2019年“二十一世纪的计算”学术研讨会

自1995年加入微软公司以来，洪博士一直在微软任职。2004年，他加入微软亚洲研究院并担任副院长，2007年升任微软亚洲研究院院长。2014年，洪博士被任命为微软亚太研发集团主席。目前，他全面负责推动微软在亚太地区的科研及产品开发战略，以及与学术界和工业界的合作。

在加入微软亚洲研究院之前，洪博士曾任微软公司自然交互服务部门的创始成员兼架构师。除了全面负责屡获殊荣的微软语音服务器产品、自然用户界面平台以及微软协助平台的架构及技术工作，他还负责管理和交付统计学习技术和高级搜索。洪博士于1995年加入微软研究院美国总部任高级研究员，并为微软的SAPI和语音引擎技术做出了突出贡献。此前，洪博士曾任职于苹果公司，带领团队研发出了苹果中文译写器。

洪小文博士是美国电气和电子工程师协会院士（IEEE Fellow），微软杰出首席科学家和国际公认的语音识别专家。洪博士在国际著名学术刊物及大会上发表过超过120篇学术论文。他参与合著的《语音技术处理》（Spoken Language Processing）一书被全世界多所大学采用为语音技术教学课本。另外，洪博士在多个技术领域拥有36项专利发明。

洪小文博士毕业于台湾大学，获电机工程学士学位，之后在卡内基梅隆大学深造，先后获得计算机硕士及博士学位。

Raj Reddy博士 (opens in new tab)是卡内基梅隆大学计算机科学系教授。Reddy博士领导创建了卡内基梅隆大学机器人研究所并担任所长10余年，其后担任计算机学院院长近10年。50多年来，Reddy博士一直致力于人工智能、语音理解、图像理解、机器人学、多传感器融合和智能代理等领域的研究工作。他目前的研究兴趣包括：技术服务社会、社会底层3B半文盲人群可用的语音计算、数字民主以及学习科技。他是美国国家工程院院士和中国工程院外籍院士。他曾担任克林顿总统信息技术咨询委员会（PITAC）的联合主席。Reddy博士获得过法国荣誉军团勋章和ACM图灵奖等众多业界国际知名奖项。

回到未来：人工智能的过去、现在和未来

媒体中存在着大量对人工智能的炒作和误传。然而这样的预测大多都不会发生。为了预知可能发生的事情，我们回溯到60年前人工智能研究的开端，从国防高级研究计划局（DARPA）的资助开始。我的主要论点是，在未来的60年里，我们将像以前一样处理类似的主题，唯一不同的是我们将拥有超过百万倍的计算能力和超过百万倍的内存。这将使新技术和范式的发明能够在人工智能领域取得意想不到的进展，例如从单一例子中学习，以及一个没有语言障碍的世界出现。最主要的是，我们将看到知识作为服务（KAAS）行业出现，新的创业公司将创造出持续运行并能够不断学习的应用程序，从而产生智能助理，例如认知放大器能够使我们更快、更轻松地完成许多日常任务；守护天使将使我们做到人类以前不可能完成的任务，为我们提供超人的能力。我们将展示一种可能的智能代理（Intelligent Agent）架构以及智能代理市场的创建。

沈向洋博士是微软全球执行副总裁，微软人工智能及微软研究事业部负责人。全面负责微软全球的人工智能战略, 主持覆盖基础设施、服务、应用以及智能助理等前瞻性的研究与开发工作。他同时负责人工智能产品事业群，包括微软必应 (Bing) 和小娜 (Cortana) 产品部门等。沈向洋博士下辖微软研究院，并负责这个世界最尖端的计算机科学研究机构与微软产品工程部门的融合。

沈向洋博士在2007至2013年间担任微软全球资深副总裁，负责微软必应搜索产品的开发工作。在这之前，沈向洋博士还主持了微软亚洲研究院的工作，并负责研究院与亚太地区的众多高等学府展开广泛合作。他还主持了互联网服务搜索中心，以及作为微软战略性投资的一部分，在搜索与广告方面的研究部门的工作。

1996年，沈向洋博士作为研究员加入位于美国华盛顿州雷德蒙（Redmond，Washington）的微软研究院。1998年，他回到北京，作为创始成员加入了微软中国研究院（微软亚洲研究院的前身）。在北京的九年间，他先后担任高级研究员，微软亚洲研究院副院长、院长，并成为微软公司“杰出工程师”。

沈向洋博士因其在计算机视觉和图形学研究方面的贡献，成为美国电气电子工程师协会院士（IEEE Fellow）和美国计算机协会院士（ACM Fellow）。2017年，沈向洋入选美国国家工程院院士（The National Academy of Engineering ，NAE）。2018年9月，沈向洋博士被选为英国皇家工程院国际院士以表彰其杰出的工程成就。

Demetri Terzopoulos 是加州大学洛杉矶分校（UCLA）计算机科学系教授，拥有杰出教授头衔。主管UCLA计算机图形和视觉实验室。他是VoxelCloud公司的联合创始人和首席科学家，VoxelCloud是一家专注于人工智能医疗的跨国公司。他毕业于麦吉尔大学，1984年于麻省理工大学 (MIT) 获得人工智能博士学位，并在1985年一直担任麻省理工学院人工智能实验室的研究科学家。他现任或曾任古根海姆基金会成员、美国计算机协会（ACM）院士、美国电气和电子工程师协会（IEEE）院士、伦敦皇家学会院士、加拿大皇家学会院士，欧洲科学院、纽约科学院院士以及Sigma Xi终身会员。

他所获得的众多奖项中，还包括电影艺术与科学学院所授予的技术成就学院奖（即“奥斯卡奖”），以表彰其在物理计算机动画领域的开创性工作；以及IEEE所授予的首届计算机视觉杰出研究员奖，以表彰其在可变形模型及其应用领域的持续研究努力。根据ISI和其他相关索引，他是工程和计算机科学领域被引用最多的作者之一，已出版400多篇研究论文和数卷专著，涉及领域包括计算机图形学、计算机视觉、医学成像、计算机辅助设计和人工智能/生命。他在世界各地就他的研究进行了约500次特邀讲座，其中包括100多场著名主题演讲和全体会议发言。在2005年从纽约大学（NYU）加入加州大学洛杉矶分校之前，他在纽约大学担任Henry & Lucy Moses科学教授, 并在纽约大学数学科学院（Courant Institute of Mathematical Sciences）担任计算机科学和数学教授。此前，他曾任多伦多大学计算机科学教授和电气与计算机工程教授。1989年在他成为一名学者之前，他在加利福尼亚州和德克萨斯州的Schlumberger公司研究中心担任项目负责人。

医疗成像中的人工智能：过去、现在、未来

自动化医学图像分析是二十一世纪医疗行业革命的关键。在这次演讲中，我将回顾在计算机辅助医学图像分析和诊断的挑战面前，计算机视觉和人工智能其他领域取得的里程碑式的进展，这将追溯到70年代后期我在该领域最早的工作。主要范式包括早期的统计模式识别方法，到80年代末至2000年的基于模型的方法，以及目前激动人心并积攒了大量创业项目的数据驱动（深层）机器学习方法。最后，我将讨论后者日益明显的局限性，这也激励着我们在重要自动化医学图像分析任务上实现更高的性能水平，并为未来的研究开辟新的道路。

周以真博士是哥伦比亚大学数据科学研究所所长兼计算机系教授。她曾任微软研究院全球资深副总裁，卡内基梅隆大学计算机系教授及系主任，美国国家科学基金会（NSF）计算机与信息科学和工程局助理局长。她在麻省理工学院获得了计算机科学学士、硕士和博士学位。周以真博士的研究兴趣广泛，涉及可信赖计算、规范与验证、并发和分布式系统、编程语言和软件工程等诸多领域。她目前的研究兴趣是安全和隐私基础，重点是可信赖人工智能。周以真博士目前在多个社会组织任职，包括：美国艺术与科学学院、工程和技术顾问委员会；理论与应用数学学会理事会；数学女性协会顾问委员会；以及阿里巴巴DAMO技术顾问委员会。她于2011年获得CRA杰出服务奖；2014年获得ACM杰出服务奖。周以真博士是美国艺术与科学学院院士、美国科学促进协会院士、美国计算机协会（ACM）院士以及美国电气和电子工程师协会（IEEE）院士。

数据为善：负责任地使用数据使其造福社会

各行各业皆有数据。人们使用数据来发现新知,解读世界,做出决策,甚至预测未来。近年来，大数据、云计算、各种机器学习算法和统计方法的融合使人们对数据科学及其行业应用产生了极大的兴趣。 先进科技的融合已经使一些自动化任务的表现超越了人类。 一方面，数据科学赋能于汽车驾驶、治疗疾病以及安全保障领域。而另一方面，数据的能力也存在滥用的未知风险。数据科学解决方案的设计需要扎实的专业基础以及精湛的开发程序，在不会产生更大风险的前提下，应对人类所面临的挑战。

在此背景下，哥伦比亚大学数据科学研究所致力于推广“数据为善”理念，即在利用数据解决社会问题的同时对新科技进行人文审视，而非新科技发明后才亡羊补牢。数据科学研究所成立于2012年，作为哥大的校级学院，代表来自全校16个不同学院和研究所的350多名教师。由此数据科学真正意义上地触及了大学的每个角落。

在本次分享中，我将介绍研究所的使命和我们教研活动的重点 – 所有研究都旨在确保负责任地使用数据，造福社会。

周源源博士 (opens in new tab)是加州大学圣迭戈分校（UCSD）移动计算学的教授。她的研究领域涉及计算机可靠性、数据中心管理和移动系统。她在普林斯顿大学获得了硕士和博士学位，曾获斯隆研究奖和ACM Mark Weiser奖。周源源博士所培养的多位博士也已获得众多顶尖大学的终身教职。在她的学术生涯中，周源源博士还与他人共同创立过三家公司，前两家被VmWare等上市公司成功收购。2014年以来，她一直致力于第三家创业公司Whova的工作。Whova赢得了全球客户的广泛关注，已为85个国家或地区的8000多场会议和活动提供支持和帮助。周源源博士的创业经历也为她了解移动应用开发流程及其独特挑战提供了丰富而深刻的认识。

人在云计算中的维度

云计算已经成为实施企业应用程序的典型方式。混合云，AI，以及于系统集成的高级数据处理技术使得如今的云基础设施变得越来越复杂，许多系统供应商和服务商都报道称人为错误已成为云和互联网系统故障的主要原因之一。虽然各种容错和恢复机制在处理硬件和软件故障时很有效，但它们在处理系统管理员的人为错误方面效率较低。

Facebook最近于2019年3月13日的中断也是由于服务器配置错误造成的，由此影响了数百万用户。除了可靠性之外，配置错误还可能导致安全问题。开放式Web应用程序安全项目（OWASP）将错误配置报告为十大最关键的Web安全风险之一。2017年，亚马逊S3存储的配置错误暴露了2亿用户的个人信息。在这次演讲中，我将重点讨论当前人类在云计算和管理方面面临的一些挑战。由于传统以及各种其他原因，当今大部分数据中心系统管理要求（特别是系统配置）不遵循人机交互（HCI）的主要设计原则，即（i）简单性原则，（ii）反馈原则，（iii）一致性原则。对这些主要设计原则的忽视导致了系统管理员容易出现云管理错误。