会议信息

由中国人工智能学会（CAAI）主办，人工智能基础专业委员会承办、天津大学智能与计算学部与人工智能与数据科学学院协办的第一届“生物神经智能——神经网络和图神经网络”专题学术研讨会，定于2022年5月14-15日线上举行，腾讯会议号：806-724-277，直播地址： https://meeting.tencent.com/l/hBWxf7WgmE1p。

会议背景

学习与智能的数学定义与模型已突显为21世纪的重大科学问题，也成为了以信息和智能为标志的新时代的必答题，科学目标为实现机器智能。要想使得学习与智能成为科学，而不仅仅是技术，科学界的新使命是创建人工智能新基础、新理论，包括：数学智能、信息智能、（生物）神经智能、物理智能和智能工程原理等重要科学理论支撑，实现科学为智能。生物神经智能（包括神经、脑、进化等）是从生物的角度研究智能产生的机理、机制、原理、理论、方法与技术，是实现未来机器智能的重要支柱之一。本次研讨会重点是从现有的神经网络与图神经网络作为起点和切入点，对上述新学科及其涉及的重要科学问题进行深入交流和探讨。

人工神经网络是一种对人脑神经认知机制的模拟，是人工智能连接主义的基础。近年来随着深度学习的兴起，神经网络再次成为了人工智能的前沿研究热点，大量新的理论与算法被提出，且广泛应用于机器视觉、语音、自然语言处理等诸多领域，显著提升了当今人工智能的发展水平。除卷积神经网络、循环神经网络等经典模型以外，善于描述实例间依赖关系的图神经网络最近被提出。它被视为是连接主义与符号主义的结合，不仅可使深度学习应用于图这种非欧式结构上，还能为深度学习赋予一定的推理能力。在深度学习的鲁棒性和解释性受到质疑的今天，图神经网络或可为未来人工智能的发展提供一个可行方向。

本研讨会主要关注于神经网络与图神经网络的前沿基础理论算法及其重要应用的当前进展，包括但不仅限于：深度学习与认知推理、神经网络的鲁棒性与可解释性、结构信息论下的图神经网络、图神经网络与因果推断、复杂图上的图神经网络及其应用等，期望能够为该领域研究者提供一个新思维碰撞的开放式交流平台。

大会程序

特邀嘉宾

杨博

个人简介：杨博，吉林大学计算机科学与技术学院教授，博士生导师。现任计算机学院和软件学院院长，符号计算与知识工程教育部重点实验室主任，吉林大学校学术委员会委员，中国人工智能学会理事，中国人工智能学会知识工程与分布智能专委会副主任，中国计算机学会杰出会员。长期从事知识工程、数据挖掘和社交网络分析等方面的研究，在 IEEE TPAMI、IEEE TKDE、IEEE TCYB、IEEE TNNLS、ACM TKDD、ACM TWEB、中国科学、AAAI、NeurIPS、ICLR、CVPR、WWW、IJCAI、UbiComp、ICDM、COLING等期刊和会议上发表学术论文120多篇；出版专著1部和译著1部；获吉林省科技进步一等奖2项，吉林省自然科学二等奖1项，吴文俊人工智能自然科学二等奖1项。

报告题目： 神经符号系统—基本原理与案例分析

内容摘要： 符号主义和链接主义是人工智能的两大方法论，分别模拟演绎推理和归纳学习两种认知过程。神经符号系统期望将两者融合起来，取长补短，建立具有更加高效、鲁棒、可解释的智能系统，是当前人工智能研究的一个热点。本报告简要介绍神经符号系统的基本原理，关键技术，以及在相关领域的应用案例。

吴飞

个人简介：浙江大学求是特聘教授，博士生导师。主要研究领域为人工智能、多媒体分析与检索和统计学习理论。浙江大学人工智能研究所所长、美国加州大学伯克利分校统计系访问学（2009.10-2010.8）。 国家杰出青年科学基金获得者（2016年）、入选“高校计算机专业优秀教师奖励计划”(2018年)、宝钢优秀教师奖（2019年度），教育部人工智能科技创新专家组工作组组长（2018.8-2020.12）、科技部科技创新2030“新一代人工智能”重大科技项目指南编制专家。 科技部重点研发计划项目负责人、主持国家自然科学基金重点项目2项，担任中国工程院院刊《Engineering》信息与电子工程学科执行主编、中国工程院信息学部分刊信息电子前沿《Frontiers of Information Technology & Electronic Engineering》编委、《IEEE Transactions on Cybernetics》编委、中国计算机学会多媒体技术专业委员会常务委员。

报告题目： 端云协同下分布式模型学习与进化

内容摘要： 基于深度学习和迁移学习等技术，以“涌现”和“同质化”为特点的大模型或基石模型取得了突出成效。在 “泛在互联、端云协同、AI赋能”时代背景下，将大模型蒸馏压缩为终端可用个性化小模型，同时终端可用个性化小模型汇聚起来提升云端大模型的泛化能力，形成端云协同机器学习计算范式，体现“须弥纳于芥子”的哲学思想，是大模型赋能经济发展和社会进步要解决的关键问题。本报告将介绍大小模型协同进化分布式机器学习平台“洛犀”。在端云协同分布式架构下，洛犀平台对图式结构海量数据深度学习，所得大模型通过高精度压缩，约简为终端可用的小模型，小模型的实践向大模型汇聚累积起来，以不断提升云端大模型的认知推理能力

王震

个人简介：王震，西北工业大学教授，网安学院书记，国家保密学院常务副院长，国家杰青，国防科技创新团队负责人， 中国科协十大代表，全球高被引科学家，Elected member of the Academia Europaea，AAIA Fellow。 围绕博弈智能、智能决策与认知、网络空间智能对抗方向从事基础研究和应用研究。 目前，在Nature Communications，Science Advances、PNAS、PRL、IEEE T-PAMI、IEEE T-KDE、中国科学等发表系列成果， 引用2万余次，H因子59，获批国家发明专利10余项，完成行业技术标准4项。研究成果被国内外院士、会士等国际知名学者积极评价， 被Nature News、LiveScience等知名学术媒体专题报道。主持国家自然科学基金重点项目、国防项目、海外基金等20余项， 受邀在国外知名研究机构和国际顶级会议做大会报告和特邀报告80余次。获科学探索奖、陕西省自然科学奖一等奖等。

报告题目： 博弈智能与网络空间智能对抗的一些观点

王平辉

个人简介：王平辉，西安交通大学教授/博士生导师，国家优秀青年科学基金获得者。2002年至2012年就读于西安交通大学并获学士和博士学位，曾任香港中文大学、加拿大麦吉尔大学和新加坡国立大学博士后、华为香港诺亚方舟大数据实验室研究员。作为项目负责人主持国家重点研发计划项目课题、国家自然科学基金优秀青年科学基金项目、教育部-中国移动“人工智能”建设项目等。主要研究方向为大数据、智能服务、智能运维与网络安全等，在SIGMOD、KDD、VLDB、NeurIPS、ACL、IEEE TKDE、IEEE TIFS等中国计算机学会（CCF）推荐的A类会议和期刊上发表学术论文40余篇。

报告题目： 面向大图学习的高效神经网络模型

内容摘要： 围绕实际应用中大规模图数据的挖掘分析，汇报图神经网络模型针对大图学习面临的技术挑战，介绍当前主流的几类解决大图学习的技术思路，最后展望未来技术的发展方向。

高晓沨

个人简介：高晓沨，上海交通大学计算机科学与工程系教授、博导，教育部青年学者。 研究方向为数据工程、网络优化等，发表中国计算机学会（CCF）推荐A/B区期刊会议论文130余篇。 任CCF分布式计算与系统专委会、数据库专委会、大数据专家专委会委员；中国运筹学会数学规划分会青年理事等。 荣获上海市“浦江人才”、“晨光计划”、“宝钢优秀教师奖”、“CCF杰出演讲者”等资助和荣誉。 曾8次荣获国际学术会议最优论文奖。与华为、腾讯、阿里等多家企业开展合作， 曾获CCF-华为创新研究计划A类评审第一名（2020年）、CCF-腾讯犀牛鸟基金卓越奖（2021年）。

报告题目： 时间序列数据的预测及应用

内容摘要： 时间序列数据可广泛应用于计量经济、金融贸易、天气预报、航空学、通信工程以及涉及时间数据测量的应用科学与工程学， 本质上反映了随机变量随时间变化的趋势，对其特征进行挖掘分析可以发现隐含规则，从而预测后续发展趋势。 本报告将对时间序列挖掘预测的相关概念、方法和应用进行概览，并对最近几年重要期刊会议中的相关文献进行综述， 最后结合主讲人团队已有工作介绍时间序列挖掘预测的一些最新应用。

熊贇

个人简介：熊贇，博士，复旦大学计算机科学技术学院教授，博士生导师，上海市数据科学重点实验室副主任，CCF YOCSEF上海主席（2020-2021）。 长期从事数据领域研究，研究工作获得了国家自然科学基金、国家863、上海市科委基金等资助，研究成果发表在数据领域国际权威期刊和会议上。 曾获中国计算机学会科学技术发明、上海市科技进步奖。在国内率先开展大数据和数据科学的研究工作，提出了一批新型的大数据挖掘算法， 这些算法已被应用于医联平台、证券交易所、交通信息中心等上海市大数据建设重要领域。

报告题目： 基于图深度学习的复杂行为数据分析

内容摘要： 人类的行为被记录在计算机中，行为数据如何有效利用已成为学界与业界都关注的问题。 行为数据为识别和分析用户特征提供了丰富的数据基础，但与此同时，行为数据的复杂性（例如动态性、异质性、关联性等）也给分析方法研究带来了挑战。 本报告介绍基于图深度学习的复杂行为数据分析方法，及其在用户深度画像生成与业务监管场景中的应用。