近幾年來，得益于大數(shù)據(jù)的積累、計算能力的提升，深度學習從學術(shù)到工程領(lǐng)域均取得了非常顯著的發(fā)展與突破，尤其是諸如圖像識別、語音識別等實際場景應用。但是，依賴于海量的訓練數(shù)據(jù)、靈活的模型、足夠的運算能力以及足以對抗維度災難的先驗經(jīng)驗，從很大程度上來講妨礙了深度學習技術(shù)更為廣泛的運用。為此，在全球范圍內(nèi)，眾多人工智能領(lǐng)域的學術(shù)大師及業(yè)界專家上下求索，也由此催生了小數(shù)據(jù)學習（Learning from limited information），通過更少的數(shù)據(jù)以及更確定的方法讓 AI 學習更加高效。

然而什么是小數(shù)據(jù)？機器怎樣從小數(shù)據(jù)中學習？小數(shù)據(jù)學習將從哪些方面改變?nèi)斯ぶ悄艿难芯颗c應用？在即將于 7 月 22 - 23 日舉行的中國人工智能大會（CCAI 2017）上，特別邀請到日本理化學研究所先進智能研究中心主任 Masashi Sugiyama，現(xiàn)場為所有參會者一解小數(shù)據(jù)學習之惑，并分享其團隊在監(jiān)督弱化分類方面的最新研究進展。在會前，CSDN 記者特別采訪了 Masashi Sugiyama 教授，接下來，讓我們一起先睹為快。

Masashi Sugiyama 是日本理化學研究所先進智能項目組主任（ Director of RIKEN Advanced Intelligence Project）。RIKEN 成立于 1917 年，是日本最大的綜合研究機構(gòu)，其中，由 Masashi Sugiyama 領(lǐng)導的先進智能項目組成立于 2016 年，主要著眼于研發(fā)下一代 AI 技術(shù)，如小數(shù)據(jù)學習、因果推理（Causal inference）、不確定性學習（Learning with uncertainty）以及假設(shè)檢驗等，同時，還有加速醫(yī)學、材料科學、制造業(yè)的科研進程，解決基礎(chǔ)設(shè)施管理、社會抗災能力、老年醫(yī)療保健等社會問題。而 Masashi Sugiyama 教授本人的研究領(lǐng)域則包括機器學習的理論和算法（如協(xié)變量適應、密度比預估和強化學習等），及其在實際問題中的應用。

CSDN：什么是小數(shù)據(jù)學習？為什么要使用小數(shù)據(jù)學習？如何實現(xiàn)？

Masashi Sugiyama：雖然現(xiàn)在大數(shù)據(jù)學習仍是主流，但在很多應用領(lǐng)域，收集到足夠機器用來學習的龐大的數(shù)據(jù)是非常昂貴的。在這種情況下，使用小數(shù)據(jù)進行學習是一個理想的解決方式。但也有它的弊端，因為當進行小數(shù)據(jù)學習時，我們需要目標領(lǐng)域中強大的先驗知識作為支撐，過多先驗知識的介入意味著犧牲掉機器學習的靈活性。所以使用有限信息進行學習的精髓在于，使用領(lǐng)域知識之外的相對便宜的數(shù)據(jù)進行學習。

CSDN：若小數(shù)據(jù)學習能夠成功，將對哪些 AI 領(lǐng)域造成改變，進而對哪些行業(yè)產(chǎn)生影響？

Masashi Sugiyama：利用小數(shù)據(jù)進行學習是大數(shù)據(jù)學習的母集，所以說它一方面可以解決大數(shù)據(jù)學習不能解決的問題，另一方面在大數(shù)據(jù)學習已經(jīng)得以應用的領(lǐng)域也能有所發(fā)揮，因為使用小數(shù)據(jù)學習能夠在避免使用昂貴數(shù)據(jù)的同時達到更優(yōu)的效果。

CSDN：您和您的團隊在小數(shù)據(jù)學習方面已經(jīng)取得了哪些進展？

Masashi Sugiyama：多樣性對于小數(shù)據(jù)學習至關(guān)重要，因為對于不同的應用場景，收集數(shù)據(jù)的局限性是不同的。我們正在研發(fā)一種通用的算法使其解決機器學習過程中的不同問題，例如將很多不同種類的未標注數(shù)據(jù)集進行分類、將標注與未標注數(shù)據(jù)進行分類、半監(jiān)督學習中的分類問題、充分標注的數(shù)據(jù)的分類問題等。

CSDN：日本的科研機構(gòu)更傾向于哪些 AI 技術(shù)及應用的研究？哪些 AI 應用在日本已經(jīng)落地？

Masashi Sugiyama：日本的機器學習研究人員更多地關(guān)注基礎(chǔ)研究，當然，同時也會有一些人在科學及工程領(lǐng)域從事應用科學相關(guān)的研究工作。在基礎(chǔ)研究與應用之間存在很大的鴻溝，如何搭建鴻溝上的橋梁至關(guān)重要。所幸，這些建橋的工作在一些領(lǐng)域已經(jīng)逐漸展開，例如對癌癥及老年癡呆的研究、再生醫(yī)學、制造業(yè)、基礎(chǔ)設(shè)施管理以及抗災能力提升的研究等方面。

CSDN：您認為當前 AI 技術(shù)發(fā)展的瓶頸在哪兒？并請展望 AI 未來的發(fā)展方向。

Masashi Sugiyama：私密性、安全性、以及倫理問題會成為人工智能系統(tǒng)發(fā)展的瓶頸。在 AI 技術(shù)發(fā)展之外，如何分析及管理 AI 可能帶來的社會問題也是需要重視的方面。

CSDN：在本屆 CCAI 現(xiàn)場，您將帶來的演講主要關(guān)于哪些方面？希望觀眾從中收獲怎樣的啟發(fā)？

Masashi Sugiyama：我的演講題目是《弱監(jiān)督學習的最新研究進展》，在演講中我將介紹我們對于弱監(jiān)督學習下的分類問題的研究成果，包括將兩種類別的無標簽數(shù)據(jù)進行分類、將有標簽與無標簽數(shù)據(jù)進行分類、一個對于半監(jiān)督分類問題的通用方法、以及對于有標簽數(shù)據(jù)的分類。最后，我將簡單介紹日本理化學研究所先進智能項目組（RIKEN AIP）。

中國人工智能大會（CCAI），由中國人工智能學會發(fā)起，目前已成功舉辦兩屆，是中國國內(nèi)級別最高、規(guī)模最大的人工智能大會。秉承前兩屆大會宗旨，由中國人工智能學會、阿里巴巴集團 & 螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦的第三屆中國人工智能大會（CCAI 2017）將于 7 月 22-23 日在杭州召開。

作為中國國內(nèi)高規(guī)格、規(guī)模空前的人工智能大會，本次大會由中國科學院院士、中國人工智能學會副理事長譚鐵牛，阿里巴巴技術(shù)委員會主席王堅，香港科技大學計算機系主任、AAAI Fellow 楊強，螞蟻金服副總裁、首席數(shù)據(jù)科學家漆遠，南京大學教授、AAAI Fellow 周志華共同甄選出在人工智能領(lǐng)域本年度海內(nèi)外最值得關(guān)注的學術(shù)與研發(fā)進展，匯聚了超過 40 位頂級人工智能專家，帶來 9 場權(quán)威主題報告，以及“語言智能與應用論壇”、“智能金融論壇”、“人工智能科學與藝術(shù)論壇”、“人工智能青年論壇”4 大專題論壇，屆時將有超過 2000 位人工智能專業(yè)人士參與。

目前，大會 8 折優(yōu)惠門票正在火熱發(fā)售中，掃描下方圖片中的二維碼或直接點擊鏈接火速搶票。