邀请函下载

特邀报告

	The Lost Combinator
	Professor Mark Steedman (University of Edinburgh)
	The central role of syntax is to support semantics. The central problem of grammar is discontinuity, where elements that belong together in semantics as predicate and argument are separated in the sentence. The engine driving progress in the last fifty years of linguistics and natural language processing (NLP) can be seen as a search for a combinatory calculus, in which discontinuity is analysable in terms of operators over adjacent pairs of categories that are strictly contiguous in the sentence. The talk is in three sections. In the first, I review this progress, the reasons why linguistic, psychological, and computational approaches to grammar have diverged, and how they are put back together in Combinatory Categorial Grammar (CCG), a formalism that has become widely used in NLP applications in which semantic interpretation plays a role, including semantic parsing, question-answering, and machine translation. In a second section, I briefly examine the question of why natural grammars should take the form of a combinatory calculus, rather than the more familiar linguistic formalisms. The last section turns to the question of whether any kind of grammar-based formalism still has a role to play in computational linguistics in the Age of Deep Learning and Recursive Neural Networks. This talk is a version of an address given in response to the Lifetime Achievement Award of the Association for Computational Linguistics (ACL) in Melbourne in July 2018.
	怎样利用语言知识资源进行语义理解和常识推理
	袁毓林教授(北京大学)
	本报告讨论怎样利用语言知识资源来帮助机器进行语义理解和常识推理。首先，指出人类生活在常识和意义世界中，人工智能机器人必须理解自然语言的意义、能够进行常识推理。接着，简单梳理了基于知识和基于统计两种自然语言处理路线各自的优长和短缺。然后，说明完全绕开知识的统计方法和深度学习，都不能真正理解概念和语言。本报告通过具体案例说明，《实词信息词典》已经配备了有关词项的语义角色关系及其句法配置信息；把这种语言知识加入知识图谱和内容计算中，可以为人工智能提供理解和解释。由于“物性角色”描述了名词所指事物的百科知识，可用以回答相关事物是什么（形式角色）、有哪些部件（构成角色）、用什么做的（材料）、怎么形成的（施成）、有什么用途（功用）等常识性问题。
	层级语言结构的认知神经加工
	丁鼐研究员 (浙江大学)
	近年来，随着脑成像技术的进步，脑电图、脑磁图等无损神经记录方法可以连续监测自然语音理解过程中的神经活动。报告将首先通过一系列实验介绍大脑如何编码语音中不同层级的语言单元——比如音节、词、短语和语句。实验发现大脑中不同时间尺度的神经振荡编码不同层级的语言单元，而且语句等高级结构的神经表征主要由句法加工驱动。随后介绍注意力如何影响大脑对不同大小语言单元的编码，实验发现高级语言结构加工更依赖于注意力，而且句子聆听过程中的注意焦点可以调节大脑响应。报告最后将讨论如何通过融合自然语言处理技术来更深入的研究语言理解的脑机制。
	不确定和对抗环境下的机器学习
	朱军教授 (清华大学)
	在真实世界中应用机器学习，我们需要解决多方面的挑战。首先，由于物理随机性、不完全信息、噪声、歧义、不一致等因素的影响，智能系统需要有效的对不确定性进行建模和推理。其次，机器学习算法（如深度神经网络）在存在对抗噪声时比较脆弱，这给关键领域的应用带来了风险。在这个报告中，我将介绍概率机器学习和深度神经网络对抗性攻击和防御等方面的一些进展，特别是珠算概率编程框架。在对抗性攻防上，我们赢得NIPS 2017国际比赛的所有三个任务的冠军。

Panel Discussion：自然语言理解

	孙乐研究员 (中国科学院软件研究所) 孙乐，中国科学院软件研究所特聘研究员，中文信息处理实验室主任，博士生导师。主要研究方向: 自然语言理解、知识图谱、信息抽取、问答系统。先后承担了国家自然科学基金重点项目、国家“863”项目和国际合作等40余项, 在多个重要国际会议和国内核心期刊发表论文百余篇。
	丁鼐研究员 (浙江大学) 丁鼐，浙江大学生物医学工程与仪器科学学院研究员，青年千人。美国马里兰大学博士，纽约大学博士后，在Nature Neuroscience, PNAS 等期刊发表论文20余篇。主要研究领域为语音、语言加工的神经机制。
	马少平教授 (清华大学) 马少平，清华大学计算机系教授，博士生导师，天工智能计算常务副院长。长期从事人工智能相关技术的研究工作，尤其是在信息检索研究方面，取得了一系列的研究成果，先后承担多项973课题、863项目和自然科学基金项目。
	史晓东教授 (厦门大学) 史晓东，厦门大学教授，人工智能研究所所长，智能科学系主任，博士生导师。兼任常务理事，福建省人工智能学会常务理事。主要研究领域：自然语言处理、机器翻译。
	詹卫东教授 (北京大学) 詹卫东, 北京大学中文系教授，博士生导师，教育部“青年长江学者”。主要从事现代汉语形式语法、语言知识工程、中文信息处理等领域的研究和教学工作。在现代汉语短语结构规则、现代汉语短语结构歧义定量研究等方面取得多项研究成果。
	宗成庆研究员 (中国科学院自动化所) 宗成庆，中国科学院自动化研究所研究员、博士生导师，中国科学院大学岗位教授。主要从事自然语言处理和机器翻译等相关研究，主持国家级项目10余项，在国际会议和期刊上发表论文90余篇，出版专著1部。曾获国家科技进步奖二等奖等多个奖项，享受国务院特殊津贴。