AI人工智能行业资讯更多

学会动态丨位列总榜前三！中国科协网络平台宣传评价2022年第四季度排行榜公布

2023-02-03 18:52

CCAI 2022主题报告丨架起国际学术交流之桥，7位中外大家纵论AI前沿

来源：世展网分类：AI人工智能行业资讯 2022-11-02 17:02 阅读：13182

2025年北京人工智能展-中国国际智能科技产业博览会世亚智博会

2025-06-08-06-10

距离34天

收录于话题

#CCAI 2022

作为我国最早举办的人工智能大会，中国人工智能大会充分发挥影响力优势，有力促进国际化学术交流。

10月29日至31日在长沙举办的第八届中国人工智能大会上，戴琼海院士、廖湘科院士、王耀南院士、田奇院士、Carles Sierra教授、Stephen Muggleton院士、Philip Torr院士，7位中外学术大家应邀作了主题报告，分享了人工智能的前沿性研究和前瞻性思考。

戴琼海院士：认知计算是从脑科学到认知智能的重要途径

以《关于认知智能的一些思考》为主题，戴琼海院士从当前深度学习的特点、脑科学的前沿研究，再到团队研制的RUSH系列仪器，最后到记忆智能、免疫智能等方面诠释了实现认知智能的可能性。

戴琼海院士在报告中提出，脑科学研究里，感觉与知觉，学习与记忆，以及决策，三部分构成了完整的认知计算过程，以之为基础的智能理论与技术将构建认知智能，因此认知计算是从脑科学到认知智能的一个重要的途径。

戴琼海院士

廖湘科院士：工业软件要转变为工业互联网APP

在《智能制造时代的基础软件》主题报告中，廖湘科院士围绕基础软件的发展、商业形态的演进、IT与制造业的融合、智能制造的格局等内容，分析了工业软件的重要价值。

“移动互联网使得计算的使用如影随形，工业软件要转变为工业互联网APP。”廖湘科院士认为，未来的时代就是计算机和工业结合的时代，不懂工业知识的人做不好软件，不懂软件的人会成为不了工业领域的领先者。

廖湘科院士

王耀南院士：机器人向网络化、自主化、协作化、灵巧化发展

王耀南院士作了《智能机器人关键技术应用及发展趋势》主题报告，分享了为什么要发展机器人、目前国内外机器人应用现状、机器人的关键技术、团队研究应用成果、机器人未来发展方向等内容，勾画了智能机器人的发展前沿和创新趋势。机器人近十年的挑战是什么，未来机器人是什么样？王耀南院士给出答案。两个最大的挑战，一是新材料、动力；二是仿生机器人，模仿人群机器人、集群机器人、导航、社交、医疗等。未来机器人的四个特征：网络化、自主化、协作化、灵巧化。

王耀南院士

田奇院士：大模型可以增强AI的规模化复制能力，实现降本增效

田奇院士的主题报告是《2022年计算机视觉挑战问题和潜在方向》，解析了计算机视觉的主要挑战问题、解决办法，以及基础研究在工业领域中的沉淀，进一步分享了大模型应用落地的情况。围绕近两年热门的大模型话题，田奇院士称，大模型解决传统AI开发的问题，比如模型泛化能力不够。过去作坊式开发，针对一个场景就要开发一个模型，这导致人力成本比较高，大模型的本质是利用其高精度和高泛化的能力实现AI的低成本大规模复制。田奇院士认为，比如工业质检可能要上千个模型，维护成本非常高，因此可以利用大模型低门槛开发、泛化能力高、样本标注高效、精度更高的优势来解决AI碎片化的问题。

田奇院士

Carles Sierra教授：人工智能需兼具技术研究和社会价值研究

欧洲人工智能联盟主席Carles Sierra教授分享了《社会价值工程》主题报告，提出“人工智能已经被置于道德行为的前沿，社会价值是人工智能使用的伦理问题“的观点。

他认为一个人工智能系统，不仅要有技术方面的研究，并且要有社会价值方面的研究。同时通过分析社交平台影响选举、利用AI制造假新闻、视频网站对儿童内容的监管等案例阐释了他的观点。

“我们需要建立一个工程，能够把人类的价值观注入人工智能系统。”Carles Sierra教授在分享中强调了人工智能的安全、隐私、正义、平等等社会问题，建议形成一套社会契约和准则，保护人工智能的社会价值。

Carles Sierra教授

Stephen Muggleton院士：小样本学习的准确性和应用前景

伦敦帝国理工学院教授Stephen Muggleton院士作了《Learning with few examples and many background concepts》主题分享，基于小样本学习，从理论角度出发，回顾了机器学习的理论发展历史，分享了他开发的深度日志系统，给出了一个有效的理论框架。Stephen Muggleton院士用多个实验案例说明了小样本学习的特殊性和准确性。他认为，在不强调通用性的情况下，小样本学习就最有效的解决方案，有广阔的应用前景。

Stephen Muggleton院士

Philip Torr院士：现在是机器学习的时代

牛津大学教授Philip Torr院士在《Recent Work at the TVG in Oxford》主题报告中称，现在是一个令人兴奋的机器学习和计算机视觉的时代，当前的很多研究很快就会进入应用阶段。Philip Torr院士从自己实验室的工作出发，展望机器学习的几个重大挑战和未来方向，例如鲁棒可靠性、迁移性、持续学习、终身学习等。在演讲结束时，他鼓励研究者“希望我们不断激励机器学习发展。”