楊強(qiáng)教授,現(xiàn)為加拿大工程院(CAE)及加拿大皇家學(xué)院(RSC)院士、香港理工大學(xué)人工智能高等研究院及香港理工大學(xué)聯(lián)邦學(xué)習(xí)研究院院長、中國人工智能學(xué)會(CAAI)副理事長,也是CAAI、AAAI、ACM、IEEE、AAAS等多個國際學(xué)會的Fellow。他是國際頂級期刊《ACM TIST》和《IEEE TRANS on BIG DATA》的創(chuàng)始主編。其研究領(lǐng)域聚焦于遷移學(xué)習(xí)與聯(lián)邦學(xué)習(xí)的研究及應(yīng)用,著有《遷移學(xué)習(xí)》、《聯(lián)邦學(xué)習(xí)》、《隱私計算》等。他此前曾任香港科技大學(xué)教授(榮休)、微眾銀行首席人工智能官(榮休),還曾擔(dān)任 AAAI-2021大會主席、國際人工智能聯(lián)合會(IJCAI)理事會主席,并先后榮獲2017年“ACM SIGKDD”杰出服務(wù)獎與2023年“IJCAI Donald E.Walker”杰出服務(wù)獎。
講者及報告介紹
楊強(qiáng) 院士香港理工大學(xué)
講者簡介:楊強(qiáng)教授,現(xiàn)為加拿大工程院(CAE)及加拿大皇家學(xué)院(RSC)院士、香港理工大學(xué)人工智能高等研究院及香港理工大學(xué)聯(lián)邦學(xué)習(xí)研究院院長、中國人工智能學(xué)會(CAAI)副理事長,也是CAAI、AAAI、ACM、IEEE、AAAS等多個國際學(xué)會的Fellow。他是國際頂級期刊《ACM TIST》和《IEEE TRANS on BIG DATA》的創(chuàng)始主編。其研究領(lǐng)域聚焦于遷移學(xué)習(xí)與聯(lián)邦學(xué)習(xí)的研究及應(yīng)用,著有《遷移學(xué)習(xí)》、《聯(lián)邦學(xué)習(xí)》、《隱私計算》等。他此前曾任香港科技大學(xué)教授(榮休)、微眾銀行首席人工智能官(榮休),還曾擔(dān)任 AAAI-2021大會主席、國際人工智能聯(lián)合會(IJCAI)理事會主席,并先后榮獲2017年“ACM SIGKDD”杰出服務(wù)獎與2023年“IJCAI Donald E.Walker”杰出服務(wù)獎。
報告題目:可信聯(lián)邦學(xué)習(xí)和聯(lián)邦智能體 報告摘要:本講座聚焦可信聯(lián)邦學(xué)習(xí)與聯(lián)邦智能體??尚怕?lián)邦學(xué)習(xí)通過融合隱私保護(hù)與分布式訓(xùn)練與推理,解決了傳統(tǒng)聯(lián)邦學(xué)習(xí)在安全與效率上的短板。聯(lián)邦智能體則賦予各參與方自主決策與協(xié)作能力,實現(xiàn)了動態(tài)環(huán)境下的自適應(yīng)模型聚合。二者結(jié)合推動了從集中式“共訓(xùn)共推理”到去中心化“分布式訓(xùn)練推理進(jìn)化”智能范式的轉(zhuǎn)變。為人工智能的未來提供了新路徑。
講者簡介:陳龍,江行智能基礎(chǔ)模型CTO,2022年獲上海交通大學(xué)軟件工程博士學(xué)位,并于加拿大西蒙菲莎大學(xué)(SFU)完成博士后研究,兼任上海市計算機(jī)學(xué)會系統(tǒng)結(jié)構(gòu)專委會秘書長。累計發(fā)表CCF A類論文30余篇、IEEE/ACMTransactions論文20余篇,學(xué)術(shù)引用超800次,兩次獲得并行與分布式系統(tǒng)領(lǐng)域國際旗艦會議最佳論文獎,擁有10項國家發(fā)明專利及2項美國公開專利,相關(guān)成果曾獲加拿大國家級媒體CBC及MIT Solve報道。加入江行前,陳龍曾在字節(jié)跳動擔(dān)任高級研究員,參與火山引擎大模型架構(gòu)設(shè)計,在超大規(guī)模算力集群管理與大模型工程化方面積累了豐富經(jīng)驗。SFU博士后期間,他以特聘專家身份支持江行大規(guī)模模型訓(xùn)練工作。2026年正式加盟江行,擔(dān)任Foundation Model CTO,負(fù)責(zé)基礎(chǔ)大模型技術(shù)路線、底層算力架構(gòu)演進(jìn),以及核心業(yè)務(wù)場景下的大模型規(guī)模化與商業(yè)化落地。報告題目:從感知環(huán)境到改變世界: 面向開放工業(yè)場景的物理 AI 架構(gòu)與工程化路徑探索 報告摘要:隨著人工智能從數(shù)字世界走向真實物理世界,具身智能正成為推動新一代工業(yè)智能升級的重要方向。不同于以識別、分析和內(nèi)容生成為主的數(shù)字智能,面向工業(yè)場景的物理智能需要在復(fù)雜開放環(huán)境中實現(xiàn)多模態(tài)感知、空間理解、任務(wù)規(guī)劃、自主決策與可靠執(zhí)行的閉環(huán)協(xié)同,并滿足工業(yè)場景對實時性、安全性、穩(wěn)定性與落地性的要求。如何構(gòu)建適應(yīng)真實場景、支持長周期運行并持續(xù)優(yōu)化的具身智能技術(shù)體系,已成為學(xué)術(shù)界與產(chǎn)業(yè)界共同關(guān)注的問題。本報告將結(jié)合能源電力等典型行業(yè)實踐,介紹面向物理世界的核心技術(shù)框架,包括空間智能、多模態(tài)大模型、具身操作模型及一腦多體協(xié)同等關(guān)鍵方向,探討真實工業(yè)環(huán)境下的數(shù)據(jù)閉環(huán)、模型訓(xùn)練、系統(tǒng)部署與任務(wù)執(zhí)行等技術(shù)挑戰(zhàn)與實現(xiàn)路徑,并進(jìn)一步展望物理AI在工業(yè)巡檢、自主作業(yè)、復(fù)雜環(huán)境操作與群體協(xié)同中的應(yīng)用潛力。
評論 0