會議信息
由中國人工智能學會（CAAI）主辦，人工智能基礎專業(yè)委員會承辦、天津大學智能與計算學部與河北工業(yè)大學人工智能與數(shù)據(jù)科學學院協(xié)辦的第一屆“生物神經(jīng)智能——神經(jīng)網(wǎng)絡和圖神經(jīng)網(wǎng)絡”專題學術(shù)研討會，定于2022年5月14-15日線上舉行，騰訊會議號：806-724-277，直播地址： https://meeting.tencent.com/l/hBWxf7WgmE1p。
會議背景
學習與智能的數(shù)學定義與模型已突顯為21世紀的重大科學問題，也成為了以信息和智能為標志的新時代的必答題，科學目標為實現(xiàn)機器智能。要想使得學習與智能成為科學，而不僅僅是技術(shù)，科學界的新使命是創(chuàng)建人工智能新基礎、新理論，包括：數(shù)學智能、信息智能、（生物）神經(jīng)智能、物理智能和智能工程原理等重要科學理論支撐，實現(xiàn)科學為智能。生物神經(jīng)智能（包括神經(jīng)、腦、進化等）是從生物的角度研究智能產(chǎn)生的機理、機制、原理、理論、方法與技術(shù)，是實現(xiàn)未來機器智能的重要支柱之一。本次研討會重點是從現(xiàn)有的神經(jīng)網(wǎng)絡與圖神經(jīng)網(wǎng)絡作為起點和切入點，對上述新學科及其涉及的重要科學問題進行深入交流和探討。
人工神經(jīng)網(wǎng)絡是一種對人腦神經(jīng)認知機制的模擬，是人工智能連接主義的基礎。近年來隨著深度學習的興起，神經(jīng)網(wǎng)絡再次成為了人工智能的前沿研究熱點，大量新的理論與算法被提出，且廣泛應用于機器視覺、語音、自然語言處理等諸多領域，顯著提升了當今人工智能的發(fā)展水平。除卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等經(jīng)典模型以外，善于描述實例間依賴關(guān)系的圖神經(jīng)網(wǎng)絡最近被提出。它被視為是連接主義與符號主義的結(jié)合，不僅可使深度學習應用于圖這種非歐式結(jié)構(gòu)上，還能為深度學習賦予一定的推理能力。在深度學習的魯棒性和解釋性受到質(zhì)疑的今天，圖神經(jīng)網(wǎng)絡或可為未來人工智能的發(fā)展提供一個可行方向。
本研討會主要關(guān)注于神經(jīng)網(wǎng)絡與圖神經(jīng)網(wǎng)絡的前沿基礎理論算法及其重要應用的當前進展，包括但不僅限于：深度學習與認知推理、神經(jīng)網(wǎng)絡的魯棒性與可解釋性、結(jié)構(gòu)信息論下的圖神經(jīng)網(wǎng)絡、圖神經(jīng)網(wǎng)絡與因果推斷、復雜圖上的圖神經(jīng)網(wǎng)絡及其應用等，期望能夠為該領域研究者提供一個新思維碰撞的開放式交流平臺。
大會程序
特邀嘉賓
楊博
個人簡介：楊博，吉林大學計算機科學與技術(shù)學院教授，博士生導師。現(xiàn)任計算機學院和軟件學院院長，符號計算與知識工程教育部重點實驗室主任，吉林大學校學術(shù)委員會委員，中國人工智能學會理事，中國人工智能學會知識工程與分布智能專委會副主任，中國計算機學會杰出會員。長期從事知識工程、數(shù)據(jù)挖掘和社交網(wǎng)絡分析等方面的研究，在 IEEE TPAMI、IEEE TKDE、IEEE TCYB、IEEE TNNLS、ACM TKDD、ACM TWEB、中國科學、AAAI、NeurIPS、ICLR、CVPR、WWW、IJCAI、UbiComp、ICDM、COLING等期刊和會議上發(fā)表學術(shù)論文120多篇；出版專著1部和譯著1部；獲吉林省科技進步一等獎2項，吉林省自然科學二等獎1項，吳文俊人工智能自然科學二等獎1項。
報告題目： 神經(jīng)符號系統(tǒng)—基本原理與案例分析
內(nèi)容摘要： 符號主義和鏈接主義是人工智能的兩大方法論，分別模擬演繹推理和歸納學習兩種認知過程。神經(jīng)符號系統(tǒng)期望將兩者融合起來，取長補短，建立具有更加高效、魯棒、可解釋的智能系統(tǒng)，是當前人工智能研究的一個熱點。本報告簡要介紹神經(jīng)符號系統(tǒng)的基本原理，關(guān)鍵技術(shù)，以及在相關(guān)領域的應用案例。
吳飛
個人簡介：浙江大學求是特聘教授，博士生導師。主要研究領域為人工智能、多媒體分析與檢索和統(tǒng)計學習理論。浙江大學人工智能研究所所長、美國加州大學伯克利分校統(tǒng)計系訪問學（2009.10-2010.8）。 國家杰出青年科學基金獲得者（2016年）、入選“高校計算機專業(yè)優(yōu)秀教師獎勵計劃”(2018年)、寶鋼優(yōu)秀教師獎（2019年度），教育部人工智能科技創(chuàng)新專家組工作組組長（2018.8-2020.12）、科技部科技創(chuàng)新2030“新一代人工智能”重大科技項目指南編制專家。 科技部重點研發(fā)計劃項目負責人、主持國家自然科學基金重點項目2項，擔任中國工程院院刊《Engineering》信息與電子工程學科執(zhí)行主編、中國工程院信息學部分刊信息電子前沿《Frontiers of Information Technology & Electronic Engineering》編委、《IEEE Transactions on Cybernetics》編委、中國計算機學會多媒體技術(shù)專業(yè)委員會常務委員。
報告題目： 端云協(xié)同下分布式模型學習與進化
內(nèi)容摘要： 基于深度學習和遷移學習等技術(shù)，以“涌現(xiàn)”和“同質(zhì)化”為特點的大模型或基石模型取得了突出成效。在 “泛在互聯(lián)、端云協(xié)同、AI賦能”時代背景下，將大模型蒸餾壓縮為終端可用個性化小模型，同時終端可用個性化小模型匯聚起來提升云端大模型的泛化能力，形成端云協(xié)同機器學習計算范式，體現(xiàn)“須彌納于芥子”的哲學思想，是大模型賦能經(jīng)濟發(fā)展和社會進步要解決的關(guān)鍵問題。本報告將介紹大小模型協(xié)同進化分布式機器學習平臺“洛犀”。在端云協(xié)同分布式架構(gòu)下，洛犀平臺對圖式結(jié)構(gòu)海量數(shù)據(jù)深度學習，所得大模型通過高精度壓縮，約簡為終端可用的小模型，小模型的實踐向大模型匯聚累積起來，以不斷提升云端大模型的認知推理能力
王震
個人簡介：王震，西北工業(yè)大學教授，網(wǎng)安學院書記，國家保密學院常務副院長，國家杰青，國防科技創(chuàng)新團隊負責人， 中國科協(xié)十大代表，全球高被引科學家，Elected member of the Academia Europaea，AAIA Fellow。 圍繞博弈智能、智能決策與認知、網(wǎng)絡空間智能對抗方向從事基礎研究和應用研究。 目前，在Nature Communications，Science Advances、PNAS、PRL、IEEE T-PAMI、IEEE T-KDE、中國科學等發(fā)表系列成果， 引用2萬余次，H因子59，獲批國家發(fā)明專利10余項，完成行業(yè)技術(shù)標準4項。研究成果被國內(nèi)外院士、會士等國際知名學者積極評價， 被Nature News、LiveScience等知名學術(shù)媒體專題報道。主持國家自然科學基金重點項目、國防項目、海外基金等20余項， 受邀在國外知名研究機構(gòu)和國際頂級會議做大會報告和特邀報告80余次。獲科學探索獎、陜西省自然科學獎一等獎等。
報告題目： 博弈智能與網(wǎng)絡空間智能對抗的一些觀點
王平輝
個人簡介：王平輝，西安交通大學教授/博士生導師，國家優(yōu)秀青年科學基金獲得者。2002年至2012年就讀于西安交通大學并獲學士和博士學位，曾任香港中文大學、加拿大麥吉爾大學和新加坡國立大學博士后、華為香港諾亞方舟大數(shù)據(jù)實驗室研究員。作為項目負責人主持國家重點研發(fā)計劃項目課題、國家自然科學基金優(yōu)秀青年科學基金項目、教育部-中國移動“人工智能”建設項目等。主要研究方向為大數(shù)據(jù)、智能服務、智能運維與網(wǎng)絡安全等，在SIGMOD、KDD、VLDB、NeurIPS、ACL、IEEE TKDE、IEEE TIFS等中國計算機學會（CCF）推薦的A類會議和期刊上發(fā)表學術(shù)論文40余篇。
報告題目： 面向大圖學習的高效神經(jīng)網(wǎng)絡模型
內(nèi)容摘要： 圍繞實際應用中大規(guī)模圖數(shù)據(jù)的挖掘分析，匯報圖神經(jīng)網(wǎng)絡模型針對大圖學習面臨的技術(shù)挑戰(zhàn)，介紹當前主流的幾類解決大圖學習的技術(shù)思路，最后展望未來技術(shù)的發(fā)展方向。
高曉沨
個人簡介：高曉沨，上海交通大學計算機科學與工程系教授、博導，教育部青年學者。 研究方向為數(shù)據(jù)工程、網(wǎng)絡優(yōu)化等，發(fā)表中國計算機學會（CCF）推薦A/B區(qū)期刊會議論文130余篇。 任CCF分布式計算與系統(tǒng)專委會、數(shù)據(jù)庫專委會、大數(shù)據(jù)專家專委會委員；中國運籌學會數(shù)學規(guī)劃分會青年理事等。 榮獲上海市“浦江人才”、“晨光計劃”、“寶鋼優(yōu)秀教師獎”、“CCF杰出演講者”等資助和榮譽。 曾8次榮獲國際學術(shù)會議最優(yōu)論文獎。與華為、騰訊、阿里等多家企業(yè)開展合作， 曾獲CCF-華為創(chuàng)新研究計劃A類評審第一名（2020年）、CCF-騰訊犀牛鳥基金卓越獎（2021年）。
報告題目： 時間序列數(shù)據(jù)的預測及應用
內(nèi)容摘要： 時間序列數(shù)據(jù)可廣泛應用于計量經(jīng)濟、金融貿(mào)易、天氣預報、航空學、通信工程以及涉及時間數(shù)據(jù)測量的應用科學與工程學， 本質(zhì)上反映了隨機變量隨時間變化的趨勢，對其特征進行挖掘分析可以發(fā)現(xiàn)隱含規(guī)則，從而預測后續(xù)發(fā)展趨勢。 本報告將對時間序列挖掘預測的相關(guān)概念、方法和應用進行概覽，并對最近幾年重要期刊會議中的相關(guān)文獻進行綜述， 最后結(jié)合主講人團隊已有工作介紹時間序列挖掘預測的一些最新應用。
熊贇
個人簡介：熊贇，博士，復旦大學計算機科學技術(shù)學院教授，博士生導師，上海市數(shù)據(jù)科學重點實驗室副主任，CCF YOCSEF上海主席（2020-2021）。 長期從事數(shù)據(jù)領域研究，研究工作獲得了國家自然科學基金、國家863、上海市科委基金等資助，研究成果發(fā)表在數(shù)據(jù)領域國際權(quán)威期刊和會議上。 曾獲中國計算機學會科學技術(shù)發(fā)明、上海市科技進步獎。在國內(nèi)率先開展大數(shù)據(jù)和數(shù)據(jù)科學的研究工作，提出了一批新型的大數(shù)據(jù)挖掘算法， 這些算法已被應用于醫(yī)聯(lián)平臺、證券交易所、交通信息中心等上海市大數(shù)據(jù)建設重要領域。
報告題目： 基于圖深度學習的復雜行為數(shù)據(jù)分析
內(nèi)容摘要： 人類的行為被記錄在計算機中，行為數(shù)據(jù)如何有效利用已成為學界與業(yè)界都關(guān)注的問題。 行為數(shù)據(jù)為識別和分析用戶特征提供了豐富的數(shù)據(jù)基礎，但與此同時，行為數(shù)據(jù)的復雜性（例如動態(tài)性、異質(zhì)性、關(guān)聯(lián)性等）也給分析方法研究帶來了挑戰(zhàn)。 本報告介紹基于圖深度學習的復雜行為數(shù)據(jù)分析方法，及其在用戶深度畫像生成與業(yè)務監(jiān)管場景中的應用。
