2018 年 10 月 27 日，由《麻省理工科技评论》、DeepTech深科技主办，梅赛德斯-奔驰特别呈现的“全球科技青年论坛—— Meet 35 重新遇见 35” （Innovators Under 35 Reunion）将在北京嘉里大酒店举办。
在这次盛会上，全球范围内最顶尖科学技术人才以及跨界领域的人士将会出席，畅谈从人工智能到量子计算，从基因编辑技术到脑机接口，从可持续能源到未来出行，金融科技、区块链以及技术投资等最前沿的科技话题，并且将和诸位重磅嘉宾从人才角度切入探讨创新的定义、重要性和促使技术、商业创新成功的因素，以及青年人才的培养与储备等话题。
届时，亚马逊 AWS 深度学习主任科学家 Anima Anandkumar 博士将受邀出席会议。
亚马逊之所以能成为传奇，除了亚马逊创始人 Jeff Bezos 的领袖风格之外，以客户至上、数据优先的企业文化绝对是关键。一项只是为了满足内部使用的系统，却发展成整家公司主要的获利来源——这就是 AWS 的故事。
为了解决早期平台混乱并且业务成长快的问题，亚马逊团队决定采用应用程序接口（API）的方式，同时也发现每个单位都在建立自己的系统。因此，内部决定打造一套通用的基础架构服务。到了 2006 年，亚马逊开始正式对外提供 AWS 云端服务，企业不必自己建机房、买硬件，只需要向亚马逊承租即可——这种弹性的公有云服务模式快速攻占了市场，成为公司的主要盈利点。
在男性为主的科技圈里，亚马逊 AWS 深度学习主任科学家 Anima Anandkumar 是为数不多的女性之一。从求学到工作、从张量到机器学习，她始终与艰深的理论为伍。理工家族的背景让她可以更早地接触这些。“数学对我而言，很自然的就是一种交流和理解世界的语言。”
从三岁就开始学印度传统舞 Bharatnatyam 的她一直认为：“如果我不是在科技领域发展，应该就是一个舞者吧。”舞蹈和数学给了她一样的感觉，“都是许多细节及韵律的整合，舞蹈通过编排组合达到优雅及美丽，这就跟数学一样，我们利用基础原理开发出新的算法，我在里头看到了优雅。”
图 | Animashree Anandkumar
为什么 AWS 需要使用深度学习？DT 君曾在硅谷专访了负责担任开发深度学习相关技术的 Anima Anandkumar，她的工作一言以敝之：就是让 AWS 服务跑得又快又好，设计可供客户轻松使用的工具。
她表示， Amazon AI 主要从事尖端研究，尤其是“解放云服务的效率”，从基本的基础研究开始，开发更好的算法、优化的软件框架，让用户简单方便地使用机器学习。
目前，在大量的的深度学习框架中，TensorFlow 和 CNTK 分别是由 Google 和微软所主导，Facebook 选择 Caffe 2，为了不替对手抬高声势，AWS 选中了基于开放原始码的 Apache MXNet 作为官方的深度学习框架，并且提供软件代码、文档，参与协助发展 MXNet 生态圈。
MXNet 源于卡内基梅隆大学和华盛顿大学，具备高可扩展性、开发速度、移植性等特色，支援深度学习模型中的各种技术，包括卷积神经网络（CNN）、长短期记忆网络（LSTM）。
Anima Anandkumar 也透露了她的两个专案，第一个是基于她先前的张量研究。“当信息不够多的时候，我们就无法发现一些被隐藏的因素，但是如果只是受限于运算能力的话，其实是可以被辨识出来的。”
通过张量可以让多线性概念发展出很丰富的应用，扩展到更多维度，“如果你考虑一对变量之间的关系，这些就是成对的相关性，但是如果你想考虑三倍或更高倍数之间的关系，这就需要张量。”她在 AWS 就是在研究如何利用这一个特点来发现数据中的隐藏因子。
另一个则是利用张量来让深度学习变得更有效率，可以在多个应用场景中获得更好的性能。以及张量是否能解决强化学习的问题，让演算法变得能具有适性化。智能的概念来自于能够适应环境变化，但多数的学习演算法却是被动的。
在电脑科学里，经典的 Kruskal 演算法是一种用来寻找最小生成树的演算法，也让人知道能够通过张量来识别，也就是唯一性定理（uniqueness theorem）。“从此以后，深度学习跟如何能够大规模地解决非凸问题（non-convex problem）就产生了很深的关系。”
专注于研究大规模机器学习领域的她将带来哪些前瞻性研究？更多精彩内容及重磅嘉宾敬请期待！或来一场“Meet 35”的邂逅。
https://yyk.familydoctor.com.cn/21222/newslist_8_1.html
https://yyk.familydoctor.com.cn/21222/newslist_8_1.html
