MiniGraph，计算的过程可分成多步完成。静态分析产生的两种信息，一种是统计学信息包括循环次数和节点等等，另一种是结构信息包括计算图结构等等。
 
图10：卷积的静态分析
 
②调度空间生成
静态分析之后就会生成调度空间，如图11所示统计出来的三重循环次数可以限制切分引子，还加入了剪枝操作限定 Primitive 的组合深度，也可以对优化的空间做剪枝操作，针对特定硬件可以预先决定出来一些优化的选项。
 
图11：生成调度空间
 
③调度空间重组
接下来要对调度空间进行重组，如图12所示，将线性组合的不同点随机放到一个列表当中，但是不同的点之间实际上是有关联性的。
 
图12：随机点
 
通过把这些点组成一个高维的空间，相似的点聚合在一起，这样的话就可以更有助于搜索。如图13所示，例如在杂乱无章的列表当中，从最开始的点到最优的点，要经过八步搜索，但是当重组以后可能从第一步到最优的点只需要两步搜索，这就是优化空间重组的目的。
 
图13：重组优化
 
④高效探索
高效探索分两步，启发式搜索（Heuristics）和机器学习。目的是找到开始的点，评估这个点是好是坏和应该朝着哪个方向进行搜索。针对不同硬件，评估方式也有所区别。CPU和GPU编译是非常快，每次运行时间也很短，就可以直接在硬件进行测量。FPGA或CGRA需要的时间很长，可能需要几个小时，就通过Cost Model方式做评估。
 
启发式搜索是基于模拟退火算法寻找起始点，在已经评估的点当中寻找最好的。为了避免局部最优，梁云团队设计了以下的概率公式，点越好选择它的概率就越大。公式中V*是已知的最优点，也可以选择其它非优的点。
机器学习部分是通过Q-Learning选择方向，每次预测不同方向的Q值，选择最大的，也会去除已访问的点以避免回溯。具体来说使用的是DQN算法，把输入的点生成向量，表示不同方向上的Q值，再选择最大的Q值为最好的方向。
 
DQN算法涉及推断（Inference）和训练（Training）。推理是把所有已评估的点放在H集合当中，每次更新H集合。选择一个点后，经过DQN算法输出一个向量，选择一个最大的方向，再做评估，把点不断加入H集合。
 
图14：DQN算法的推断
 
训练时会为原始网络X创建一个孪生网络（Twin Network） Y，整个过程当中X和Y迭代相互更新。Y表示真值，每次用X输出的值和Y算出损失（Loss），再适度更新X。然后周期性的用X更新Y。
 
图15：DQN 算法的训练  
 
⑤代码生成
最后是代码生成，针对CPU、GPU和FPGA三种硬件。
CPU专注的优化手段包括多平铺（Multi-level tiling）， 多线程（Multi-level Threading）和向量化（Vectoration）。GPU专注的是多线程和线程块结构的组合和共享内存的使用。FPGA自定了三个阶段的流水线（Pipeline），分别是数据读取，计算和写入。最重要的优化手段是带宽，也会考虑DSP资源和BRAM存储的限制。
 
三、实验方式与结果
 
接下来，梁云介绍了FlexTensor的实验情况。实验利用了12种广泛使用的Tensor计算，如Conv、GEMM等，并比较了几何平均数和绝对性能，而且还在不同平台上和已有的手动开发库做了对比。结果表明，FlexTensor在以下诸多方面都表现出不错的提升。
 
总体GPU实验结果
在三个平台上，FlexTensor都比CuDNN性能有所提升。
 
图16：总体GPU实验结果
 
Convo2d-GPU实验结果
平均比cuDNN有1.5倍绝对性能的提升，比PyTorch (Native)有1.56倍绝对性能的提升。
 
图 17：Conv2d-GPU实验结果 
 
Convo2d-CPU实验结果
几何平均数得到更大的提升, 绝对性能比MKL-DNN差一点。主要原因是在C6配置上FlexTensor比PyTorch差距较大。其它方面FlexTensor都表现得非常好，所以这个实验当中几何平均数可以更真实地反映效果。
 
图 18：Conv2d-CPU实验结果

Convo2d-FPGA实验结果
和之前的手动优化相比也有1.5倍左右的性能提升。
 
 图19：Conv2d-FPGA实验结果
 
Auto-TVM与手写模板对比结果
最后，和Auto-TVM手写模板相比，FlexTensor自动化模板搜索比Auto-TVM性能更高(见图20），并且只使用了27%的时间就达到此性能（见图 21）。
 
图20：FlexTensor和TVM比较实验结果
 
图21：FlexTensor和TVM探索时间和性能比较 （红线是FlexTensor加上Q-Learning，蓝线是FlexTensor没有Q-Learming,绿线是TVM）
 
结语
演讲最后，梁云总结FlexTensor的特征，便是将张量计算的优化变成全自动过程，针对不同的硬件，如CPU、GPU和FPGA等生成不同的张量算子库，其核心技术便是基于DQN算法的Q-Learning以及启发式搜索。
 
据悉，FlexTensor项目已经开源，感兴趣的朋友们可以在Github上下载、体会它的奥妙，网址是：https://github.com/KnowingNothing/FlexTensor。
 
Q&A
Q：这项工作和HeteroCL有什么区别？
A：HeteroCL是针对FPGA是编程范式，我们是针对张量运算的自动生成算子库，而且面向异构系统包括CPU、FPGA、GPU目的不一样。
 
Q：FlexTensor开源就是已经把Source Code Release，GPU上面比较的对象是目前最优的时限吗？自动优化相比手动优化更好吗？
A：CPU都是已经优化的，cuDNN是GPU上最优的Library，包括INTEL和MQL相比，都是对比当前最优。
 
Q：相比TVM的区别是什么？
A：目前为止，TVM 优化是半自动的，但是Primitive的组合非常难写，有非常多的Primitive选择，组合空间非常大，所以我们把这一步变成了自动化。这是主要区别。
 
- 2020北京智源大会设立智能体系架构与芯片论坛-
-点击阅读原文或长按图片，内行盛会，首次免费注册-