图灵汇官网

智能与未来的探索：人工智能前沿论坛综述

2月3日，中科院香港创新研究院人工智能与机器人创新中心举办了一场人工智能前沿论坛。本次论坛邀请了来自清华大学、欧洲科学院、香港理工大学和香港科技大学的多位专家，共同探讨类脑计算、深度学习等人工智能领域的最新进展。

徐波研究员：创新中心与大湾区发展

徐波研究员在论坛致辞中提到，中科院香港创新研究院是中科院在香港设立的第一个科研机构，致力于建设粤港澳大湾区的国际科技创新中心。创新中心将聚焦新一代人工智能的基础理论、新型人机交互技术、健康智能技术等领域，通过整合内地与香港的优势资源，推动大湾区的科技创新。

施路平教授：类脑计算的挑战与机遇

施路平教授是清华大学精密仪器系的教授，也是清华大学类脑计算研究中心的主任。他在论坛上分享了类脑计算的研究进展。施教授指出，类脑计算是未来人工智能发展的关键，它借鉴了人脑处理信息的方式，有望突破现有的冯·诺依曼架构限制，实现低功耗、实时处理和学习能力。

施教授强调，尽管类脑计算尚处于起步阶段，但其潜力巨大。2019年，由他领导的团队研发的全球首款异构融合类脑计算芯片“天机芯”已经取得了重要进展，并在《自然》杂志上发表了相关研究成果。他认为，类脑计算不仅能够提升现有行业的智能化水平，还将为未来的人工智能研究奠定基础。

陶大程院士：可信深度学习的思考

陶大程院士主要从事人工智能领域的研究，他是IEEE/AAAS/ACM Fellow、欧洲科学院外籍院士和澳大利亚科学院院士。在论坛上，陶院士分享了其团队在“可信深度学习”领域的研究成果。

陶院士认为，虽然深度学习已经在机器视觉等领域取得显著成就，但其仍然存在一些问题，如鲁棒性不足、可解释性差等。为了应对这些问题，陶院士及其团队提出了一系列改进措施，包括优化模型的鲁棒性和安全性，并在实际应用中进行了验证。

张磊教授：深度神经网络学习归一化方法的进展

张磊教授是香港理工大学计算机系的教授，专注于计算机视觉、图像分析和模式识别等领域。他在论坛上介绍了深度神经网络学习中的归一化方法的最新进展。

张教授指出，归一化方法对于提高深度神经网络的性能至关重要。传统的批量归一化（BN）技术在小批量训练时表现不佳，为此张教授团队提出了一种修正方法，改善了BN在推理阶段的表现。此外，他们还开发了一种名为梯度中心化（GC）的技术，该技术通过简单地调整权重梯度，提高了模型的优化和泛化能力。

James Kwok教授：自动化机器学习的最新进展

James Kwok教授是香港科技大学计算机科学与工程系的教授，也是多本顶级期刊的副主编。他在论坛上介绍了自动化机器学习（AutoML）的最新进展。

Kwok教授指出，随着机器学习技术的发展，对专业人才的需求日益增长，而AutoML技术可以有效缓解这一问题。AutoML能够自动构建机器学习解决方案，提高模型的精度和泛化能力。Kwok教授还展示了多个实例，证明了AutoML在推荐系统和噪声样本处理等方面的强大功能。

结论：人工智能与日常生活息息相关

此次论坛不仅涵盖了四场主旨演讲，还包括了六场学术报告，为业内人士提供了丰富的交流机会。人工智能技术的快速发展正在深刻改变我们的生活，同时也受到社会需求的影响。未来，人工智能将继续朝着更加人性化、智能化的方向发展，更好地服务于人类社会。