深度学习训练平台建设中的性能优化实践

演讲简介：

深度学习相关技术的发展对算力提出了越来越高的需求，深度学习平台的建设目的之一就是降本增效。平台的能力建设不但要包含对计算资源的集中调配，同时也应提供适当的任务模板以提升研发效率。规范化的任务模板可以在一定程度上将业务逻辑从与软件框架的深度结合中分离，使业务的迭代能够适应软硬件升级，从而达到充分利用计算资源的目的。本次分享根据平台建设中所遇到的数据处理与模型训练相关问题，探索了相关软件框架的一种实践方式，可以在降低开发工作量的同时获得速度的提升。

嘉宾介绍：

胡文晖，竞技世界（北京）网络技术有限公司，数据工程师，主要职责是机器学习平台建设以及相关项目的性能优化，先后参与了多个AI项目的研发。

多模态认知计算介绍及实践

演讲简介：

AI多模态融合视听等多模态实践在算法、应用等层面都呈现出了多元化、快速的趋势，但也面临着缺乏统一的理论基础和框架，使得一方面AI多模态在行业应用实践投入方向不明确、应用范围有限，另一方面前沿研究受到局限。统一理论框架挑战在于需要认知神经科学、AI多模态、类脑科学等交叉学科背景进行理论体系整理和融合，我们在认知神经科学和AI多模态应用的交叉领域进行了大量实践，逐步完善了多模态认知计算的理论框架体系，在实际应用取得了不错的效果。

本次分享，聚焦于多模态认知计算的理论框架介绍和应用实践。分享内容包括：从认知科学角度切入，融合当下AI多模态认知计算的理论框架，并结合了新一代类脑计算，介绍完整的理论框架体系，对目前典型的多模态应用在理论框架之下进行重新剖析和总结，并对我们在多模态计算的论文、业务应用进行分享。

希望这些理论框架、实践经验可以得到广泛的应用。

演讲内容重点提纲：

1. 当下AI在产业应用面临的困难和挑战

（大部分都是单一模态解决不了的问题，多模态又面临着复杂、应用效果不好的问题）

2. 认知神经科学里的多模态信息整合机制介绍

（认知神经科学里的理论基础为多模态认知计算提供基本支撑）

3. 多模态认知计算理论框架和体系介绍

（从认知能力“联想、推理、归纳和演绎”映射到多模态认知计算的能力上，并引入对“信容”等基础理论，并重新对多模态应用进行分剖析）

4. 类脑计算在多模态认知计算融合新趋势介绍

（类脑计算和传统AI的特点，介绍当下行业典型应用和进展）

5. 多模态认知计算在业务里的实践介绍

（一方面介绍在多模态算法方面实践，另一方面基于认知计算理论重新设计应用和算法实践）

6. 总结

嘉宾介绍：

蔡龙军 智精灵 CTO

先后任职IBM/阿里等公司，曾主导了爱奇艺大脑，任阿里文娱AI大脑负责人，现任北京智精灵CTO；行业知名AI专家，近两年数篇NIPS/AAAI/ACL等顶会论文，二十余项专利，数十场行业演讲，主导了近十个科研项目申报，在CV/NLP和机器学习其他领域都有涉猎；曾主导的产品作为行业，带动了行业发展，并产生了数亿的业务价值。