2024年9月27-28日，由脑启发智能感知与认知教育部重点实验室主办的人工智能前沿论坛在中国科学技术大学高新校区顺利召开，本次论坛邀请了中国科学院信息工程研究所李凤华研究员、华南理工大学金连文教授、国防科技大学徐昕教授、西安交通大学陈霸东教授、北京理工大学邬霞教授、南京大学智能科学与技术学院党委书记兼执行院长高阳教授、电子科技大学李宏亮教授、山西大学大数据科学与产业研究院院长钱宇华教授、天津大学郝建业副教授、华南理工大学计算机学院院长陈俊龙教授，一共10位人工智能领域专家。中国科学技术大学党委常委、副校长吴枫教授，脑启发智能感知与认知教育部重点实验室副主任王杰教授，中国科学技术大学人工智能与数据科学学院副院长何向南教授、中国科学技术大学谢洪涛教授、张天柱教授等出席会议，此外现场来宾还有来自中国科学技术大学、南京大学、合肥工业大学、安徽大学等高校师生及科研院所学者专家，参会总人次共计300余人。

图1：人工智能前沿论坛-第二期会议现场

首先，中国科学技术大学党委常委、副校长吴枫教授致欢迎辞，向远道而来的各位专家、学者以及所有参会者表示最热烈的欢迎和最诚挚的感谢。本次论坛将聚焦脑机接口、深度学习、机器学习、自然语言处理、数据安全等前沿技术，分享智能时代的前沿知识，探索人工智能在各个领域的应用前景，旨在搭建一个高水平的学术交流平台，促进跨领域的合作与创新，共同推动人工智能技术的发展与应用。

图2：中国科学技术大学党委常委、副校长吴枫教授致欢迎辞

本次论坛分为上午和下午两场，上午场第一部分由脑启发智能感知与认知教育部重点实验室副主任王杰教授主持。

图3：脑启发智能感知与认知教育部重点实验室副主任王杰教授主持论坛上午场第一部分

第一位报告嘉宾是中科院信工所李凤华研究员，报告题目“数据要素流通与安全”。李老师在报告中指出，“数据要素是国家基础性战略资源，并成为推动数字经济发展的核心引擎。DT时代数据从传统共享演化为要素流通，重点关注数据权属确定、权益转移、使用控制、争议仲裁等。当前，数据要素流通与安全亟需体系化解决方案，本报告介绍了数据共享与数据流通的本质差异、数据要素流通与安全研究范畴、数据要素准则，着重剖析了数据确权、延伸使用控制、数据出域安全计算、低开销监测等概念及学术内涵，并阐述了数据要素流通与安全的关键技术与发展趋势。”

图4：李凤华研究员作论坛报告“数据要素流通与安全”

第二位报告嘉宾是华南理工大学金连文教授，报告题目“大模型时代的OCR”。金老师在报告中指出，“随着大语言模型（LLMs）的兴起，面向自然语言处理领域的通用人工智能（AGI）取得了重大突破，近两年来面向光学字符识别（OCR）领域的多模态大语言模也引起了广泛的研究关注并取得了快速发展。本报告将简要回顾近年来多模态OCR大模型的技术原理、构建范式和代表性研究进展，并介绍我们团队近期在面向OCR垂直领域的多模态大模型及多任务大一统模型的一些最新研究尝试和方法，并对目前OCR大模型的局限性和未来发展方向进行讨论与展望。”

图5：金连文教授作论坛报告“大模型时代的OCR”

上午场第二部分由中国科学技术大学谢洪涛教授主持。

图6：中国科学技术大学谢洪涛教授主持论坛上午场第二部分

第三位报告嘉宾是国防科技大学徐昕教授，报告题目“机器人系统的高效自主学习”。徐老师在报告中指出，“随着工业、医疗、国防等领域对各类机器人和无人系统应用需求的增加，需要研究和探索复杂不确定环境中机器人系统智能感知与优化控制的高效自主学习理论和方法，减少对人工标记样本或者实际交互数据的依赖。报告在分析相关技术需求的基础上，介绍了机器人目标识别的鲁棒半监督学习、三维对称性预测的弱监督学习、在线学习预测控制、迁移强化学习的研究进展，以及在机器人抓取、智能车辆优化控制中应用的若干研究进展。最后对进一步的工作进行了分析和展望。”

图7：徐昕教授作论坛报告“机器人系统的高效自主学习”

第四位报告嘉宾是西安交通大学陈霸东教授，报告题目“基于信息论学习的类脑计算、脑机接口以及脑疾病诊断”。陈老师在报告中指出，“信息论在机器学习领域获得广泛应用并引起越来越多学者的关注。研究者针对不同的机器学习问题提出了各种信息论学习方法，如监督学习中的最小误差熵准则和表示学习中的信息瓶颈原则。本报告介绍信息论学习（Information Theoretic Learning）基本概念，阐述新的学习范式与方法，并探讨信息论学习在类脑计算、脑机接口以及脑疾病诊断中的应用。”

图8：陈霸东教授作论坛报告“基于信息论学习的类脑计算、脑机接口以及脑疾病诊断”

下午场第一部分由中国科学技术大学人工智能与数据科学学院副院长何向南教授主持。

图9：中国科学技术大学人工智能与数据科学学院副院长何向南教授主持论坛下午场第一部分

第五位报告嘉宾是北京理工大学邬霞教授，报告题目“多尺度脑认知机制启发的智能感知与决策”。邬老师在报告中指出，“随着传统神经网络模型弊端渐显，脑认知机制对深度释放数据潜能和激发模型性能有着重要的参照意义，已然成为实现通用人工智能的关键途径之一。受脑认知机制在微观、介观、宏观视域展现出的复杂特性的启发，新一代智能计算方法也许可以重塑神经网络架构，认知神经科学的发展也将引发计算科学的创新和变革浪潮。为深入阐释认知科学和人工智能的交叉融合，本次报告拟分享多尺度脑认知机制启发的智能感知与决策研究前沿进展，并对人工智能和人类智能交叉融合、深度互鉴的未来发展趋势进行展望。”

图10：邬霞教授作论坛报告“多尺度脑认知机制启发的智能感知与决策”

第六位报告嘉宾是南京大学高阳教授，报告题目“大规模非完全信息博弈决策”。高老师在报告中指出，“决策智能是人工智能技术的重要组成。强化学习是解决序贯决策任务的学习范式，而多智能体强化学习则是解决博弈决策任务的学习范式。在实际场景中，博弈决策任务往往面临着规模大、信息不完全等挑战。本报告从多智能体系统建模、多智能体系统约简、博弈策略迁移、分布式决策等多个角度，介绍了技术的进展；同时，也介绍了相关技术和平台在掼蛋等棋牌类博弈以及军事场景中的应用；最后，展望了大模型时代下的技术发展。”

图11：高阳教授作论坛报告“大规模非完全信息博弈决策”

第七位报告嘉宾是电子科技大学李宏亮教授，报告题目“面向视觉任务的连续学习方法”。李老师在报告中指出，“如何模拟人脑学习机制，解决模型在减少旧知识遗忘的同时不断地学习新知识是目前连续学习面临的重要挑战。本次报告将围绕视觉任务中的连续学习问题，从多教师连续学习机制到模型反演的连续学习模型的实现，介绍最近的相关工作。最后针对视觉任务连续学习的若干问题进行简要讨论与展望。”

图12：李宏亮教授作论坛报告“面向视觉任务的连续学习方法”

下午场第二部分由中国科学技术大学张天柱教授主持。

图13：中国科学技术大学张天柱教授主持论坛下午场第二部分

第八位报告嘉宾是山西大学钱宇华教授，报告题目“从随机一致性视角对学习理论洞见、重构与延拓”。钱老师在报告中指出，“机器学习是人工智能诸多领域的共性基础与关键技术，机器学习理论、模型与算法的原理可解释性关乎到人们可否可信有效地使用人工智能。然而，在基于机器学习进行决策时，由于受到数据噪音、标注偏好等复杂因素影响，或由于缺乏足够证据和先验知识，决策结果与真实情况由于随机产生的一致性时有发生。此随机一致性将导致决策缺乏客观性与可重复性，给机器学习理论与模型的可信性造成解释性灾难，给经典可学习理论与方法带来了挑战。为此，如何重构具有原理可解释性的可学习理论成为了人工智能的一个基本科学问题。报告从发现人工智能领域广泛存在的随机一致性现象出发，对传统机器学习理论进行重新审视、重构与延拓，以期构建更加科学可信的机器学习理论与方法。”

图14：钱宇华教授作论坛报告“从随机一致性视角对学习理论洞见、重构与延拓”

第九位报告嘉宾是天津大学郝建业副教授，报告题目“大模型时代下的强化学习”。郝老师在报告中指出，“本报告首先会介绍传统强化学习背景，然后介绍在大模型时代下新的决策模型学习范式，以及强化学习如何助力决策模型及其所面临的挑战和解决方案，同时介绍在自动驾驶、EDA芯片设计和具身智能等场景的落地应用。”

图15：郝建业副教授作论坛报告“大模型时代下的强化学习”

第十位报告嘉宾是华南理工大学陈俊龙教授，因行程冲突，临时改为线上报告，报告题目“感知与认知基础算法的探讨与简约自训练引导的宽度学习”。陈老师在报告中指出，“在人工智能领域，研究理解人类情感的相关算法与技术，具有非常重要研究意义。在当前的研究中，开展机器智能情感认知的工作，对人类行为模式和心理状态做出更准确的判断和分析，或者实现更人性化的友好互动，成为热点问题。本报告先介绍人工智能的智算模型包含决策型/分析/规划型的模型与其相关的算法，以及探讨最近爆红的生成式人工智能与其应用，接着介绍简约自训练引导的宽度学习算法原理，尤其是它动态神经元增量特性及网络结构的自我更新有效提高模型的训练精度。这些优势特性保证了更新期间的精简模型。最后介绍宽度学习系统和自适应多尺度处理算法技术与应用。”

图16：陈俊龙教授作线上论坛报告“感知与认知基础算法的探讨与简约自训练引导的宽度学习”

嘉宾报告结束后，现场来宾与各位专家就国内数据要素交易、统一大模型的存在必要性、机器人决策模型、信息论和大模型结合、脑机接口等人工领域的热点话题展开了深度交流和研讨。

图17：现场交流

再次感谢各位嘉宾、专家、学者和观众的热情参与和支持，使得本次第二期人工智前沿能论坛取得了圆满成功。