报告题目：从AplhaGo战胜人类展望机器学习的新趋势
-- 超限学习机(ELM)和深度学习(DL)的有机结合及ELMGo探讨
报 告 人：Guang-BinHuang(黄广斌)，新加坡南洋理工大学
时 间：5月30日下午3:00-5:00
地 点：主教506会议室
主办单位：通信工程学院
摘要：近几年人工智能和机器学习的研究和应用开始变得火热起来，AplhaGo战胜人类顶尖高手这一重大事件更是火上浇油。本报告从技术和工业需求角度分析人工智能和机器学习复兴的原因，指出真正的机器学习时代已经来到，亟需重新思考人工智能和机器学习的研究、定位和角色。首先，本报告指出超限学习机(ELM))和深度学习(DL)的有机结合是个新的机器学习趋势。超限学习机和广泛流行的学习技术（比如传统的人工神经网络，支持向量机）相比，速度快（可以达到几百到几万倍）并且准确率高。初步研究显示在某些应用中(比如手写体识别，手语识别，交通路牌识别，3D图形分析等)，ELM与DL相比可进一步提高准确率,并且大幅度降低训练时间（相比较深度学习基于GPU的1-2天训练时间，ELM在普通计算机上的训练时间缩短到几分钟或更少）。部分ELM理论已经得到了生物学的直接验证，也许能解释为什么生物脑总体有序又局部无序（比如同种动物的每个大脑并不一样),因此，ELM理论可以给深度学习中广泛应用的局部吸收(Local Receptive Fields)提供理论支持。其次，本报告展望未来机器学习的发展趋势和影响: 1）从机器学习工程到机器学习科学的转折点; 2）机器学习和生物学习机制的汇合趋势; 3）从人（和其他生命体）的智能到机器智能; 4）从物联网（IoT）到智能物的联网（Internet of Intelligent Things）以及有别于人类社会的智能体社会（Society of Intelligent Things）; 5) 在智能制造的应用 (比如3D快速打印上的开拓性应用) 。最后，本报告探讨AplhaGo产生的深远影响：1）为什么AplhaGo战胜人类是一定的，为什么人类智能在地球的总体智能中的权重会减弱但地球的总体智能在提高；2）基于超限学习机的ELMGo和AlphaGo的区别与联系。
黄广斌(Guang-Bin Huang) 新加坡南洋理工大学电子电气工程学院副教授
(tenured),IEEESenior Member。IEEE Transactions on Cybernetics, Neurocomputing，Cognitive Computation和Neural Networks副主编。他被Thomson Reuters 评为“Highly Cited Researcher（高引用研究者）”，以及“2014, 2015 The World's Most Influential ScientificMinds(2014, 2015年世界最有影响力的科学精英)”。其论文据谷歌引用统计16000余次。
研究方向包括：大数据处理分析，脑机交互，人机交互，图像处理，机器学习理论和技术。
主要学术贡献是提出一套全新的学习理论和方法：Extreme Learning Machines （ELM，超限学习机）。ELM突破了前30年流行的前馈神经网络以及近20年广泛应用的支撑向量机（SVM）的理论和技术瓶颈。和ELM相比，支撑向量机及其演伸方法只是提供次优学习方案。ELM和SVM/LS-SVM， DeepLearning（深度学习）相比，准确率高，简单易用，学习速度可以快几千到几万倍。ELM理论最近也得到了生物和脑神经学的直接生物验证，弥补了机器学习和脑学习机制之间的空白，解决了计算机之父冯·诺依曼（John von Neumann）60年前的关于人脑和计算机结构和能力的困惑。
附件：
无
