Guang-Bin Huang副教授谈机器学习的新趋势

应重庆大学通信工程学院的邀请，2016年5月30日下午，新加坡南洋理工大学Guang-Bin Huang副教授在A区主教学楼506会议室为重庆大学师生带来了一场主题为“从AlphaGo战胜人类展望机器学习的新趋势—超限学习机(ELM)和深度学习(DL)的有机结合及ELMGo探讨”的专题学术报告。报告由通信工程学院“百人计划学者”张磊研究员主持，通信工程学院副院长谭晓衡教授、田逢春 教授、刘涛副教授及我校相关专业近百名研究生参加了报告会。

张磊研究员首先为参会人员介绍了Guang-Bin Huang副教授。黄广斌(Guang-Bin Huang)为新加坡南洋理工大学电子电气工程学院副教授，IEEE Sensor Member。IEEE Transactions on Cybernetics, Neurocomputing , Cognitive Computation 和Neural Networks副主编。他被Thomson Reuters评为“Highly Cited Researcher（高引用研究者）”，以及“2014，2015 The World’s Most Influential Scientific Minds”。其论文据谷歌引用统计16000余次。研究方向包括：大数据处理分析，脑机交互，人机交互，图像处理，机器学习理论和技术。主要学术贡献是提出了一套全新的学习理论和方法：Extreme Learning Machines。ELM突破了前30年流行的前馈神经网络以及近20年广泛应用的支撑向量机的理论和技术瓶颈。和ELM相比，支撑向量机及其衍生方法方法只是提供次优学习方案。ELM和SVM/LS-SVM，Deep Learning 相比，准确率高，简单易用，学习速度可以快几千到几万倍。ELM理论最近也得到了生物和脑神经学的直接生物验证，弥补了机器学习和脑学习机制之间的空白，解决了计算机之父John Von Neumann 60年前的关于人脑和计算机结构和能力的困惑。

报告会上，Guang-Bin Huang副教授从技术和工业需求角度分析了人工智能和机器学习复兴的原因，指出真正的机器学习时代已经到来，亟需重新思考人工智能和机器学习的研究、定位和角色。首先，本报告指出超限极限学习机(ELM)和深度学习(DL)的有机结合是个新的机器学习趋势。超限学习机和广泛流行的学习技术相比，速度快，并且准确率高。初步研究显示在某些应用中(比如手写体识别，手语识别，交通路牌识别，3D图形分析等)，ELM和DL相比可进一步提高准确率，并且大幅度降低训练时间。部分ELM理论已经得到生物学的直接验证，也许能解释为什么生物脑总体有序又局部无序，因此，ELM可以给深度学习中广泛应用的局部吸收提供理论支持。其次，本报告展望未来学习的发展趋势和影响：1)从机器学习工程到机器学习科学的转折点；2)机器学习和生物学习机制的汇合趋势；3)从人的智能到机器智能；4)从物联网到智能物的联网以及有别于人类社会的智能体社会；5)在智能制造的应用。最后，本报告探讨AlphaGo产生的深远影响：1)为什么AlphaGo战胜人类是一定的，为什么人类智能在地球的总体智能中的权重会减弱但地球的总体智能在提高；2)基于超限学习机的ELMGo和AlphaGo的区别与联系。

讲座结束后，听众们积极踊跃地提问，Guang-Bin Huang副教授对每个问题都耐心地做了解答，现场气氛十分融洽和活跃。学术报告会在热烈的掌声中圆满结束。