【消息】模式识别与人工智能学科前沿研讨会在自动化所召开

11月25日，模式识别与人工智能学科前沿研讨会在自动化所成功召开。中科院前沿教育局副局长王颖、自动化所所长徐波分别致辞。研讨会期间，谭铁牛院士、张钹院士等九位本领域专家学者受邀做大会报告。研讨会开幕式由模式识别国家重点实验室主任刘成林主持。

本次会议是纪念模式识别国家重点实验室对外开放30周年系列活动之一，由模式识别国家重点实验室与中国自动化学会模式识别与机器智能专委会、中国人工智能学会模式识别专委会联合举办。刘成林在开幕式时介绍了会议的背景，强调会议重点在于回顾实验室及学科发展历史，总结分析学科发展现状和研究学科发展战略的重要意义。

徐波在致辞中指出，过去30年来，模式识别国家重点实验室在中科院和专家学者的大力支持下，在研究所的发展历程中起到了举足轻重的作用。得益于实验室30年的深厚沉淀，研究所在人工智能研究低潮时坚守，发展高潮时秉持理性，很多坚持深入开展的研究方向已经成为人工智能浪潮下的热点话题和重要领域，希望实验室再接再厉，为新一代人工智能发展做出更大贡献。

王颖在致辞中指出，模式识别国家重点实验室在国家和中国科学院科技创新体系中发挥了重要作用，打造了探索前沿学科交叉和培养高水平人才的基地。实验室最早开展虹膜、步态等生物特征识别研究，研制了多模态和远距离生物特征采集设备，领衔绘制出全新人类脑图谱，积极参与成立了国内首个人工智能学院，等等，在过去30年里取得了非常好的成绩，期待实验室下一个30年收获更加丰硕的成果，对国家科技和产业发展继续做出更大的贡献。

模式识别国家重点实验室学术委员会主任谭铁牛院士做题为“人工智能新动态”的学术报告。报告指出，打破“三十年河东、三十年河西”的历史，实验室立于“河中”，即科技发展滚滚洪流的中央地带，属于国家设立的第一批重点实验室，在科技事业发展中发挥了中流砥柱的作用。报告从人工智能发展概况出发，介绍了伴随大国兴衰的五次科技革命，指出60多年的“科学沉寂”孕育着重大突破，人工智能将引领新一轮技术革命和产业变革，带动人类生产生活方式改变。报告强调，要理性地看到人工智能的局限性，避免炒作，提升公众对人工智能的理性认知。报告概括了2017年值得关注的十件AI事件，并高屋建瓴地总结了人工智能发展的新动向。

清华大学张钹院士做题为“模式识别面临的挑战”的报告。报告指出，模式识别是深度学习的最大受益者，人工智能将转化为一门可度量可验证的科学。用深度学习方法建立的识别系统并没有解决感知智能的问题，模式识别系统与人类感知机理非常不一样。模式识别系统有犯大错的可能性以及不可解释性、推广能力弱等缺点。问题的根源在于模式识别系统利用生数据来训练了黑箱系统。敲开智能的大门在于打开“算法”和“神经科学”这两个黑箱，人工智能的两种途径——符号主义和连接主义现在都遇到了瓶颈，并指出贝叶斯学习和深度学习的结合是未来的重点方向。

新加坡国立大学李海洲教授做题为“Whither Speech Recognition？”的报告，宏观系统阐述了语音识别的来龙去脉，回顾了语音识别60年的发展历程。

徐波做题为“受脑启发的类脑智能研究”的报告，指出类脑智能已成为引领人工智能发展的战略选择，“脑科学与类脑研究”被列为国家科技创新的重大工程之一，并详细介绍了自动化所在类脑智能方面的一些研究进展。

华南理工大学的李远清教授做题为“脑机交互及临床应用”的报告，介绍了脑机交互技术的主要模块和典型的脑机交互系统，指出脑机交互在残疾人辅助、军事航天、公共安全、游戏娱乐、社交沟通等领域将发挥重大作用。

在下午的研讨会上，清华大学的唐杰教授做题为“用户行为大数据建模”的报告，详细总结了社交网络的历史脉络以及最新进展，指出大数据需要知识，从数据中提炼知识然后演变成智能，其中算法是核心，而计算和数据是基础。

清华大学自动化系主任张长水教授做题为“机器学习研究现状”的报告，详细介绍了国际机器学习大会ICML和神经信息处理大会NIPS的发展概况和最近动态。

上海交通大学徐雷教授做题为“从对抗学习和图像生成学习现状看双向深度学习研究之过去和将来”的报告，回顾了经典深度学习的曲折发展之路，指出可以通过构造贝叶斯阴阳系统通过最大和谐原理来对大脑进行建模。

刘成林做题为“模式识别发展战略研究及几点思考”的报告，介绍了谭铁牛院士牵头的中科院学部模式识别战略研究项目的背景、研究目标和研究计划。该项目将通过研讨、调研等工作形成模式识别领域的研究报告、中英文出版物、以及政策建议报告。从模式识别学科发展的角度，刘成林呼吁充分发挥模式识别领域的影响力，从多学科方向融合交叉出发，用PR+发展模式来扩充模式识别学科发展的广度和深度，并列出了一些未来值得深入研究的方向。

此次研讨会还探讨了模式识别与人工智能的关系，如何增强模式识别学科的影响力，类脑智能的研究状况和发展前景，多模态信息融合下的模式识别，以及模式识别技术的芯片化和在军事领域的应用等。研讨会汇集了领域专家学者众多关于学科发展的建议，模式识别国家重点实验室和专委会表示将继续深入开展学科发展状况和战略的研讨及多种形式的交流，为学术界提供研究建议和参考，推动模式识别和人工智能学科的发展。