讲座名称：
“二十一世纪的计算”学术研讨会
详情介绍：
随着计算机科学的持续演进以及社交网络、智能移动终端与物联网的兴起，人工智能技术正在加速发展，这让冰冷的机器变得越来越“聪明”，并对人类工作和生活的帮助越来越大，很多曾经只存在于科幻小说或电影中的技术都在逐步变成现实。但关于人工智能，我们仍有很多的困惑与思考。未来，计算机技术的发展会如何影响人类的智能生活？未来基础研究又将引领IT互联网领域的哪些创新？
嘉宾介绍：
-
Peter Lee
微软全球资深副总裁、美国计算机协会（ACM）院士。
-
Michael Stonebraker
麻省理工学院客座教授，2014年图灵奖获得者，美国计算机协会（ACM）院士。
-
Leslie Lamport
微软研究院首席研究员，2013年图灵奖获得者，美国计算机协会（ACM）院士。
-
Lorenzo Alvisi
德克萨斯大学奥斯汀分校计算机科学系教授，美国计算机协会（ACM）院士。
-
Thorsten Joachims
康奈尔大学计算机科学系及信息科学系教授，美国计算机协会（ACM）、美国人工智能学会（AAAI）院士。
-
Demetri Terzopoulos
加利福尼亚大学洛杉矶分校计算机科学系杰出教授，美国计算机协会（ACM）、电气电子工程师学会（IEEE）、
伦敦及加拿大皇家学会院士。 -
洪小文
微软全球资深副总裁，微软亚太研发集团主席，微软亚洲研究院院长，微软杰出首席科学家，电气电子工程师学
会（IEEE）院士。
精彩视频段点：
-
基础研究是创新的核心
现在那些看起来极具颠覆性的产品或应用，其背后的技术都经历了几十年基础研究的积累。Peter强调，基础研究是技术创新的核心，并不断推动着创新的发展。尤其在人工智能和机器学习领域，基础研究可能是新一轮工业革命的驱动力。
-
大数据要解决三件事
在Michael看来，大数据无非就是要解决好三件事：一，处理大量数据（Volume）；二，很快的处理速度（Velocity）；三，解决好数据来源繁杂的问题（Variety）。
-
用数学视角去看待编程
Leslie 表示“希望人们用数学的视角去看待编程，是数学教会了我们抽象思考，而C/C++之类的编程语言无法教会我们抽象思考”
-
模块化同时控制解决分布式两难问题
Lorenzo以钟摆比喻阐述了分布式计算中的“经典两难问题“，即如何让系统高效执行的同时降低系统编程难度？而他给出的答案则是——模块化同时控制。
-
机器学习重在数据收集
Thorsten表示，前期的数据搜集质量如何是决定机器学习效果好坏的关键，因此一定要确保数据有意义、无偏差，同时还要确保数据的规模，只有在基于足够大量的数据学习之后，系统才有可能具备一定的“智能”。
-
逼真模拟人类还是路漫漫
模拟人类一直是人工智能永恒的主题，从20世纪80年代至今，面部建模方法已经有很大变化，与人类越来越像，但是想要把外形和行为都做到逼真，仍然有很大挑战。
-
人工智能是一个很好地“左脑”
关于人工智能一直存在广泛的争议，利弊难辩。不过在洪小文看来，计算机应该是一个很好的“左脑”，人和机器之间的关系，更多是Human + Machine = Superman的关系，最终做出人独立做不到、机器也独立做不到的事情。