本期為TechBeat人工智能社區(qū)第354期線上Talk，也是上海人工智能實驗室「AI青年學(xué)術(shù)論壇」第九期直播活動。

北京時間11月3日(周三)晚8點，美國萊斯大學(xué)副教授、AIPOW聯(lián)合創(chuàng)始人兼首席科學(xué)家——胡俠將帶來主題為“基于信息瓶頸的深度學(xué)習(xí)可解釋性算法和應(yīng)用”的報告，屆時將討論一種新的訓(xùn)練方法使DNN的解釋規(guī)范化。

歡迎感興趣的朋友鎖定直播！

直播信息

分享主題：基于信息瓶頸的深度學(xué)習(xí)可解釋性算法和應(yīng)用

分享嘉賓：美國萊斯大學(xué)副教授、AIPOW聯(lián)合創(chuàng)始人兼首席科學(xué)家胡俠

活動時間：北京時間11月3日 (周三) 20:00-21:00

活動地點：騰訊會議、B站直播間（http://live.bilibili.com/22183939）

活動議程：

• 嘉賓Talk分享—50min

• 互動抽獎

• Free Q&A—15min

加入騰訊會議及“AI青年學(xué)術(shù)論壇”活動群

添加工作人員小將微信

備注“直播-姓名-title”，title可以是“公司-職位”或者“高校-專業(yè)”

報名截至：北京時間11月3日(周三)下午16點

Talk·提綱

雖然深度神經(jīng)網(wǎng)絡(luò)(DNN)在許多下游應(yīng)用中表現(xiàn)卓越，但因其缺乏可解釋性而受到批評，經(jīng)常被視為黑盒子。正是由于DNN模型無法詳細地解釋預(yù)測是如何建立的，所以其透明度受到了限制，很難在使用者間建立信任。

在本次Talk中，嘉賓將從建模和應(yīng)用的角度提出一個生成DNN可解釋性的系統(tǒng)框架，旨在解決可解釋性機器學(xué)習(xí)中的兩大主要技術(shù)挑戰(zhàn)：

可靠性（faithfulness）和可理解性（understandability）。

具體來說，為了保證事后解釋的可靠性，嘉賓將介紹如何利用特性反演（feature inversion）和加性分解（additive decomposition）技術(shù)來解釋兩種經(jīng)典的DNN體系結(jié)構(gòu)：卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的預(yù)測。此外，為了開發(fā)出更易于理解的解釋型DNN模型，嘉賓將提出一種新的訓(xùn)練方法使DNN的解釋規(guī)范化。

Talk·嘉賓介紹

胡俠博士，現(xiàn)任美國萊斯大學(xué)副教授， AIPOW聯(lián)合創(chuàng)始人兼首席科學(xué)家。長期從事數(shù)據(jù)挖掘、機器學(xué)習(xí)和人工智能研究，在包括ICLR, NeurIPS, KDD、 WWW、SIGIR在內(nèi)的相關(guān)頂級國際會議及期刊發(fā)表論文100余篇，他引超過10,000次。其主導(dǎo)開發(fā)的開源系統(tǒng)AutoKeras成為最常用的自動機器學(xué)習(xí)框架之一（超過8000次star及1000次fork），開發(fā)的NCF算法及系統(tǒng)（單篇論文他引2500余次）成為主流人工智能框架TensorFlow的官方推薦系統(tǒng)，主導(dǎo)開發(fā)的異常檢測系統(tǒng)在通用、Trane、蘋果等公司的產(chǎn)品中得到廣泛應(yīng)用。他曾獲包括WWW, WSDM, INFORM等頂級會議最佳論文(提名)，美國國家科學(xué)基金委杰出青年獎，IEEE Atluri學(xué)者獎，亞利桑那州立大學(xué)校長獎等，現(xiàn)擔(dān)任ACM TIST、Big Data副主編，DMKD編委，曾擔(dān)任信息檢索領(lǐng)域頂級國際會議WSDM 2020大會主席。他的研究工作曾經(jīng)被包括MIT Technology Review, ACM TechNews, New Scientist, Defense One在內(nèi)的國際主流媒體廣泛報道。

個人主頁：

https://cs.rice.edu/~xh37/index.html

Talk·提問交流

直播中被嘉賓pick回答，將獲得微信現(xiàn)金紅包獎勵哦！

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗，加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！

更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ?