机器学习
哥伦比亚人工智能技术中心宣布四项新教师研究奖
第三轮年度奖项表彰探索人工智能领域一系列挑战的创新研究。
作者：Staff writer
2023年7月25日
4分钟阅读
哥伦比亚工程学院与某机构宣布了哥伦比亚人工智能技术中心（CAIT）的四项新教师研究奖。最新一轮项目将探索人工智能领域的一系列挑战，特别是算法公平性、解释互联网上艺术图像的统一方法、可扩展的差分隐私数据市场系统的开发，以及CAIT首个专注于人机交互的奖项。CAIT成立于2020年9月，是哥伦比亚大学与某机构之间旨在推动人工智能前沿的战略合作项目。除支持研究外，CAIT还为博士奖学金、系列研讨会和年度研究研讨会提供资金。
支持的四个教师研究项目如下：
通过因果视角实现算法公平性
Elias Bareinboim，计算机科学副教授
"尽管人们对透明度和公平性问题日益关注，且这项任务涉及高度复杂性，但对此类[AI]系统的基本属性仍缺乏充分理解，"Bareinboim在摘要中写道。"为了帮助AI设计者开发符合伦理和公平的系统，我们将基于因果推断的最新进展，构建一个原则性的通用因果框架，用于捕获和解耦可能同时存在的不同因果机制。除了提供公平性分析的因果形式化方法外，我们还将研究所提出的细粒度因果公平度量的可接受性条件、可分解性和能力。这将使我们能够通过真实决策环境中常见的不同底层因果机制，定量解释观察到的总体决策差异。"
面部表情丰富的机器人技术
Hod Lipson，机械工程系James and Sally Scapa创新教授
"人机交互中的非语言部分未能跟上语言模型的发展步伐，"Lipson的摘要解释道。"语言内容的进步与薄弱非语言能力之间日益扩大的鸿沟，将阻碍人工智能在充分人类互动中发挥其潜力。本研究的目的是探索使机器人能够开始学习物理面部表情这一微妙但关键艺术的架构。"Lipson的实验室开发了一个包含26个软驱动器的软仿生面部平台，其中大多数驱动器位于嘴唇和眼睛等关键表情区域。"我们旨在研究两条关键的通路，"Lipson写道。"第一条是基于对话语境学习应该做出什么面部表情（以及何时做出）；第二条是学习如何在给定的软质面部上物理地做出这些表情。"
描述和解释艺术作品的神经方法
Kathleen McKeown，某机构学者，计算机科学系Henry and Gertrude Rothschild教授
"互联网上艺术的普遍性要求更好的方法来组织和理解视觉艺术，"McKeown在摘要中表示。"我们提议研究用于表示和描述这些艺术图像的统一方法。我们计划首先研究大型预训练视觉和语言模型产生的表示，以理解它们编码了哪些类型的审美信息。"这些信息包括颜色、形式、风格、情感和主题。McKeown提出了一个难度更大的后续研究，即生成描述性和解释性字幕。"我们相信这一研究方向具有推动社会公益和商业价值的潜力，在为视障人士扩展访问途径的同时，也为一系列商业场景提供更好的工具。"
DataEx：面向现代数据用户的数据市场系统
Eugene Wu，计算机科学副教授
"我们提议开发一个可扩展且满足差分隐私的数据市场系统，并在哥伦比亚大学校园内部署一个版本，"Wu在摘要中写道。"该数据市场系统允许任何有机器学习任务的用户以差分隐私的方式上传其训练数据集，并搜索可用于增强其训练数据以产生更高精度模型的其他数据集。同时，数据提供者可以上传其数据集的差分隐私摘要，供平台索引。"差分隐私是数据隐私的黄金标准，可保证个体的匿名性。Wu的系统将允许共享敏感信息而不泄露个人可识别信息。"在哥伦比亚大学的部署中，整个大学的研究人员和团队将能够注册他们拥有的数据，并受益于整个大学的集体能力，"Wu写道。
Wu的项目得到了Michael Kearns（某机构学者，宾夕法尼亚大学计算机与信息科学系教授）的协助。Wu与Kearns之间的合作展示了某机构学术社区与新兴研究人员之间的交叉融合，这也是CAIT自成立以来的目标之一。
研究领域
机器学习 | 机器人技术
标签
学术合作 | 哥伦比亚大学 | 学术界与某机构合作 | 负责任AIFINISHED
