桑基韬博士是北京交通大学教授、博士生导师，北京交通大学计算机科学系系主任。曾获ACM中国新星奖、中科院院长特别奖等 。现任中国计算机学会多媒体专委会副秘书长、SIGMM中国执委会委员等职。桑基韬教授主要研究方向包括多媒体计算、网络数据挖掘、机器学习解释性等。已出版Springer英文专著一部、发表IEEE ACM汇刊近30篇，曾7次获得国际会议最佳论文奖项。担任SCI期刊Neurocomputing和KSII,TIIS编委。曾担任中国计算机学会推荐国际会议PCM 2015和SIGMM China旗舰会议ICIMCS 2015程序委员会主席、国际多媒体会议ACM Multimedia 2018/2019和国际模式识别会议ICPR 2018领域主席。作为负责人先后主持国家自然科学基金重点项目、国家重点研发计划课题等，以第二完成人获得中国电子学会自然科学一等奖和北京市科学技术奖。
桑教授主要从人工智能和机器学习概述、神经网络和深度学习概述及展望三个部分展开。首先提出了人工智能+概念，从金融、法律、医疗等多个方面引入，着重介绍了人工智能在报告诊断、面向遗传病识别及个体自主健康管理等多个医疗事例。在此基础上引入了机器学习概念，对比了传统的知识工程和机器学习方法，肯定了机器学习的优点及其意义。接着以机器学习中‘学什么’、‘怎么学’问题展开，通过模型的分类详细的阐述了无监督学习、有监督学习和强化学习的概念。
桑教授以人工智能的三起两落为主轴进行讲解。第二部分介绍了神经网络和深度学习的概念，桑教授通过风趣幽默的例子和简单易懂的描述详细的叙述了深度学习的历史。此外，教授还以算例、事例、案例和演示的方式为我们解释深度学习中的概念、名词和理论。
最后，桑教授在展望过程中肯定了深度学习在各个行业中的应用，同时也引入了自己的思考，主要从算法输出不稳定、模型复杂度高，难以调试、对开放性问题无法处理及人类知识无法引入监督导致机器对社会问题存在一定的偏见四个方面讲述了深度学习的“不能”。虽然深度学习“不能”，面临一定的机遇和挑战，不断的“对症下药”和不断的自我思考一定会促进深度学习的新一轮的兴起。正是挑战和矛盾促进了事物的发展，未来的人工智能不会止步于此，一定会有更好的未来。
桑教授又为大家补充介绍了深度学习解释性部分知识，并为大家答疑。通过这一课大家都对人工智能的历史有了充分的了解并且掌握了初步的人工智能知识，是一次非常难得的机会。
（撰稿 屈俊达）
