本文转载自 学术头条

量子位 编辑 | 公众号 QbitAI

深度学习在各个领域取得了骄人的成绩，基本是舍我其谁了。

之前还存在如何调参、如何选架构的问题，最近随着自动机器学习（AutoML）的快速发展，Neural architecture search（NAS）似乎都可以做到自动选择深度学习架构，Hyperparameter优化可以帮助做到自动超参数的选择， 机器学习变得越来越傻瓜，容易上手，原来的伪“end-to-end”好像真的要转正了。

坏处是原来的BlackBox变得越来越大，因此近年，更多研究者呼吁我们需要可解释机器学习（Explainable ML）。

“No Free Lunch”，工业界有时候显然希望ML变成工具，越简单越好，只要效果好就行。但更多的时候，我们需要的是“知其然，也知其所以然”，甚至有些研究人员都开始怀念决策树等解释性非常强的模型。

我们是要强大的“黑盒子”还是要“可理解”的机器学习？

AI Time第2期活动，我们邀请了四位大牛：美国伊利诺伊大学芝加哥分校(UIC)特聘教授Philip Yu、美国密歇根大学Qiaozhu Mei教授、北京大学的王立威教授、百度高级研究员李兴建，共同论道自动机器学习与可解释机器学习。

也邀请感兴趣的小伙伴到现场发表见解，与大咖们共话AI；无法到现场的朋友，也可以通过线上直播围观（报名方式见文末）。

嘉宾介绍

Philip S. Yu (俞士纶)

美国伊利诺伊大学芝加哥分校(UIC)特聘主任教授、ACM/IEEE Fellow、原IEEE TKDE、ACM TKDD主编。曾就职美国IBM Watson研究中心，创建了世界知名的数据挖掘及数据管理部。曾获得IEEE技术成就奖、数据挖掘领域最高奖SIGKDD Innovation Award。

Qiaozhu Mei

密歇根大学信息学院与计算机系终身副教授，SIGIR 2018的大会联合主席。主要研究方向涵盖大规模数据挖掘，自然语言处理，机器学习及其在社交网络，金融，医疗大数据上的应用。代表性工作包括LINE，情感分析。其论文多次获得国际顶级会议（ICML、WSDM、WWW）的最佳论文奖。

王立威

北京大学信息科学技术学院教授。主要从事机器学习理论研究，在机器学习国际权威期刊会议发表高水平论文100余篇。担任机器学习与计算机视觉顶级期刊IEEE TPAMI编委。多次担任国际机器学习旗舰会议NIPS与ICML领域主席。入选AI’s 10 to Watch，获得首届国家自然科学基金优秀青年基金。

李兴建

百度高级研究员，8年人工智能研发经验， 目前在浣军老师领导的百度大数据实验室做深度学习自动建模和迁移学习的研发。百度大数据实验室主要从事大数据智能相关技术的研究工作，属于百度七大实验室之一，旨在探索利用大数据解决全球性问题的创新模式。

主持人

李文珏

中科创星投资总监

CCF YOCSEF学术秘书

刘譞哲

北京大学副教授

CCF青年科学家

合作媒体

学术头条、量子位

支持媒体

数据派THU、大数据文摘

时间地点

6月19日15:00-17:00（请准时就位哦~）

海淀区中关村东路搜狐大厦二楼1911（清华科技园）

报名方式

现场参与

请从传送门前往报名：

https://mp.weixin.qq.com/s/uPuo-_mUDRExURvEwj-O1Q

观看线上直播

无法来到现场的同学，可加入本次活动交流群，并收看活动直播。

入群方式：下图二维码，任意选择其一添加好友，并备注“机器学习”。

AI Time是一群关注人工智能发展，并有思想情怀的青年人创办的圈子。AI Time旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造成为北京乃至全国人工智能知识分享的策源地和聚集地。

— 完 —

“