主题：人工智能的过去、现在与未来：从白盒到黑盒，从开环到闭环

主讲嘉宾：马毅教授

日期：2024年1月16日，星期二

时间：上午10:30-11:45

地点：行政楼西翼W201

语言：英文

主持人：贾奎教授

摘要：

在此次演讲中，我们将从智能研究的历史角度，系统且原理性地回顾过去十年人工智能的发展与实践。我们的研究团队认为，智能的核心目标是学习一种紧凑且结构化的表示方式（或记忆方式），以最大化对感知世界的信息增益（可通过其编码率来评估）。

我们相信，通过优化该原理性目标，可以为过去和现在几乎所有的基于深度学习网络（包括ResNets 和Transformers）的人工智能实践提供一个统一且“白盒化”的解释。得益于此，我们已经可以开发出数学上可解释、实践中具有竞争力、语义上有意义的深度网络。详情可参考我们团队的最新的研究成果：https://ma-lab-berkeley.github.io/CRATE/

此外，我们的研究表明，要正确且自动地学习这种表示方式，需要整合结合编码理论、优化算法、反馈控制理论和博弈论的基本原理。尤其值得注意的是，我们应该转向闭环的方式来构建和训练编码与解码的网络模型，这与目前流行的开环端到端训练方法截然不同。这样的转变，不仅回应了智能研究80年前的初衷，更为我们开辟了一个更加广阔的未来：在这个新框架下，我们可以期待开发出更接近自然智能的下一代自主智能系统。

相关论文请参见：

1. https://ma-lab-berkeley.github.io/CRATE/
2. https://jmlr.org/papers/v23/21-0631.html
3. https://www.mdpi.com/1099-4300/24/4/456/htm

主讲嘉宾简介：

马毅，香港大学数据科学研究院首任院长，新任计算机科学系主任，加州大学伯克利分校电子工程与计算机科学系教授，研究领域包括计算机视觉、高维数据分析和综合智能系统。马毅教授于1995年获得清华大学自动化、数学双学士学位，后赴美国加利福尼亚大学伯克利分校求学，分别获得电子工程与计算机科学、数学双硕士学位（1997年）以及电子工程与计算机科学博士学位（2000年）。

马毅教授曾是伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系教授（2000-2011年）、微软亚洲研究院视觉计算组首席研究员和研究经理（2009-2014年）及上海科技大学信息科学与技术学院执行院长（2014-2017年）。2018年，他正式加入加州大学伯克利分校电子工程与计算机科学系教职团队。马毅教授发表了超过65篇期刊论文和130篇会议论文，并出版了三本关于计算机视觉、广义主成分分析（PCA）和高维数据分析的教科书。他曾获得2004年的NSF职业生涯奖、2005年的ONR青年研究员奖、ICCV 1999 “David Marr” 计算机视觉奖及ECCV 2004及ACCV 2009的最佳论文奖，并曾担任ICCV 2013的程序主席和ICCV 2015的大会主席。此外，他还是IEEE、ACM和SIAM的会士。