武汉大学计算机学院

学院新闻

我院成功承办2022年中国人工智能学会不确定性人工智能专委会学术沙龙

发布时间:2022-12-22     浏览量:

12月17日,为促进不确定性人工智能的前沿领域、新观点和新学说进行深入的学术交流,由中国人工智能学会不确定性人工智能专委会(以下简称“专委会”)主办,武汉大学计算机学院与武汉计算机软件工程学会承办的“不确定性人工智能专委会2022年学术沙龙(CUAI 2022)”以线上形式顺利举行,为专委会主办的该系列沙龙的第十一届,共吸引了200余名师生参与。

图片1.png

会议开始,中国人工智能学会不确定性人工智能专委会委员、武汉计算机软件工程学会理事长、武汉大学计算机学院李兵教授代表CUAI 2022组委会欢迎各位专家的到会,感谢大家在此疫情开放时期对专委会工作的支持。专委会副主任、清华大学人工智能研究院常务副院长孙茂松教授代表专委会致辞。孙教授讲到,专委会成立十多年来,各位专家对不确定性人工智能这个极具挑战性的领域,开展了多种不同途径的研究探索,这种探索今天看来尤为可贵,可以弥补当前主流的深度学习方法存在的一些不足。

图片2.jpg

上午的沙龙报告中,孙茂松教授以《大模型带来的挑战与机遇》为题详细介绍了自然语言大模型的特点与优势,也探究了大模型面临的理论和实践的挑战,并通过一系列典型案例,阐释了大模型带来的机遇,特别是其所赋能的诸多人工智能新场景和新应用。

图片3.jpg

华中科技大学张海涛教授以《自主无人艇集群协同围捕理论、技术及应用》为题,从实际问题出发,深入剖析自然界群体智能涌现机理对于自主无人艇集群协同的指导作用,揭示集群构型切换相变等规律,为实现从自然群体智能到无人系统集群应用的跨越提供理论与技术的支撑。

图片4.jpg

武汉大学叶茫教授进行了《联合计算之异构联邦学习》的研究分享,首先介绍了联邦学习的背景和其在医疗、智慧安防、自动驾驶等场景的应用,随后展示了团队在小样本的异构联邦学习、噪声鲁棒的异构联邦学习、互相关蒸馏的异构联邦学习方面的研究成果,并以此来解决异构联邦学习样本稀少、数据噪声、领域差异等问题。

图片5.jpg

下午,专委会主任、清华大学张勤教授进行了题为《不确定性领域的问题与现状》的报告,介绍了目前存在的深度学习模型的黑箱数据拟合本质导致的不可解释性、过拟合或欠拟合、不满足数据独立同分布导致的泛化、小样本匹配失准等问题,从而提出可信AI在医疗诊断中的九个要素。报告中,张勤教授分析了动态不确定因果图DUCG从底层表达因果关系的核心思想,从而解耦在表象层复杂耦合的变量和参数所取得的效果,并对DUCG的实际应用情况进行了展示。

图片6.jpg

安徽科技学院仇海全副教授以《基于关联维数和KNN的固有维数估计方法》为题,探讨固有维数估计结果偏低的原因,指出基于关联维数的固有维数估计算法低估的两个原因——边界效应和间隔效应,给出了算法理论研究成果及其仿真实验结果。

图片7.jpg

清华大学李彦夫教授以《电信网络的可靠性指标体系研究——网络运维视角》为题进行了分享,展示并分析了电力网络和电信网络的可靠性指标体系发展路径之间的差异性,提出了一组新型的基于大数据分析与建模的可靠性指标体系,并联合华为公司在相关局点开展了验证与应用,为电信网络可靠性的未来研究与实践指出了重要方向。

图片8.jpg

本场学术沙龙线上氛围良好,与会师生与专家就报告内容进行积极的交流互动。张勤教授最后代表专委会向各位报告专家表示感谢,并期待明年可以与大家进行面对面的深入交流,会后还组织了专委会工作讨论会。