关注科技，关注首届国际理论计算机联合大会！

作者 | 陈彩娴

人工智能的发展离不开理论计算机科学的支持。理论计算机不仅是计算机科学的基础，同时也是当前各门类学科发展的关键基础之一。计算机技术的快速发展，使得“计算”一词不仅从经典数学理论中独立出来，也正在通过计算的视角促进其他学科的发展，形成了本世纪重要的学科交叉融合热点。

为了促进我国理论计算机科学领域的进一步发展，首届国际理论计算机联合大会（International Joint Conference on Theoretical Computer Science，IJTCS）克服疫情带来的种种不便，计划于2020年8月17日-21日在线上举行！

国际理论计算机联合大会由北京大学与中国工业与应用数学学会（CSIAM）、中国计算机学会（CCF）、国际计算机学会中国委员会（ACM China Council）联合主办，北京大学前沿计算研究中心承办。同时，John Hopcroft（中国科学院外籍院士、北京大学访问讲席教授）与林惠民（中国科学院院士、中国科学院软件研究所专家）担任大会主席，邓小铁（北京大学教授）担任联合主席，高文（中国工程院院士、北京大学教授）、梅宏（中国科学院院士、CCF理事长）和张平文（中国科学院院士、CSIAM理事长、北京大学教授）担任顾问委员主席，陈翌佳（复旦大学教授）、邓小铁（北京大学教授）、傅育熙（上海交通大学教授）、李建（清华大学副教授）和陆品燕（上海财经大学教授）担任程序委员会主席。

本次大会的主题为“理论计算科学领域的最新进展与焦点问题”，诚邀国内外多位计算机科学领域的专家学者，旨在交流与讨论理论计算科学最新的发展。大会特邀报告人集齐各路大咖，包括美国麻省理工大学教授兼图灵奖得主Silvio Micali、美国威斯康星麦迪逊大学教授蔡进一、悉尼科技大学杰出教授应明生、英国伦敦大学学院教授汪军等理论计算机领域的知名学者。

理论计算机是计算机科学的一个分支。在数千年的数学发展史中，人们研究了各种各样的算法，但直到1936年Allan Turing、Alonzo Church、Stephen Cole Kleene才给出了算法在计算理论中的形式化定义，从而建立了以计算或算法的本质为研究对象的算法理论（即可计算性理论）。理论计算机的研究内容可划分为三大类：第一类，算法、自动机、复杂性与博弈论；第二类，逻辑及编程语言和理论；第三类，自然计算，包含进化计算、神经网络和量子计算等。

大会共设7个分论坛，涵盖计算机科学的多个热门领域，分别是算法博弈论、区块链、多智能体强化学习、机器学习理论、量子计算、机器学习与形式化方法、算法与复杂性等，希望在不同学科的交织中产生思想碰撞的火花，使得学界与业界的相关研究人员、学生与兴趣爱好者对理论计算机的前沿研究与成功有更全面的了解。此外，大会特别开设了青年博士论坛、女性学者论坛与本科生科研论坛，旨在从不同角度、面向不同群体，促进交流、共同分享，为大家带来精彩的学术盛宴。

以下是分论坛的简要介绍：

1. 算法博弈论（Algorithmic Game Theory）

算法博弈论的兴起与互联网息息相关。移动互联网的繁荣衍生出丰富多样的社交媒体，包括博客、微博、微信等，为群体活动提供了便利的交流平台。在大规模网络环境下，对个人自利行为与系统机制的平衡约束，成为虚拟社会稳定发展的重要因素。而算法博弈论的主要内容便是研究人与人、人与网络、人与市场规则在大规模网络环境下的交互规律。

算法博弈论与微观经济学和传统博弈论的不同之处在于：一、主要应用于互联网和非传统拍卖；二、使用定量工程性的方法从具体优化问题的角度对应用进行建模，寻求最优解、判断不可解问题以及研究可解优化的上下限问题；三、将可计算性作为算法实施必须考虑的限制条件。

2. 区块链（Blockchain）

区块链被认为是继互联网之后最具颠覆性的技术创新，但因为应用不当，所以如今仍没有发挥其本身具有的巨大潜力。

区块链技术的核心是去中心化，将大规模数据独立分布存储，理想状态下，数据不可篡改、人人可读，并可自由添加新数据，使用户之间不需要借助第三方、花费高昂的中介费就能进行安全可靠的交易，对金融、电子商务、知识产权保护、医疗保险等等数据安全要求高的行业有重大意义。

对区块链的需求也促进了计算机科学的学术发展，向密码学、分布式计算、编程语言、博弈论、计算机网络、形式化验证等等研究提出了许多新的问题。

3. 多智能体强化学习（Multi-agent Reinforcement Learning）

多智能体强化学习将博弈论与深度强化学习相结合，注重研究智能体之间、智能体与未知环境在多个领域的互动，致力于解决复杂状态与动作空间下的群体智能决策问题，在自动驾驶、游戏AI、工业机器人、社会预测等方面具有广泛的应用前景。

目前，中国研究者在多智能体算法收敛性理论、多智能体通讯机制学习算法、大规模多智能体系统等问题取得许多进展，并日益注重多智能体强化学习领域的研究，包括多智能体通讯算法、基于世界模型的强化学习算法、多智能体策略评估、多智能体强化学习的解概念等。

4. 机器学习理论（Machine Learning Theory）

机器学习理论的发展研究明显落后于机器学习（尤其是深度学习）在社会生活中的广泛应用。国内更关注机器学习成果的落地与效益。面对机器学习日新月异的发展现状，如深度神经网络惊人的表现、优化、泛化和迁移能力，传统的机器学习理论已无法给出与现状相匹配的、令人满意的解释和理论指导。

近几年，国际机器学习理论界提出了一系列创新的理论模型和范式，从多个角度去靠近机器学习和深度学习的数学本质，值得国内学者借鉴，并有学者研究该领域有重要的指导意义。

5. 量子计算（Quantum Computing）

量子计算是物理学与计算机科学相结合的典型例子，也是一门新兴的交叉学科，利用量子状态的相干、纠缠等量子力学基本原理，展现出了超越经典计算的能力，在实现某些特定计算任务时甚至比现有经典算法有指数量级的加速，例如大数分解在量子计算机上可以多项式时间内完成。

6. 机器学习与形式化方法（Machine Learning and Formal Method）

机器学习与形式化方法的发展有利于提高人工智能领域的验证和测试不足问题。

近年来，深度学习技术越来越多地应用在无人驾驶、芯片等安全攸关领域。对于这类系统，传统测试方法已经无法满足人们提出的更高的系统可靠性要求。形式化方法的分析能够提高人工智能系统的可靠性。

7. 算法与复杂性（Algorithm and Complexity）

算法与复杂性是理论计算机领域的基石，主要研究领域分别是：一，复杂性研究，针对的是研究各个复杂度类之间的关系，其终极目标是证明P是否等于NP；二，针对各种计算模型的算法设计及针对算法复杂性的分析，包括自动机理论、近似算法、在线算法、随机算法、图算法、流算法、分布式算法等等。

在实际应用中产生的大多数问题都可以通过建模转变为一个理论问题进行算法和复杂性的研究，而得到的有理论保障的结果对实际问题有很大的指导意义。算法与复杂性的相关研究在国内正快速发展，并获得突破性的成就。

大会面向公众开放报名通道，每位参与者可以选择免费观看线上报告，或支付一定费用与讲者就报告内容进行深度交流。