作为一个 AI 开发者，怎能不了解知识图谱的重要性？

AI 技术的快速发展使其从“感知”逐渐向“认知”突破，知识图谱则是实现机器“认知”的重要技术手段。知识图谱将客观世界中概念、实体及其关系结构化展现，通过将互联网信息转换成人类认知世界的形式，以提供对海量信息更好的理解能力。

那么，哪些企业已经开始使用知识图谱和认知智能？他们已经达到什么水平？在使用这项技术时会遇到哪些问题？未入局者，如何更快接入该项技术以应对复杂业务场景呢？

带着对上述问题的解答，5 月 30 日，北京智源人工智能研究院将邀请多位清华大学计算机系的专家前来分享。通过主题演讲和现场互动答疑的形式，与相关领域的开发人员分享自己的见解，同时展示这项技术面临的挑战以及未来的发展趋势。

清华大学计算机系副教授、博士生导师

深度学习技术可解释性不强的特点是该领域的一大挑战，将人类积累的大量语言知识和世界知识引入学习模型可以有效提升性能。本次讲座将介绍知识指导的自然语言处理最新进展，并对其应用过程中面临的挑战进行详细分析。

• 亮点：知识指导  深度学习模型性能提升

刘奕群

清华大学计算机系长聘副教授、博士生导师

中国人工智能学会、中文信息学会理事

互联网应用系统已成为整合人类社会各种信息与知识的主要渠道，同时也面临着复杂的设备环境、多模态异质媒体、个性化的复杂交互方式等问题，这也对搜索与推荐技术的未来发展提出了新的挑战。本次演讲以清华大学在异质资源搜索与推荐技术领域研究现状为主题，重点介绍异质环境下用户交互模型构建、性能搜索评价以及可解释性推荐等工作进展以及未来的发展趋势。

• 亮点：搜索与推荐技术发展、用户交互行为模型构建、异质多模态资源的聚合排序、异质环境下的搜索性能评价、异质环境下的可解释推荐