2022年中国人工智能学会不确定性人工智能专委会学术沙龙顺利召开_

2022年12月17日，为促进不确定性人工智能的前沿领域、新观点和新学说进行深入的学术交流，由中国人工智能学会（CAAI）主办，CAAI不确定性人工智能专委会（以下简称“专委会”）、武汉大学计算机学院与武汉计算机软件工程学会承办的“2022年中国人工智能学会不确定性人工智能专委会学术沙龙（CUAI 2022）”以线上形式顺利举行，为专委会主办的该系列沙龙的第十一届，共吸引了200余名师生参与。

会议开始，专委会委员、武汉计算机软件工程学会理事长、武汉大学计算机学院李兵教授代表CUAI 2022组委会欢迎各位专家的到会，感谢大家在此疫情开放时期对专委会工作的支持。专委会副主任、清华大学人工智能研究院常务副院长孙茂松教授代表专委会致辞。孙教授讲到，专委会成立十多年来，各位专家对不确定性人工智能这个极具挑战性的领域，开展了多种不同途径的研究探索，这种探索今天看来尤为可贵，可以弥补当前主流的深度学习方法存在的一些不足。

上午的沙龙报告中，孙茂松教授以《大模型带来的挑战与机遇》为题详细介绍了自然语言大模型的特点与优势，也探究了大模型面临的理论和实践的挑战，并通过一系列典型案例，阐释了大模型带来的机遇，特别是其所赋能的诸多人工智能新场景和新应用。

华中科技大学张海涛教授以《自主无人艇集群协同围捕理论、技术及应用》为题，从实际问题出发，深入剖析自然界群体智能涌现机理对于自主无人艇集群协同的指导作用，揭示集群构型切换相变等规律，为实现从自然群体智能到无人系统集群应用的跨越提供理论与技术的支撑。

武汉大学叶茫教授进行了《联合计算之异构联邦学习》的研究分享，首先介绍了联邦学习的背景和其在医疗、智慧安防、自动驾驶等场景的应用，随后展示了团队在小样本的异构联邦学习、噪声鲁棒的异构联邦学习、互相关蒸馏的异构联邦学习方面的研究成果，并以此来解决异构联邦学习样本稀少、数据噪声、领域差异等问题。

下午，专委会主任、清华大学张勤教授进行了题为《不确定性领域的问题与现状》的报告，介绍了目前存在的深度学习模型的黑箱数据拟合本质导致的不可解释性、过拟合或欠拟合、不满足数据独立同分布导致的泛化、小样本匹配失准等问题，从而提出可信AI在医疗诊断中的九个要素。报告中，张勤教授分析了动态不确定因果图DUCG从底层表达因果关系的核心思想，从而解耦在表象层复杂耦合的变量和参数所取得的效果，并对DUCG的实际应用情况进行了展示。