主办单位：香港大学中国商业学院

活动主题：简约和自洽—自然智能对AI的灵魂拷问

活动时间：3月8日 20:00-21:30

活动形式：香港大学本部直播

直播预约请点击下方“预约”按钮

简约和自洽：自然智能对AI的灵魂拷问

内容简介：

从神经网络和智能研究近70年的演变中，我们研究了过去10年深度网络和人工智能的革命。从深度学习在判别任务（如语音识别和图像分类）中的早期成功，到最近对生成任务（如图像生成和ChatGPT）的关注，我们研究了当前人工智能方法成功背后的原因。

随着当前实践的局限性变得越来越明显，我们提出了一个新的理论框架，既可以统一当前判别模型和生成模型的实践，又可以对现有的人工深度神经网络提供严谨的数学解释。流行的深度网络（例如，ResNets，CNNs或Transformers）的架构和运算符都可以推断为展开优化方案，以优化所获得的感知世界学习表述的信息增益。为了确保优化表述的正确性或一致性，我们认为有必要通过“闭环”反馈和博弈来增加自我纠正和自我批评机制。这自然导致了一个统一的计算框架，称为压缩闭环转录，它集成了信息论、控制/博弈论、稀疏编码和优化的基本思想。我们认为，压缩闭环转录是一个普适的学习框架，是所有自主智能系统的基本学习单元，无论是人工的还是自然的。

分享亮点

• 简介可能与流行看法（甚至是学术界的看法）相反的人工智能的真实历史； 

• 对过去十年的人工智能实践进行高层次的总结；

• 对于一些流行的应用(APP)的研究分享，包括最近的图像热扩散模型（hot diffusion model）和语言的GPT模型；

• 从历史的智慧和当前实践的局限性出发，为下一代集成智能系统介绍新的、更统一的框架。

马毅教授是香港大学同心基金数据科学研究院院长，也是加州大学伯克利分校电子工程与计算机系教授。他的研究方向包括计算机视觉、高维度数据分析和综合智能系统。马毅于1997年获得加州大学伯克利分校的数学硕士学位及电子工程与计算机科学硕士学位，并于 2000年获得该校的电子工程与计算机科学博士学位。

他于2000年至2011年在在伊利诺伊大学厄巴纳-香槟分校（UIUC）电气与计算机工程系任教；2009年至2014年，担任微软亚洲研究院计算机视觉组主任及首席研究员；2014年至2017年出任上海科技大学信息科学与技术学院教授、执行院长；2018年加入加州大学伯克利分校电子工程与计算机科学系任教。

他在计算机视觉、广义主成分分析和高维度数据分析方面，发表了超过60篇期刊论文，120 篇学术会议论文，以及著有3本教科书。他分别在2004年与2005年获得NSF职业奖与 ONR 青年研究员奖。他还在1999年的国际计算机视觉大会（ICCV）上获得了David Marr最佳计算机视觉论文奖。他还获得了2004年欧洲计算机视觉会议（ECCV）的最佳论文奖荣誉提名、2009年亚洲计算机视觉会议（ ACCV）的最佳学术论文奖。他曾担任2013年ICCV 的主席和ICCV2015年的大会主席。他是美国电气工程师学会（ IEEE）、美国计算机协会（ACM）和工业与应用数学学会（SIAM）的会士。

广告