4月8日至9日，西湖大學可信及通用人工智能實驗室（TGAI）成功舉辦了CAAI/IEEE CIS人工智能前沿聯(lián)合研討會。該研討會由西湖大學金耀初實驗室（可信及通用人工智能實驗室）主辦，得到了浪潮電子信息產(chǎn)業(yè)股份有限公司和西湖大學工學院的贊助支持。本次研討會共邀請了11位專家，為參會的科研人員分享了人工智能領域的最新研究進展，分別是浙江大學吳飛教授、西湖大學可信及通用人工智能實驗室負責人金耀初教授、香港嶺南大學姚新教授、塞浦路斯大學Prof. Marios M. Polycarpou、西安交通大學孟德宇教授、杭州電子科技大學余宙教授、寧波諾丁漢大學Prof. Jonathan Garibaldi、南京大學史穎歡教授、浪潮公司朱紅、上海交通大學吳帆教授以及臺灣成功大學Prof. Pau-Choo Chung教授?；顒游藖碜陨虾＝煌ù髮W、同濟大學、哈爾濱工業(yè)大學、東北大學、山東大學等46所大學140余位AI領域的老師、博士、碩士及本科生積極報名參與。

開幕致辭

首先，金耀初教授和吳飛教授分別發(fā)表了開幕辭。金耀初教授，作為主辦方，熱情歡迎了所有到場的專家和學生，并詳細介紹了IEEE CIS及其旗下期刊。吳飛教授在開幕式上強調(diào)了人工智能在當前社會發(fā)展中的關鍵地位，表達了對本次研討會順利展開的期許，并詳細介紹了CAAI的相關信息。

專家報告

香港嶺南大學的姚新教授以《When Evolutionary Computation Meets Trustworthy Artificial Intelligence》為主題，深入剖析了可信人工智能的多維屬性和研究動機。他詳細探討了多目標進化算法構建可信AI在公平性到可解釋性各層面上的顯著優(yōu)勢，并預測了進化算法與可信AI交叉結(jié)合的巨大潛力。

塞浦路斯大學的Marios M. Polycarpou教授就《Intelligent Fault Diagnosis: Towards More Resilient Societies》這一主題，對resilient systems的設計與構建進行了討論，主要涵蓋了resilient systems構建的目標、關鍵問題以及整體步驟與框架，另外還分析了一些實現(xiàn)細節(jié)和未來的挑戰(zhàn)。

浙江大學吳飛教授就《LLM & Agent：人工智能賦能科學研究和工程突破》這一主題進行了深入探討。他詳細闡述了生成式人工智能（LLM）的發(fā)展背景、模型成功的底層原因以及當前面臨的挑戰(zhàn)。此外，他還探討了LLM如何在工程和科學研究中發(fā)揮作用，并對未來的趨勢進行了預測。

西安交通大學孟德宇教授圍繞《機器學習的數(shù)學技術》主題，就目前機器學習理論研究現(xiàn)狀與發(fā)展進行了闡述，另外在LLM趨勢下，對機器學習理論研究的關鍵問題“泛化”進行了探討，包括將“泛化”的討論范疇進一步拓展。最后分享了課題組在新型機器學習基礎理論方向上的成果。

杭州電子科技大學余宙教授圍繞“多模態(tài)人工智能的黃金十年”這一主題發(fā)表了演講。他詳細梳理了從早期深度學習時代到Transformer時代的多模態(tài)信息學習和融合方法的演變，并探討了如何對齊多模態(tài)語義信息。最后，他預測了多模態(tài)領域未來的潛力方向，包括端云協(xié)同和多實體代理集成。

西湖大學金耀初教授圍繞《Data-Driven Optimization: From Small Surrogate to Large Generative Models》主題展開演講。針對數(shù)據(jù)驅(qū)動優(yōu)化面臨的挑戰(zhàn)和難題，金老師詳細介紹了小代理模型輔助的進化計算和現(xiàn)在流行的大語言模型、擴散生成模型輔助的進化優(yōu)化，為相關研究和實踐提供了參考和啟發(fā)。

寧波諾丁漢大學Jonathan Garibaldi教授以《Emerging Topics in Fuzzy AI》為主題進行了精彩的演講。他在演講中指出了模糊AI系統(tǒng)的幾個熱門方向，并對如何利用模糊系統(tǒng)量化不確定性大小和如何以一種自然方式處理量化不確定性進行了深刻剖析。

南京大學史穎歡教授就《深度半監(jiān)督學習及醫(yī)療影像分析應用》這一主題發(fā)表了演講。他不僅對當前常規(guī)半監(jiān)督學習模型進行了詳解，還對當前醫(yī)療大模型范式進行了總結(jié)闡述，就如何針對通用大模型進行協(xié)調(diào)調(diào)度，在診療環(huán)節(jié)中實現(xiàn)多模態(tài)復雜推理進行了詳細討論。

上海交通大學吳帆教授以《大小模型端云協(xié)同智能計算》為主題發(fā)表了演講。他詳細對比了大小模型云端協(xié)同學習與聯(lián)邦學習的優(yōu)勢，描述了云側(cè)大模型、端側(cè)小模型按照端云兩側(cè)不同特點和實際需求進行各項資源分配的方案，并進一步討論了如何實現(xiàn)模型更新、如何凸顯數(shù)據(jù)樣本和特征等優(yōu)勢。

臺灣成功大學的Pau-Choo Chung教授圍繞《Resolving Cross-Hospital Variation Effects in AI-based Pathology Image Analysis》主題，討論了如何解決不同醫(yī)院數(shù)據(jù)不一致的問題，并且分享了一些醫(yī)療影像數(shù)據(jù)分析方法，包括對圖像進行分割、利用CycleGAN等前沿方法實現(xiàn)圖像分析和知識蒸餾。

提問與互動

在現(xiàn)場互動環(huán)節(jié)中，專家學者們充分交流、探討學術前沿，與會者加深了對行業(yè)前沿的認識與理解。此次會議促進了人工智能研究的前沿探討，推動了國內(nèi)外學術合作與交流，啟發(fā)了高性能計算與人工智能相關領域研究的發(fā)展和進步，為國際人工智能領域的深度合作與交流創(chuàng)造了重要的合作平臺，助力我國科研事業(yè)發(fā)展與科技人才培養(yǎng)。