由清华大学主办的2018年国际大学生类脑计算大赛于10月13日上午9点在清华大学罗姆楼举行，上午是开幕式和特邀报告，下午是作品路演，下面详细介绍。

薛其坤副校长致辞

人工智能进入瓶颈期，类脑计算成为突破点。
希望通过举办类脑大赛，提供交流平台，挖掘人才，逐步扩大影响力，办成世界级赛事。

孙茂松 - 从机器翻译到古诗生成

学堂在线的设计师，擅长中文语言处理
岳飞：运用之妙，存乎于心
机器翻译和古诗生成的计算模型一样
PPT概述：

• 人类语言的重要性
  • 智人，会说话，可以合作，产生信仰（虚构的东西）
  • 认知时代
• IMAGENET
  • 2012年，CNN突破
• 语音识别（感知层面）
• 从CNN到RNN（LSTM）机器翻译
• 大潮初起 Warren Weaver（经验主义）
• 第二次波峰（1990-至今）
  • 统计机器翻译（经验主义）
  • IBM模型1-5，基于香农信息论，需要足够的双语语料库
  • 神经机器翻译模型
• 自动作诗的问题复杂性
  • 前后句子之间的相关性
  • 平仄，多音字
• 抓对问题，做深
  • 搜狗翻译用了清华的技术，搜狗提供数据
• 后续计划嵌入世界知识，弥补数据量不足

提问：

1. 深度学习可以与类脑结合吗？

• 对脑科学理解得不透，全世界没找到结合的点
• 类脑计算缺少有力的模型，不容易做出来

2. 中英文翻译的区别？神经网络如何解决小样本数据的问题？

• 中文，需要先分词，之后和英文类似。
• 神经网络的可解释性差，基于统计，解决二八问题中的二，这些问题的数据充足。
• 计划把规则系统放进去
• 人辅助，靠知识解决稀疏的问题

3. 人工智能与人的配合？同声传译

• 人工智能只在某些场景比人好，很多方面不如人。人机共存，是比较普遍的做法。
• 围棋，边界限定，算法可以全部考虑到，极小概率出问题，这种场景全部由机器做。
• 无人车，不能在开放环境中运行，这超越设计者的范围。
• 人机共存，比只让机器做更难，何时交给人做？自动驾驶遇到紧急情况，此时交给人处理，已经晚了。
• 做了30多年人工智能，完全靠人工智能不行。

4. 人工智能和人文结合？

• 人工智能和人文结合，只要有大数据，一定有成效。
• 什么是重要问题？需要领域专家的帮助，再结合大数据。
• 金融领域应用人工智能，可催生诺贝尔奖，但不知道那个领域的难点问题。

施路平 - 面向人工通用智能的类脑计算

• 中国脑计划：理解脑、治疗脑、利用脑，阿波罗级别的计划
• 从句、转折，机器翻译困难
• 语言输入：无法判断间隔、口误、口音
• 人工智能的挑战：
  • 不可理解
  • 不可解释
  • 一点偏差可以产生巨大错误
• 人工智能可解决：
  * 充足数据
  * 确定的问题
  * 完整的知识
  * 静态
  * 单一的问题
• CPU（调度）+AI芯片（处理非结构化信息）+Memory
• 挑战：计算机科学+脑科学
• 大数据，找到有用的数据，挺难

路演

用于联觉可视化的弱监督注意力对抗生成网络 Automatic Speech Recognition: A Neuromorphic Approach Synthesizing Cognition in Ultra-Low-Power Neuromorphic Electronic Systems 基于稀疏可逆映射的人脑视觉信息解码 基于深度学习的轻量化音乐质感转换系统 基于CNN与SNN混合的肝脏肿瘤区域识别与分割 SNN Training and Inference for Sign Language Recognition 基于脉冲神经网络的新型脑启发模型：从结构到应用 基于脑电和眼动信号的多模态情绪识别系统 基于学习者多模态反馈数据分析的教学评估系统 基于情景信号的连续多任务学习 基于神经脉冲的视觉编解码研究 基于FPGA的异步脉冲神经网络电路设计 基于强化学习的古诗词生成系统 基于类脑架构的双目联动凝视跟踪飞行平台 基于发育网络模拟的听觉系统算法研究

个人感受

• 深度学习在受限场景下、基于大数据的应用比较成熟。
• 基于类脑计算、针对各种场景、数据量小的通用模型研究正在兴起，机会很多。
• 国家扶持，脑科学与类脑研究步伐将加快，顺势而为。

相关链接：
北京脑科学与类脑研究中心
清华大学类脑计算研究中心
“中国脑计划”将启动，国家将斥巨资着力三方面脑科学研究
中国脑计划破土，投资规模将数量级飞跃