技术层面
从无监督学习到交叉学科
大会第一天，有「LSTM 之父」之称的深度学习神经网络开拓者 Jürgen Schmidhuber 将首先带来主题为《真正的人工智能将会改变一切（True Artificial Intelligence Will Change Everything）》的开场演讲。在这场演讲中，Schmidhuber 将探讨 21 世纪最重要的变革力量之一——人工智能，他认为人工智能即将改变我们人类文明的每一个方面。作为一位通用人工智能的重要支持者，他还将在 GMIS 2017 谈到他对人工智能未来的看法，并且还将畅想人工智能与人类文明的共同命运。
紧随其后，微软人工智能首席科学家邓力将分享《无监督学习的最新进展（Recent Advances in Unsupervised Learning）》。他认为，聚类方法、GAN 和变分自编码器（VAE）等传统无监督学习方法关注的重点是对输入数据的结构建模，而邓力则将探讨一种通过探索输出结构来进行无监督学习的方法以及为这种学习技术的新型成本函数问题所提出的新技术——随机原始-对偶梯度（SPDG：stochastic primal-dual gradient）。
在了解这项无监督学习的前沿进展之后，腾讯 AI Lab 副主任俞栋又将带我们洞悉《语音识别领域的前沿研究》。
在第一天下午的三场 Session 中，第一场是专门的机器学习主题。
首先，俄亥俄州立大学感知与神经动力学实验室主任、大象声科首席科学家汪德亮将分享《基于深度学习的语音降噪技术》。之后，地平线机器人创始人余凯将解读《自动驾驶中的深度学习》。在这个 GMIS Session 中，余凯将从技术的角度分享深度学习在自动驾驶方面的应用，让受众了解自动驾驶系统从感知到决策的整个过程。
在这场 Session 中，清华大学副教授朱军还将更进一步地对清华大学机器学习组开源的「珠算（ZhuSuan）」软件库进行解读。
另一场 Session 则是专为机器学习与其它领域的交叉学科所设置的。
其中，在人工智能上取得成功的「叛逆者」Gary Marcus 将对《控制智能与机器智能（Control Intelligence and Machine Intelligence）》进行一个全面的概述。
接下来，来自北京师范大学认知神经科学与学习国家重点实验室的吴思教授将分享《视觉信息处理的动态法则》，他将从神经科学的角度为我们论证解析为什么「动态信息处理是智能的关键，而预测又是动态信息处理的关键」。
值得一提的是，本届 GMIS 还邀请到了《降临》的科学顾问兼麦吉尔大学语言学系副教授 Jessica Coon，她将对《降临》背后的语言学进行解读，带你进入外星人、语言学实地考察和普遍文法的神奇领域。
了解了语言学的魅力之后，杉数科技联合创始人、首席科学家、上海财经大学交叉科学研究院院长葛冬冬又将带我们走进运筹学的领域。运筹学是一门研究怎样处理事情更有效的学科（因此达成「优化」或「最优化」常常是运筹学的目标）；如今，从管理、金融、计算机、军事到日常生活的具体问题，运筹学都能给出可实施的解决方案。在 GMIS，葛冬冬将探讨分享优化运筹在人工智能时代的挑战和机遇、工业实践方法以及该领域的工作方向。
而在接下来的另一掣先锋青年」主题的 Session 上，第四范式联合创始人兼首席研究科学家陈雨强、NIPS 2016 最佳论文《价值迭代网络（Value Iteration Network）》的作者之一&伯克利在读博士吴翼两位青年科学家将通过演讲分享他们在机器学习前沿上的研究和思考。
最后，围绕「机器智能时代的青年先锋视野」的主题，加州大学伯克利分校计算机系在读博士姜碧野、卡内基梅隆助理教授 Zachary Lipton、澎峰科技创始人张先轶、Abundy 创始人& CEO 邹昊和 Fusion Fund(A.K.A NewGen Capital) 创始合伙人张璐等青年先锋将共同分享讨论他们对机器智能时代的观点和看法。
从迁移学习到启发式搜索
相比于第一天密集的前沿解读和技术分享，大会第二天的演讲更侧重人工智能的产业应用和社会价值，但其中也有一些值得关注的技术内容值得期待。
第二天上午，吴翼的博士生导师 Stuart Russell 将在开场演讲中剖析人工智能当前所面临的挑战和难题。这位著名的人工智能学者是人工智能「标准教科书」《人工智能：一种现代方法》作者之一，这本标准教科书目前已被全世界 1300 多所大学选为教材。