u1jodi1q 发表于 2024-8-31 05:55:15

举荐：多模态基本模型关系推理能力概述丨图神经网络与组合优化读书会 · 10月11日直播


    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwsQPGA2lcQ71zeeiarKxjtj2VibJo8WEhwnMzJgkdplC4vBuh3cXZ2NOQ/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"></p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">导语</strong></p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">为了探讨图神经网络在算法神经化求解的发展与现实应用，集智俱乐部联合国防科技大学系统工程学院副教授范长俊、中国人民大学高瓴人工智能学院助理教授黄文炳，<span style="color: black;">一起</span>发起「<a style="color: black;">图神经网络与组合优化</a>」读书会。读书会将聚焦于图神经网络与算法神经化求解的<span style="color: black;">关联</span><span style="color: black;">行业</span>，<span style="color: black;">包含</span>神经算法推理、组合优化问题求解、几何图神经网络，以及算法神经化求解在 AI for Science 中的应用等方面，<span style="color: black;">期盼</span>为参与者<span style="color: black;">供给</span>一个学术交流平台，激发参与者的学术兴趣，进一步推动<span style="color: black;">关联</span><span style="color: black;">行业</span>的<span style="color: black;">科研</span>和应用发展。读书会从2023年6月14日<span style="color: black;">起始</span>，每周三晚 19:00-21:00 举行，<span style="color: black;">连续</span>时间预计8周。欢迎感兴趣的<span style="color: black;">伴侣</span>报名参与！</span></strong></p><img src="https://mmbiz.qpic.cn/mmbiz_png/kYGbMpocXYPuX1Vj6XEGVxic9ZxK2qhAJb3ibtLGalDXsqXP5aGtBGM3JwZWGVD4unb8wNtfM3UTKtAS2u8kQGCg/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwkia9UfGNXJ0208ugiaRCWkX0z5pNehEF4vMjkLPJS81q0XetX9UyPm6w/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;">
    <h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">分享内容简介</strong></strong></p>
    </h3><span style="color: black;"><span style="color: black;">近年来，采用深度学习对图结构数据建模的<span style="color: black;">办法</span>取得了巨大<span style="color: black;">发展</span>，并改变了模型理解关系结构的能力。</span><span style="color: black;">在<span style="color: black;">这次</span>分享中，主讲人将展示利用图结构在多种<span style="color: black;">设备</span>学习场景中实现<span style="color: black;">繁杂</span>而<span style="color: black;">有效</span>推理的探索，并聚焦其在<span style="color: black;">基本</span>模型中的应用。</span><span style="color: black;"><span style="color: black;">这次</span>分享<span style="color: black;">重点</span>关注<span style="color: black;">基本</span>模型的 3 个方面：</span><span style="color: black;">架构、学习<span style="color: black;">目的</span>和推理能力。</span><span style="color: black;">其中，<span style="color: black;">咱们</span>将利用图和关系学习进行智能和<span style="color: black;">有效</span>的推理。</span><span style="color: black;"><span style="color: black;">尤其</span>地，主讲人将讨论稀疏<span style="color: black;">有效</span>的Transformer架构主干、<span style="color: black;">有效</span>的自监督预训练模型实现<span style="color: black;">方法</span>，以及在大语言模型中关系推理的应用。</span></span>
    <h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">分享内容大纲</strong></strong></p>
    </h3>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">基本</span>模型概述</p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">图与关系推理</p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">基本</span>模型的架构</p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">基本</span>模型的学习<span style="color: black;">目的</span></p><span style="color: black;">基本</span>模型的推理能力<h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">前置学习资料</strong></strong></p>
    </h3>
    <h2 style="color: black; text-align: left; margin-bottom: 10px;"><span style="color: black;">1. 算法与深度学习融合之路：<span style="color: black;">神经推理系列论文<span style="color: black;">诠释</span></span></span></h2><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwb6rvWL77qhfr6Tpn0u8kcKqNeBmIqPQ9hTxMT1ibXGtaCjybHkhf2Yg/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"><span style="color: black;">这次分享探讨了将算法与深度学习<span style="color: black;">办法</span>结合的几种实现途径，<span style="color: black;">包含</span><span style="color: black;">运用</span>神经网络学习经典算法执行过程、<span style="color: black;">运用</span>Transformer<span style="color: black;">处理</span>推理任务以及算法求解器的神经求解等。</span>
    <h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">主讲人介绍</strong></strong></p>
    </h3><img src="https://mmbiz.qpic.cn/mmbiz_jpg/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwbFZwsotlKQ386jkQrH9VOqxJSepQfb4pL7dMDY6mx6A4D9aOk7TibGg/640?wx_fmt=jpeg&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"><strong style="color: blue;"><span style="color: black;">应智韬（Rex Ying）</span></strong><span style="color: black;">，耶鲁大学计算机科学系的助理教授。<span style="color: black;">科研</span>重点<span style="color: black;">包含</span>图神经网络算法、几何嵌入、可解释模型，以及<span style="color: black;">近期</span><span style="color: black;">触及</span>关系推理的多模态<span style="color: black;">基本</span>模型。Rex是许多广泛<span style="color: black;">运用</span>的GNN算法的作者，如GraphSAGE，PinSAGE和GNNExplainer。<span style="color: black;">另外</span>，Rex还致力于图形学习在<span style="color: black;">理学</span>模拟、社交网络、知识图谱、神经科学和生物技术中的<span style="color: black;">各样</span>应用。Rex在Pinterest<span style="color: black;">研发</span>了<span style="color: black;">第1</span>个十亿规模的图嵌入服务，在亚马逊<span style="color: black;">研发</span>了基于图的<span style="color: black;">反常</span>检测算法。</span><span style="color: black;">个人主页：https://www.cs.yale.edu/homes/ying-rex/</span><span style="color: black;">学者主页：https://pattern.swarma.org/user/124029</span>
    <h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">主持嘉宾介绍</strong></strong></p>
    </h3><img src="https://mmbiz.qpic.cn/mmbiz_jpg/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwhM5zNOYAbV8VerS8V2mKv7x2Q1pGBpjzNiaw7S18HBADrdibwVEL7jpg/640?wx_fmt=jpeg&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;">
    <h3 style="color: black; text-align: left; margin-bottom: 10px;"><strong style="color: blue;"><span style="color: black;">范长俊</span></strong><span style="color: black;">，</span><span style="color: black;">国防科技大学系统工程学院副教授，硕士生导师。</span><span style="color: black;">加州大学洛杉矶分校（UCLA）<span style="color: black;">拜访</span>学者。</span><span style="color: black;"><span style="color: black;">科研</span>方向<span style="color: black;">包含</span>图深度学习、组合优化、强化学习及其在智能决策、<span style="color: black;">繁杂</span>系统和指挥<span style="color: black;">掌控</span>中的应用。</span><span style="color: black;">以<span style="color: black;">第1</span>及通讯作者在Nature Machine Intelligence、Nature Communications、AAAI等国际顶级期刊和会议20余篇。</span><span style="color: black;">先后获吴文俊人工智能科技进步一等奖、世界人工智能大会青年优秀论文奖、中国指挥与<span style="color: black;">掌控</span>学会优博论文奖和国防科技大学青年创新奖一等奖。</span><span style="color: black;"><span style="color: black;">日前</span>主持与参与10余项国家重大项目，<span style="color: black;">同期</span><span style="color: black;">亦</span>是中国指挥与<span style="color: black;">掌控</span>学会信息融合专委会副总干事和湖湘青年英才。</span></h3>
    <h3 style="color: black; text-align: left; margin-bottom: 10px;">
      <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><strong style="color: blue;">直播信息</strong></strong></p>
    </h3><strong style="color: blue;"><span style="color: black;">时间：</span></strong><span style="color: black;"><span style="color: black;">2023年10月11日（本周三）上午10:00-12:00</span></span><strong style="color: blue;"><span style="color: black;">参与方式：</span></strong><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWKUWs4gYevMrCO8Y70tbDicwAMjwQOxvHqplnHMndI75roN9UiadEJkymHAjxrqNevAsJp3ZyD3cia5g/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"><span style="color: black;">扫码参与图神经网络与组合优化读书会，加入群聊，获取系列读书会回看权限，<span style="color: black;">作为</span>图神经网络社区的种子用户，与社区的一线<span style="color: black;">研究</span>工作者与企业实践者沟通交流，<span style="color: black;">一起</span>推动图神经网络社区的发展。</span>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">集智学园最新AI课程，</strong></p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">张江教授亲授：</strong><strong style="color: blue;">第三代人工智能技术<span style="color: black;">基本</span></strong></p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">——从可微分编程到因果推理</strong></p>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">自1956年“人工智能”诞生于达特茅斯会议<span style="color: black;">败兴</span>，<span style="color: black;">已然</span>经历了从<span style="color: black;">初期</span>的以符号推理为主体的<span style="color: black;">第1</span>代人工智能，和以深度神经网络、<span style="color: black;">设备</span>学习为主体的第二代人工智能。ChatGPT的横空出世、生成式AI的普及、AI for Science等新<span style="color: black;">行业</span>的突破，标志着第三代人工智能的呼之欲出。可微分编程、神经微分方程、自监督学习、生成式模型、Transformer、基于图网络的学习与推理、因果表征与因果推断，基于世界模型的强化学习……，所有这些脱胎于前两代人工智能的技术要素<span style="color: black;">特别有</span>可能将<span style="color: black;">形成</span>第三代人工智能的理论与技术的<span style="color: black;">基本</span>。</span></p><span style="color: black;">本课程试图系统梳理从<span style="color: black;">设备</span>学习到大语言模型，从图神经网络到因果推理等一系列可能<span style="color: black;">作为</span>第三代人工智能<span style="color: black;">基本</span>的技术要素，为<span style="color: black;">科研</span>者或学生在生成式AI、大模型、AI for Science等<span style="color: black;">关联</span><span style="color: black;">行业</span>的学习和<span style="color: black;">科研</span>工作奠定<span style="color: black;">基本</span>。</span><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWJvk6oyKXRickuGhVbX8LzraLcjgmWHAO77v1tjhxJJrHeskXicKL7So2e7dZRLnciah7RJEvwOsnFqA/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"><span style="color: black;">https://campus.swarma.org/course/5084?from=wechat</span>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">AI+Science 读书会</strong></p><span style="color: black;">AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。</span><span style="color: black;">一方面是 AI for Science，<span style="color: black;">设备</span>学习和其他 AI 技术<span style="color: black;">能够</span>用来<span style="color: black;">处理</span>科学<span style="color: black;">科研</span>中的问题，从预测天气和蛋白质结构，到模拟星系碰撞、设计优化核聚变反应堆，<span style="color: black;">乃至</span>像<span style="color: black;">专家</span><span style="color: black;">同样</span>进行科学<span style="color: black;">发掘</span>，被<span style="color: black;">叫作</span>为科学<span style="color: black;">发掘</span>的“第五范式”。</span><span style="color: black;">另一方面是 Science for AI，科学尤其是<span style="color: black;">理学</span>学中的规律和思想启发<span style="color: black;">设备</span>学习理论，为人工智能的发展<span style="color: black;">供给</span>全新的视角和<span style="color: black;">办法</span>。</span><span style="color: black;">集智俱乐部联合斯坦福大学计算机科学系博士后<span style="color: black;">科研</span>员吴泰霖（Jure Leskovec 教授<span style="color: black;">指点</span>）、哈佛量子计划<span style="color: black;">科研</span>员扈鸿业、麻省理工学院<span style="color: black;">理学</span>系博士生刘子鸣（Max Tegmark 教授<span style="color: black;">指点</span>），<span style="color: black;">一起</span>发起以<a style="color: black;">“AI+Science</a>”为主题的读书会，探讨该<span style="color: black;">行业</span>的重要问题，共学共研<span style="color: black;">关联</span>文献。</span><span style="color: black;">读书会从2023年3月26日<span style="color: black;">起始</span>，每周日早上 9:00-11:00 线上举行，<span style="color: black;">连续</span>时间预计10周。</span><span style="color: black;">欢迎对探索这个激动人心的前沿<span style="color: black;">行业</span>有兴趣的<span style="color: black;">伴侣</span>报名参与。</span><a style="color: black;"><span style="color: black;"><span style="color: black;"><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWJz971ibudxicmjcyGgrJucVfMnUZicV5jTdll0AuRox5TEsaCTPhk5oujicbkWxmibCx91vppMhy83Vxg/640?wx_fmt=png&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1&amp;tp=webp" style="width: 50%; margin-bottom: 20px;"></span></span></a><span style="color: black;"><span style="color: black;">详情请见：</span></span><span style="color: black;"><a style="color: black;">人工智能和科学<span style="color: black;">发掘</span>相互赋能的新范式：AI+Science 读书会<span style="color: black;">起步</span></a></span>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">图神经网络与组合优化读书会<span style="color: black;">起步</span></strong></p><span style="color: black;">现实世界中<span style="color: black;">海量</span>问题的<span style="color: black;">处理</span>依赖于算法的设计与求解。传统算法由人类专家设计，而随着人工智能技术<span style="color: black;">持续</span>发展，算法自动学习算法的案例日益<span style="color: black;">增加</span>，如以神经网络为<span style="color: black;">表率</span>的的人工智能算法，这是算法神经化求解的缘由。在算法神经化求解方向上，图神经网络是一个强有力的工具，能够充分利用图结构的特性，实现对高<span style="color: black;">繁杂</span>度算法的<span style="color: black;">有效</span>近似求解。基于图神经网络的<span style="color: black;">繁杂</span>系统优化与<span style="color: black;">掌控</span>将会是大模型热潮之后新的<span style="color: black;">将来</span>方向。</span><span style="color: black;">为了探讨图神经网络在算法神经化求解的发展与现实应用，集智俱乐部联合国防科技大学系统工程学院副教授范长俊、中国人民大学高瓴人工智能学院助理教授黄文炳，<span style="color: black;">一起</span>发起「图神经网络与组合优化」读书会。读书会将聚焦于图神经网络与算法神经化求解的<span style="color: black;">关联</span><span style="color: black;">行业</span>，<span style="color: black;">包含</span>神经算法推理、组合优化问题求解、几何图神经网络，以及算法神经化求解在 AI for Science 中的应用等方面，<span style="color: black;">期盼</span>为参与者<span style="color: black;">供给</span>一个学术交流平台，激发参与者的学术兴趣，进一步推动<span style="color: black;">关联</span><span style="color: black;">行业</span>的<span style="color: black;">科研</span>和应用发展。读书会从2023年6月14日<span style="color: black;">起始</span>，每周三晚 19:00-21:00 举行，<span style="color: black;">连续</span>时间预计8周。欢迎感兴趣的<span style="color: black;">伴侣</span>报名参与！</span><a style="color: black;"><span style="color: black;"><img src="https://mmbiz.qpic.cn/mmbiz_png/wibWV1DB7tWLVic9dh9eo4DOCtbSkc7ibPbCtr4bU1cvLA2Vj4HY7HiajFO4PClRky9LS98U5Fnxqb2dwUQ0Iw47WA/640?wx_fmt=png&amp;wxfrom=5&amp;tp=webp&amp;wx_lazy=1&amp;wx_co=1" style="width: 50%; margin-bottom: 20px;"></span></a><span style="color: black;">详情请见：</span><span style="color: black;"><a style="color: black;">加速经典算法效率，突破现实技术瓶颈：图神经网络与组合优化读书会<span style="color: black;">起步</span></a></span><span style="color: black;"><span style="color: black;">详细</span>参见：</span>
    <p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="https://mmbiz.qpic.cn/mmbiz_png/wLlNI5ibsBHV9TxnIB5dzibeljQU6rhV1lJia7ia7g8eZ1C6JYoCywiaibAJsHO8KJTgCBvkFXKey8NUKV4TOOZVDbRA/640?wx_fmt=png&amp;tp=webp&amp;wxfrom=5&amp;wx_lazy=1&amp;wx_co=1" style="width: 50%; margin-bottom: 20px;"></p>




听听海 发表于 2024-9-3 07:12:42

软文发布论坛开幕式圆满成功。 http://www.fok120.com

情迷布拉格 发表于 2024-9-9 03:54:23

期待更新、坐等、迫不及待等。

7wu1wm0 发表于 2024-10-1 01:53:50

你的话语如春风拂面，温暖了我的心房，真的很感谢。

j8typz 发表于 2024-10-2 23:36:00

你字句如珍珠，我珍藏这份情。

4lqedz 发表于 2024-10-5 17:26:19

seo常来的论坛，希望我的网站快点收录。

wrjc1hod 发表于 2024-10-10 20:59:41

顶楼主，说得太好了！

7wu1wm0 发表于 2024-11-9 02:41:32

你的话语如春风拂面，让我感到无比温暖。
页: [1]
查看完整版本: 举荐：多模态基本模型关系推理能力概述丨图神经网络与组合优化读书会 · 10月11日直播