AI辩论、清华论文……一文看懂卓越人工智能引领者大年夜奖

7月9日，天下人工智能大会的最高奖项——卓越人工智能引领者（Super AI Leader，简称SAIL奖）在2020天下人工智能大会云端峰会的开幕式上举行了颁奖仪式。
中国工程院院士、同济大学校长陈杰，商汤科技创始人、喷鼻香港中文大学教授汤晓鸥为SAIL奖颁奖。

得到2020 SAIL奖的项目是：

“IBM Project Debater”

“联影智能uAI新冠肺炎医学影像智能化诊断全栈办理方案”

“百度文心(ERNIE)知识增强语义理解技能与平台”

“卡内基梅隆大学Tetrad因果关系自动创造智能平台”

清华大学论文《忆阻器卷积网络的全硬件实现》。

颁奖现场。

据理解，今年SAIL奖经由初评、复评选赛出入围TOP30的项目，由SAIL终评专家评审选出2020 SAIL获奖项目，并形成2020年度SAIL榜单。
同时，今年SAIL与青年精良论文奖互助，评比推举人工智能领域的精良论文纳入SAIL获奖项目。

SAIL奖评审专家依托上海人工智能计策咨询专家委，集聚了环球人工智能领域最具影响力的科学家和企业家，由中国工程院院士、中国科学院院士、国内外有名高校和科研机构的学者、人工智能家当界的领军企业技能带头人组成。

以下为2020 SAIL奖的获奖项目先容：

IBM Project Debater

IBM在AI领域深耕多年，作为环球IT家傍边耸立逾百年的企业，如今IBM正迎来一个人工智能的能量大爆发的期间。

1997年，IBM研发的超级打算机深蓝（Deep Blue）国际象棋比赛中击败了天下冠军加里.卡斯帕罗夫（Gary Kasparov），而象棋一贯被认为是一种人类社会的高智力博弈。

2011年，IBM人工智能系统Watson在益智游戏节目《危险边缘》(Jeopardy!)中更是击败了两位最精良的人类冠军，由此吸引了全天下的目光。

2018年，IBM研究院则在美国旧金山的Watson West，首次展示了人类与智能机器之间的公开现场辩论赛。
双方辩手分别是IBM耗时逾六年研发的，首个能与人类进行繁芜辩论的AI系统Project Debater（以下简称Debater），以及曾在2016年得到以色列国家辩论冠军以色列大四女生Noa Ovadia和以色列国际辩论协会主席 Dan Zafrir。

2019年，在美国旧金山，AI\公众辩手\"大众Project Debater再次亮相，与欧洲辩论冠军哈瑞在美国旧金山展开了畅快淋漓的\"大众人机辩论赛\"大众。

第一部分：Project Debater的代价

决策

在这个充满繁芜问题、海量信息和误导文化的天下，我们非常有必要通过对思想不雅观点进行深入探索，建立以事实为依据、有说服力的论点。

超越当前技能

辩论和论证并不但是没有预设答案的活动，“回答问题”只是供应事实信息。
搜索引擎只为你完成了一半的事情，在辩论中，没有标准答案评分功能。

对业务不可或缺

Project Debater 推动人工智能向更前沿的领域进军，促进智能辩论的发展，帮助建立更合理的论点，做出更明智的决策。

第二部分：支撑Project Debater 的三大能力

数据驱动的辩论文稿的天生和表达能力

给定一个有争议的主题的简短描述，通过阅读、理解大量的语料，它能够创作出构造良好的辩论文稿，并清晰且有针对性地表达出来，乃至还汇合时地展现诙谐感。

语理解能力

能够识别长篇大论的连续口语中的每一个句子里隐含表达的主要观点和不雅观点；

仿照人类困境

通过独特的知识图谱来仿照人类的抵牾与困境，使系统能够根据须要提出有原则的论点。

第三部分：技能及学术造诣

超过30份出版物

发布的数据集：数千次下载

领导并共同组织有关辩论技能的Dagstuhl 一周研讨会，会议期间创造了“打算辩论（Computational Argumentation）”这个术语

ACL 2016 年有关打算论证的NLP 教程

2015 年和2016 年共同组织论点挖掘研讨会

当选中在EMNLP 2018 中领导并组织关于论点挖掘的下一场研讨会

自然措辞处理 (NLP)算法 NLP是指打算机自动理解、解读和处理人类措辞（比如，话语和文本）。
NLP 是人机互动的关键要素， IBM Project Debater 团队积极开展 NLP研究也在情理之中。

论点挖掘 不雅观点和论据是论点的主要组成部分：确定并合理利用不雅观点和论据对付在辩论中形成论点至关主要 。
IBM Project Debater 团队投入了大量精力，开拓机器学习方法，为不雅观点和论据挖掘海量的语料库，并利用这些语料库天生与辩论主题干系的论点 。

态度分类和感情剖析 自动辩论系统必须能够确定论点能否支持或回嘴给定的主题。
这对人类来说十分大略，但对机器而言则相称困难，由于它须要能够敏锐地辨别自然措辞丰富的奇妙之处和细微差异。
我们在这个非常有趣的研究领域已经取得主要进展。

深度神经网络 (DNN)和弱监督 DNN 具备提高自动措辞理解能力的巨大潜力，但是众所周知，演习 DNN 须要大量人工标记的高质量数据。
我们开拓了多种工具和方法，以弱监督式演习DNN，以便缓解这个瓶颈问题。
我们还利用DNN 开拓 Project Debater的听说技能 。

文本转语音 (TTS)系统 与个人助手或导航器不同，辩论系统须要能够持续数分钟对事先未知的主题作出雄辩，同时与受众保持互动。
我们开拓了新的 TTS 算法和方法，用于为 Project Debater 供应清晰流利、有说服力的措辞表达能力。

第四部分：Project Debater的未来

IBM Project Debater仅仅预示着一个开始，未来，Debater将有潜力在环球范围内帮忙人类制订日常的繁芜决策，这些潜在用场包括：

金融顾问

通过演习Debater来找出金融事实，用以支持或反对金融剖析师所思考的金融投资选择。

状师

通过Debater的汇总技能，状师可以借助Debater来探求干系案件和主见，或借助Project Debater仿照法庭辩论来剖析上风和劣势。

公共事务决策

通过Debater公道的优/缺陷剖析和对人类困境的仿照，可以就须要进行决策的问题，供应基于事实、没有人为偏见的不雅观点。

学生助手

通过Debater帮助各个年事段的学生改进他们的批驳性思维和沟通技巧，或帮助他们找出更多信息以改进报告和论文。

企业决策者

通过Debater拓宽思路，在关键决策中纳入他们可能没有考虑到的新不雅观点。

第五部分：关于人机辩论

重点不在于赢或输，而是为了展示人工智能节制人类丰富措辞的能力。

与游戏不同，措辞可以见告我们更多关于人类思维和表达的信息，这是IBM Research最感兴趣的。

我们相信，人工智能有潜力来理解我们。

人工智能的推理越透明和有理有据，我们就越能信赖它，从而就越能利用它帮助我们做出精确的决定。

IBM研究院在增强和补充人类认知的构建技能方面拥有丰富的历史，从而可以供应更多信息和背景来帮助决策。

人工智能辩手也不例外——帮助人们推理，建立充分的论据，做出更好的决定。

第六部分：打破进入商业办理方案

更具有打破意义的是，在2020年3月，IBM首次推出：将源自Project Debater的一些关键技能集成至 IBM Watson商用产品中的首批成果，侧重于提高客户利用自然措辞的能力，以支持企业开始挖掘和剖析人类措辞中某些最具寻衅性的方面。
个中包括：

1.剖析—高等感情剖析（Advanced Sentiment Analysis）。
IBM 增强了感情剖析能力，能够更好地识别和理解繁芜的单词组合。

2.择要提炼—总结（Summarization）。
该技能可从各种来源中提取文本数据，为用户就与特定主题干系的口头和书面辞吐提炼一份择要。

3.聚类—高等主题聚类（Advanced Topic Clustering）。
基于从 Project Debater 得到的洞察，全新主题聚类技能将支持用户对输入的数据进行“聚类”，从而就干系信息创建故意义的“主题”，用户随后即可对这些主题进行剖析。

这些新的人工智能能力，将在2020年被陆续集成到Watson Assistant、Watson Discovery、Watson Core Natural Language Understanding等产品中，从而让企业在网络数据、组织数据、剖析数据和扩散人工智能到企业运营中等人工智能四阶梯中，达到全新的水平。

uAI新冠肺炎医学影像智能化诊断全栈办理方案

上海联影智能医疗科技有限公司

今年新冠肺炎疫情溘然爆发，AI走到了疫情防控的前哨。
作为医疗同行者，联影智能积极相应、加速产品创新，迅速推出“uAI新冠肺炎医学影像智能化诊断全栈办理方案”，从成像、筛查、诊断到随访，以AI全栈助力抗“疫”。

AI自动定位，实现无打仗扫描

在医院以往的扫描过程中，技师必须要反复进出扫描间，不可避免地会与患者进行打仗。
联影自主研发的“智能天眼”CT，能对病人的身高、体型、位置等信息进行自动化识别，技师无需进入扫描间，即可完成隔室扫描，大幅降落交叉传染风险。
疫情期间，有500余台智能“天眼”CT驰援全国抗疫一线，包括武汉全市70%的定点医院发热门诊、传染病区及超过一半的方舱医院。

联影“智能天眼CT”

AI量化剖析，助力筛查、诊断及随访

联影智能为全国100多家医院供应了uAI新冠肺炎智能赞助剖析系统，并驰援美国、马来西亚、意大利、北非等外洋多国。
该系统可基于患者CT图像，自动标记病灶，对新冠病毒传染病灶勾画重合率靠近90%，全肺传染百分比量化偏差小于1%，可将5至10分钟的CT阅片韶光缩短至1分钟以内。
同时，系统可全自动匹配治疗前后影像检讨的肺炎病灶，实现多次影像的同步比对阅片，帮助年夜夫精准评估新冠病情发展。

联影智能新冠肺炎智能赞助剖析系统。

云端做事，缓解诊疗压力

为办理某些临时园地难以开展影像诊断的难题，联影智能AI系统通过联影云将做事覆盖到包括武汉雷神山医院、方舱医院在内的全国 200 余家医疗机构，助力缓解新冠肺炎定点医院诊疗压力。

得到SAIL奖的背后，是联影智能推进医学影像AI落地的行动与决心，未来联影智能将连续致力于技能创新与运用，供应贯穿成像、筛查、随访、诊断、治疗、评估全流程，覆盖全病种的全栈全谱的智能办理方案，为年夜夫、医疗设备赋能提效，与用户、互助伙伴携手共赢。

文心（ERNIE）知识增强语义理解技能与平台

北京百度网讯科技有限公司

自然措辞处理（NLP）被称为人工智能皇冠上的一颗明珠，自然措辞理解是其主要研究方向之一，在该领域的技能打破，对付机器认知智能发展至关主要。

百度获奖项目“文心（ERNIE）知识增强语义理解技能与平台”，是一个取得天下级打破的语义理解技能与平台，依托于百度的深度学习平台飞桨而打造，将机器理解措辞的水平提升到一个新的高度，全面刷新了各项NLP任务的天下最好效果。
2019年3月发布至今，已在多个公开威信语义评测中得到了近十项天下冠军。

文心（ERNIE）首创性地将大数据预演习与多源丰富知识相结合，通过持续学习技能，不断接管海量文本数据中词汇、构造、语义等方面的新知识，实现模型效果不断进化，犹如人类持续学习一样。
文心（ERNIE）在16个中英文范例NLP任务上显著超越当时天下最好效果。
2019年12月，文心（ERNIE）在国际威信的通用措辞理解评估基准GLUE上，首次打破90分，超过人类水平3个百分点，刷新榜单得分并得到环球第一。
2020年3月，在环球最大规模之一的语义评测SemEval 2020上，文心（ERNIE）取得了5项天下冠军。

此外，文心（ERNIE）在措辞天生领域也取得打破，提出了业界首个基于多流机制天生完全语义片段的预演习措辞天生技能ERNIE-GEN,该技能在各种措辞天生任务上也显著超越国际最好效果。
2020年7月，文心（ERNIE）在多模态语义理解领域取得打破，提出了业界首个基于场景图知识增强的多模态预演习模型ERNIE-ViL，在多项范例多模态任务上刷新天下最好效果，并登顶视觉知识推理威信榜单VCR。

文心（ERNIE）干系创新成果也被人工智能顶级学术会议AAAI 2020和IJCAI 2020收录。
文心（ERNIE）技能打破被包括环球顶级科技商业杂志《麻省理工科技评论》、德国光谱杂志，以及韩国AITimes、日本AI-SCHOLAR等多国威信科技媒体官方宣布，极大彰显中国在人工智能领域创新与打破的实力。

文心（ERNIE）的创新成果，不仅表示在威信数据集的理论评测上，也表示在面向用户的实际产品运用中。
为了推动文心（ERNIE）在低内存、低功耗的业务场景中运用，百度发布了语义理解模型轻量化方案ERNIE Slim，大幅降落了文心（ERNIE）的模型落地本钱，使得这一技能的广泛运用成为可能。

目前文心（ERNIE）已经全面运用在百度搜索引擎、信息流、智能音箱等几十个产品中，大幅提升了产品的智能化体验。
同时，文心（ERNIE）也通过百度大脑AI开放平台面向开拓者和企业进行开放赋能，目前已广泛运用于金融、通信、教诲、互联网等各行各业，推动家当智能化发展。

Tetrad因果关系自动创造智能平台

卡内基梅隆大学

因果关系是科学和工程中的一个基本观点，也是实现通用人工智能过程中不可或缺的一环。
对因果性的认识，不只能让我们更好地理解、组织已经学到的知识点，还能让我们具有创新型思维，在各个领域中，这种理解都给了我们恰当地掌握和改变系统的能力。

有关因果关系的研究在过去三十多年已在统计学、打算机科学以及哲学界取得很多进展。
很多研究事情的目的是做因果推断——假设已经知道了系统定性的因果性（比如知道了治疗办法是缘故原由，而康复率是结果），通过剖析不雅观测到的数据，找到定量的因果影响程度，或者进行所谓“反事实推理”（如果当初给这个病人用了其余一种治疗办法，结果会不会更好？）。
可是，在现实中，我们如何去探知因果关系呢？传统办法是进行人为干预实验，而这样的实验很昂贵，且很多时候不可行。

自1980年代，卡内基梅隆大学（CMU）的因果研究团队就开始致力于办理因果创造的问题——我们能不能从被动不雅观测的数据中找出数据背后的因果关系？传统不雅观点是这个问题基本不可解——殽杂成分、选择偏差的存在都使得因果创造变得非常困难。
项目团队的Clark Glymour 教授（美国艺术与科学院院士）和Peter Spirtes以及Richard Scheines两位教授早在1984年就开始思考这个问题，到1989年他们终于提出实用的因果创造算法——从非实验数据中找出因果关系。
直到现在，这些算法还是因果创造领域最广为利用的，而这些创造也首创了因果创造这个领域。

为带来直接影响，项目团队和Joseph Ramsey教授一起，同时开拓了Tetrad因果关系自动创造平台，并持续更新，目前平台已基本席卷各种已被证明有效的因果创造算法。
2015年张坤教授加入项目团队，加深了因果模型和人工智能之间领悟关系。
团队开拓的机器学习工具使得因果创造变得更可靠的同时，机器得以自动自主地从各场景和任务中学习、综合、表述和利用因果性子。
项目团队希望机器可以像人一样探知和利用万事万物之间的联系，再辅以理性的规则。
进而使得机器可以更全面、更人性化的做事人类，带给人更多的肃静、保障和便利。

在过去十几年间，辅以Tetrad平台以及项目团队在1993年出版的教科书《因果性、预测和搜索》，CMU因果研究团队的研究成果带动了美国、欧洲、中国和日本等地一大批研究组的事情，已在机器学习和人工智能领域催生了因果创造这个研究方向，得到广泛关注。
目前已成功运用在卫生保健、生物信息学、措辞理解及建模、机器人学、社会科学、经济、金融、生物、神经科学、地质学、病毒学等各个领域。
仅在2019年5月到2020年5月间，Tetrad平台就有35325名非重复用户。

微软研究院合资人Chris Meek说：“Tetrad的思想和软件平台已经根本上改变了研究者们剖析和解释我们不雅观察到的数据的范式。
”

亚马逊的首席机器学习科学家、德国马克思普朗克智能系统研究所所长Bernhard Schlkopf教授说：“在人工智能领域，越来越多的人认为因果性能把人工智能领域带上了一个新台阶，而CMU的因果研究团队处在该领域发展的中央位置——不只他们的思想和算法，还有他们的Tetrad软件平台都有深远影响。
”

《忆阻器卷积网络的全硬件实现》

清华大学 姚鹏（第一作者）

人工智能算法繁芜度和参数规模的增长对智能芯片的算力和能效提出了更高哀求，受限于芯片集成程度和底层架构瓶颈，传统智能芯片发展碰着了重大寻衅。
基于忆阻器的存算一体技能有望带来智能硬件革命，被华为和阿里巴巴达摩院等评为未来科技趋势，阿里达摩院在2020年1月发布了《2020十大科技趋势》报告，个中第二大趋势即为“打算存储一体化打破AI算力瓶颈”。

基于忆阻器的存算一体智能系统在基本器件、打算事理、体系架构等多层次打破传统打算体系：器件上，采取新型忆阻器，打破传统CMOS器件；事理上，基于欧姆定律等物理规律，打破布尔逻辑理论；架构上，基于存算一体技能，打破“冯诺依曼架构”瓶颈。
该智能系统有望呈数量级的提升硬件算力和能效。

当下存算一体发展，紧张集中于器件研究和全连接构造实现，完全存算一体系统实现面临以下寻衅：器件方面，制备高同等、可靠的多值忆阻器阵列仍是寻衅；系统方面，器件固有的非空想特性、阵列偏差和电路噪声都会降落系统精度；架构方面，存算一体实现卷积功能须要连续采样、打算，无法匹配全连接构造的打算效率，成为性能瓶颈。

本论文优化器件，改进阵列同等性，基于自主研发的工艺流程制备存算一体芯片，实现多阵列系统集成；进一步，创新性的提出稠浊演习算法办理偏差累积问题，提出空间并行机制办理速率失落配问题，终极，搭建了国际上首款多阵列存算一体智能硬件系统，并成功支配完全卷积网络，实现从器件到系统、从全连接构造到卷积网络的打破。
与Tesla V100 GPU比较，该存算一体系统具有110倍的能效上风和30倍面积效率上风，且有望通过前辈工艺进一步提升系统性能。

面向存算一体系统的稠浊演习方法是指在硬件处理过程中，将片外演习好的权重编程到各忆阻器阵列中，通片长进修、更新局部硬件权重来自适应的填补多种非空想特性的影响，办理偏差累积问题；空间并行策略是指将相同卷积核编程到多组忆阻器阵列中，合营稠浊演习的方法，可以并行、准确的处理卷积打算，提高系统并行度和打算速率。
通过器件、电路、架构和算法的联合优化，采取硬件实验结合系统仿真的方法，验证了这些技能的通用性，能够适用于多种网络模型，广泛的肃清存算一体设计中的速率瓶颈，展现了存算一体架构的光明前景，推进下一代高算力、高能效的智能系统发展。

任务编辑：李跃群

澎湃新闻，未经授权不得转载。
新闻报料：4009-20-4009