来源：机器之心
编辑：泽南、小舟
IEEE 的「AI's 10 to Watch」青年学者榜单出炉了。相比上次，华人学者的比例再次提高。
IEEE 的「十大 AI 青年科学家」榜单每两年推出一次，旨在介绍人工智能领域中年轻而有抱负的科学家。今年 4 月，《IEEE 智能系统》开始接受全球范围内的提名，要求候选人必须在 2014 年之后获得博士学位提名，最终的入选名单由杂志编委会和顾问团队提出。在超过 20 人的名单中，基于研究质量、声誉、影响力、专家认可度及多样性，选出了最后入围的十人。
在 2018 年的上一届榜单中，曾有刘威、俞扬等国内顶尖学者入围。
2020 年的入围人选如下，按照姓名字母顺序排列：
Tathagata Chakraborti
Tathagata Chakraborti 在 IBM Research 从事人类与人工智能协作方面的研究。他的研究在使用 AI 对用户的心理模型与系统模型的协调进行可解释交互上做出了基础性贡献。他的研究已经被引用了 1000 多次，并对 Explainable AI（XAI）社区产生了重大影响。他在 AAAI 2020 上编写了关于该主题的教程。
Tathagata Chakraborti 曾获得 ICAPS 最佳论文奖的第二名和两项 people’s choice system demo 奖，同时他拥有两个 IBM 博士奖学金，并入围了 Microsoft Imagine Cup 的国家级决赛。在加入 IBM 之前，他于 2019 年从亚利桑那州立大学毕业，并获得了 2019 CIDSE 杰出毕业生奖。他目前是 IBM 的开源项目 CLAI 的领导者，该项目旨在将 AI 的力量引入命令行中。Tathagata Chakraborti 因为在 IBM 认知和云平台中的杰出贡献和领导力而获得广泛认可。
John Dickerson
John Dickerson 是马里兰大学计算机科学系的助理教授，也是专注于企业的 AI/ML 模型监控公司 Arthur AI 的联合创始人兼首席科学家。他博士毕业于卡内基梅隆大学，曾获得 NSF CAREER 奖、Google Faculty Research 奖、AAAI 等协会的论文奖及提名。John Dickerson 的研究重点是使用计算机科学、随机优化和机器学习等技术解决实际的经济问题。他在器官交换的理论和实验方法方面进行了广泛的研究，为 UNOS 全国肾脏交换制定政策提供了研究支持。他的研究模型在使用 Facebook 的全球献血市场、反恐与谈判的博弈论方法、初创公司在行业中的市场设计问题等方面都有应用。
方飞
方飞是卡内基梅隆大学（CMU）计算机科学学院的助理教授。在加入 CMU 之前，她是哈佛大学的博士后研究员，2016 年她获得了南加州大学（USC）的博士学位。方飞的研究方向是人工智能和多智能体系统，致力于将机器学习与博弈论相结合。她的研究曾多次获得顶级 AI 会议的奖项，包括 IJCAI-ECAI’18 杰出论文奖、IAAI’16 创新应用奖、IJCAI’15 的 CompSust Track 杰出论文奖。她的论文曾获 IFAAMAS-16 Victor Lesser Distinguished Dissertation 奖的亚军、William F. Ballhaus, Jr. Prize 以及南加州大学计算机科学最佳论文奖。她的研究被成功部署到保护渡轮线路和反偷猎的应用中，为构建更好社会环境做出了贡献。
韩松
麻省理工学院 EECS 助理教授韩松（Song Han）在本次评选结果当中引人注目，他博士毕业于斯坦福大学，师从现英伟达首席科学家 Bill Dally。他的研究兴趣主要是高效的深度学习计算，提出了「深度压缩」技术，该技术可以将神经网络的大小减少一个数量级而又不会损失准确性。他还提出了硬件加速器「EIE」，该加速器利用了深度学习加速器中的模型压缩和权重稀疏性，进而影响了英伟达、赛灵思、三星、联发科技等的商业 AI 芯片。
韩松最近在硬件感知神经架构搜索方面的研究收获了很多 AI 旗舰会议的低功耗计算机视觉挑战的奖项。韩松还曾获 ICLR 2016 和 FPGA 2017 最佳论文奖、亚马逊机器学习研究奖、索尼学者奖（SONY Faculty Award）、Facebook 学者奖（Facebook Faculty Award）以及 NSF CAREER 奖。韩松曾被 MIT 科技评论评为「35 位 35 岁以下创新者」。
Kuldeep Meel
Kuldeep Meel 是新加坡国立大学计算机学院的计算机科学系的 Sung Kah Kay 助理教授。他的研究兴趣在于人工智能与形式方法的交集。他是 2019 年美国国家研究基金会（NRF）人工智能奖学金的获得者。他的研究收获了 2018 Ralph Budd Award for Best Ph.D、维也纳逻辑与算法中心 2014 杰出硕士论文奖和 CP 2015 最佳学生论文奖。2012 年 Kuldeep Meel 获得了印度理工学院的计算机科学与工程的 B. Tech.（荣誉）学位，并在 2014 年和 2017 年在莱斯大学获得硕士与博士学位。在 UAI 2016、AAAI 2017、IJCAI 2018 和 AAAI 2020 上都有他参与的教程。
Nisarg Shah
Nisarg Shah 是多伦多大学计算机科学系的助理教授，Vector Institute for Artificial Intelligence 及 Schwartz Reisman Institute for Technology and Society 委任教授。他在卡耐基梅隆大学获得了博士学位，随后曾在哈佛大学进行博士后研究。他的研究专注于人工智能与经济的交叉领域，并在算法决策的背景下发展了公平、效率、启发和激励的理论基础。
Shah 参与开发的两个非营利性网站 Spliddit.org 和 RoboVote.org 已经帮助超过 20 万用户做出了更好的日常决策。Shah 是 2016 年 IFAAMAS Victor Lesser 杰出博士论文奖的获得者，也是 2014-15 年 Facebook 博士奖学金、2013-14 年 Hima and Jive 研究生奖学金获得者。
王威廉
对于机器学习领域的人们来说，加州大学圣巴巴拉分校助理教授王威廉（William Wang）的名字应该是耳熟能详的。他现在是 UCSB 自然语言处理组、可靠机器学习中心负责人，在此之前王威廉获得了卡耐基梅隆大学的博士学位。他的研究方向较为广泛，包括统计关系学习、信息提取、自然语言生成、对话、语言和视觉以及计算社会科学。
王威廉曾获得 ASRU 2013、CIKM 2013、EMNLP 2015、CVPR 2019 等大会的最佳论文或提名奖，2018 年 DARPA 年轻学者奖，以及来自谷歌、IBM、Facebook、亚马逊、JP Morgan、Adobe 等公司和机构颁发的奖项。他的工作和见解时常出现在连线、VICE、科学美国人、财富、Fast Company、NASDAQ、The Next Web、Law.com 等媒体上。
Martha White
Martha White 是加拿大阿尔伯塔大学计算机科学副教授。在 2017 年进入阿尔伯塔之前，她曾是印第安纳大学计算机科学系的助理教授，目前也是国际顶尖机器学习研究中心阿尔伯塔机器智能研究所的 PI，以及阿尔伯塔大学强化学习和人工智能实验室（RLAI）的负责人。她担任加拿大 CIFAR AI 主席，并在顶级期刊和会议上发表过 40 多篇论文，还曾担任过很多 AI 和机器学习顶会的区域主席或论文主审，包括 ICML、NeurIPS、AAAI 和 IJCAI，还是 ICLR 的共同程序主席，IEEE 杂志《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》的副编辑。
White 的研究方向是开发用于代理持续学习数据流的算法，主要方法为表示学习和强化学习。
杨笛一
杨笛一（Diyi Yang）是佐治亚理工学院交互计算学院助理教授，该机构隶属于机器学习中心。她曾在卡耐基梅隆大学的语言技术学院获得博士学位，研究方向面向计算社会科学和自然语言处理。她的研究曾被 EMNLP 2015、ICWSM 2019 和 ACM CHI 2019 等学术会议收录。
张含望
南洋理工大学计算机科学与工程系助理教授张含望（Hanwang Zhang）。他在 2014 年获得了新加坡国立大学计算机科学的博士学位，其研究方向包含计算机视觉、自然语言处理、因果推理及其交叉领域。张含望的研究曾获多个奖项，包括 2020 年 IEEE TMM 论文奖、2019 年阿里巴巴创新研究奖、2018 年 ACM ToMM 最佳论文奖、2018 年 ACM SIGMM 新兴领导者奖、2016 年 ACM SIGIR 最佳论文提名、2012 年 ACM MM 最佳学生论文奖等。
2018 年，张含望成为南洋理工大学助理教授，其领导的团队一直专注于基于因果推理的视觉和语言交叉方向研究。该团队的场景图检测基准入围了 CVPR 2019 的最佳论文候选名单。而在 2019 年，这一团队的视觉对话 AI 代理获得了视觉对话挑战赛的第一名，2018 年和 2020 年获第二名。
参考内容：
https://www.computer.org/csdl/magazine/ex/2020/06/09309122/1pQErWJSbpC
模型调参与算法优化技巧实战
12月29日20:00，百度高级研发工程师现身说法，带来基于全功能AI开发平台BML的算法优化技巧分享，还有现场调参实战与直播Q&A，学练加持，一小时密集输出独家技术干货！
平台能力：全功能AI开发平台BML技术解析
实战演练：模型开发与调参技巧分享
部署应用：服务器端部署流程演示
扫码进群听课，还有机会赢取100元京东卡、《智能经济》实体书、限量百度鼠标垫多重好奖！
