2018年4月18日，“CCF走进高校”活动来到郑州大学。CCF理事、CCF中文信息处理专委会主任、微软亚洲研究院副院长周明，国家杰青获得者、苏州大学特聘教授张民，CCF中文信息处理专委会副主任、苏州大学特聘教授周国栋，分别以“语言智能的进展”、“自然语言理解和语言认知智能”以及“自然语言与理解”为主题做了精彩报告。活动由CCF理事、河南计算机学会理事长、郑州大学信息工程学院执行院长周清雷主持，郑州大学自然语言处理实验室昝红英、贾玉祥、张坤丽等老师及郑州大学信息工程学院、产业技术研究院和文学院，以及中原工学院、郑州轻工业学院、河南工业大学、河南科技学院、郑州中业科技公司等200余名师生员工聆听了本次报告会。
报告开始前，全体师生一同观看了CCF的宣传片，为学会的蓬勃发展而欢欣鼓舞。周明将NLP技术分为三个层面，分别是NLP基础技术、NLP核心技术和NLP应用技术，重点介绍了NLP近期标志性进展——神经机器翻译、聊天机器人、阅读理解、创作，并对NLP的未来发展提出展望。张民以学科建设为切入点，讲述了AI时代自然语言处理的特点，要解决的科学问题，学科内涵、外延及技术的应用场景，探讨了NLP的研究现状、技术成熟度、机遇与挑战等一系列问题。周国栋从语言与理解两个层面系统探讨如何提高自然语言理解能力，会后与郑州大学自然语言处理实验室进行了深度交流，就团队建设、研究方向及论文写作等问题给出了中肯的建议。
演讲之后，同学们积极举手提问，各位讲者与在场同学进行了热烈的互动交流。这次活动使得同学们有机会零距离接触学术与产业的最前沿，对人工智能与自然语言处理加深了理解，开阔了视野，对以后的学习、科研、就业都有指导意义。
活动现场
周明作报告
张民作报告
学生互动
部分参会者与讲者合影（第一排右五为周明、左五为张民）
周国栋在郑大
听众感言：
贾玉祥 信息工程学院教师
周明老师对自然语言处理技术进行了一个全面的梳理，对其中标志性技术进行了剖析，计算机创作部分也体现了科研也有有趣的一面，对NLP技术的展望也给我们的科研选题指出了方向。张民老师从学科的角度切入，自然语言处理作为人工智能学科的一个分支，首先要搞清楚它的学科内涵和外延，要解决的科学问题，对解决问题的相关技术及应用场景也做了详细介绍。周国栋老师在科研团队建设、研究方向凝练、科研选题、论文写作、文献阅读、研究生指导等多个方面给我们提出了中肯的建议，解答了我们在科研中存在的困惑。三位老师的报告及指导，让我感觉到科研之路豁然开朗。
马鸿超 信息工程学院2017级博士生
周明院长风趣幽默，用通俗易懂的语言讲解了比较复杂的知识，并对自然语言处理的几个标志性的前沿技术和现在取得的成绩作了介绍。张民老师主要对自然语言理解和认知智能作了介绍。听了两位老师的报告，我开阔了视野，对NLP的前沿方向和现在的水平以及语言认知有了更清晰的认识，收获颇丰。
刘创 信息工程学院2017级硕士生
通过几位教授的报告，我看到了自然语言处理在业界和学界最前沿的研究和应用，如微软的周明教授所说自然语言处理的四大方向，机器翻译、聊天机器人、阅读理解、机器创作，使作为一个研一学生的我对自己今后的研究方向有了更明确的认识，同时周明教授也指出自然语言处理是人工智能皇冠上的明珠，更是让我对未来充满信心。 而之后苏州大学张民教授的报告同样令我受益匪浅，尤其是在报告末尾张教授说道自然语言现在大多依赖于深度学习或机器学习的方法，但如果想从本质上解决自然语言处理问题，那就应该建立自然语言处理自身的方法。而这也给我们刚刚进入此领域的学生以启发，使我们能不拘泥于现有方法，勇于开拓新思路。
郑丹辉 信息工程学院2017级硕士生
作为初入中文信息技术大门的新手，有幸接触到“CCF走进郑大校园”而且演讲嘉宾是企业界和学术界的顶尖专家，获益匪浅。周明老师分享微软在语言智能的进展，对适用中文的机器翻译技术及应用都有点睛之处，引人深思中文在NLP如何发展；张民老师结合当前AI，对自然语言发展、理解、运用等娓娓道来，让我们对前沿领域充满信心和希望。真诚感谢组织这场知识盛宴的所有老师和工作人员!
王宇航 信息工程学院2015级本科生
本次周明院长的报告，让我重温了熟悉的循环神经网络、注意力模型、损失函数、监督及非监督模型等深度学习以及自然语言处理知识。周明院长把深度学习里的隐藏层和softmax层，形象地称为编码和解码，令我印象尤为深刻，并形象地把主要的问题定义为编码和解码层的优化。
在一般的神经网络、深度学习书里，我很少遇见有讲对偶学习的，两位专家均在本次报告中提到了对偶学习，从他们的描述中，我得到的启发是很多高级算法的设计来源于生活，包括专家提到的一个模型通过三种模型的循环训练，训练效果逐渐提升，这些新颖的概念不禁让我觉得学无止境。
本次报告两位专家分别从学术生态系统以及商业生态系统，阐述了自然语言处理的从不同角度去设计的方法与策略，对我的启发是从学术的角度考虑自然语言处理，主要是代码模型的优化，往往提升一个百分点都很难，但是在可用的环境下，将之用于商业使之落地也许也是一个方向。
正如专家所言，要把握时代的脉搏。我也希望未来越来越多的语言学家能进入学术界指导算法的设计，然后期待商业界有更多让人眼前一亮，更有情感和个性的人性化产品出现。