字节AI机器翻译技术的应用与挑战

如今机器翻译已经能够应用于信息发布、信息交流等多个场景，人工智能技术提高了信息内容的创作，但机器翻译仍然面临着一些挑战，如稀缺资源的翻译、多语言翻译、篇章翻译等。但是提升数据量、建立统一的表示以及创造新的机器翻译范式等方向依旧是未来需要解决的机器翻译方向的问题。 本次分享由字节跳动 AI Lab机器翻译负责人 王明轩带来字节AI机器翻译技术的应用以及未来机器翻译所需面对的挑战。

快手短视频推荐的端上重排系统

主流的部署在云端的推荐系统，可以做到分钟级的近实时，而部署在端上的推荐系统，得益于其链路特点，可以做到秒级反馈的实时。 本次报告将从以下几个方面介绍端上实时重排在快手短视频推荐系统的应用和创新工作： (1) 端上重排系统的特色基础架构，在极小的算力和带宽限制下，云端结合的模型选型方案； (2) 端上重排系统的特色建模方式，在极小的参数空间限制下，特征工程和模型结构的精细化处理，单点预估的AUC评估显著优于已公开的SOTA算法； (3) 端上重排系统的特色排序机制，在极小的候选空间限制下，listwise排序方案的精细化处理； 经过这些工作的迭代，我们在快手的时长和互动指标上都取得了显著收益；

阿里大规模预训练对话模型实践

如何将人类知识注入预训练模型，让知识和数据有机融合，一直是AI研究中的难题。而一个模型只能解决一项任务，通用性差又是AI的一个大问题。那预训练模型可能是破解之道，它能举一反三，解决多种任务。不过，知识注入并不容易，由于从数量级来说，知识远小于无标注数据，简单混合容易导致知识被淹没，或者出现严重的过拟合。利用半监督学习来对预训练对话模型注入知识，从而实现知识与数据的有机融合，会是解决在人机对话领域中将知识注入预训练模型的第一种解决方案。 本次分享由 阿里达摩院 资深算法专家、对话智能技术负责人 李永彬带来阿里大规模与训练对话模型的实践讲解，如何使用半监督学习将标注的人类知识注入预训练对话模型，探索知识和数据融合的新路径。

视频内容理解的探索与发展

所有在 AI 领域深耕的人都会发现语义的鸿沟是一个非常具有挑战性的问题，需要借助知识图谱等技术，来帮助整个AI认知取得新进展。 本次分享，由来自腾讯的在线视频技术专家谢晓辉带来视频内容理解的前沿探索与发展情况分享。内容包含视频内容理解技术的现状与挑战，以及视频内容理解在腾讯业务的最新实践。