4月8日至9日，西湖大学可信及通用人工智能实验室（TGAI）成功举办了CAAI/IEEE CIS人工智能前沿联合研讨会。该研讨会由西湖大学金耀初实验室（可信及通用人工智能实验室）主办，得到了浪潮电子信息产业股份有限公司和西湖大学工学院的赞助支持。本次研讨会共邀请了11位专家，为参会的科研人员分享了人工智能领域的最新研究进展，分别是浙江大学吴飞教授、西湖大学可信及通用人工智能实验室负责人金耀初教授、香港岭南大学姚新教授、塞浦路斯大学Prof. Marios M. Polycarpou、西安交通大学孟德宇教授、杭州电子科技大学余宙教授、宁波诺丁汉大学Prof. Jonathan Garibaldi、南京大学史颖欢教授、浪潮公司朱红、上海交通大学吴帆教授以及台湾成功大学Prof. Pau-Choo Chung教授。活动吸引了来自上海交通大学、同济大学、哈尔滨工业大学、东北大学、山东大学等46所大学140余位AI领域的老师、博士、硕士及本科生积极报名参与。

开幕致辞

首先，金耀初教授和吴飞教授分别发表了开幕辞。金耀初教授，作为主办方，热情欢迎了所有到场的专家和学生，并详细介绍了IEEE CIS及其旗下期刊。吴飞教授在开幕式上强调了人工智能在当前社会发展中的关键地位，表达了对本次研讨会顺利展开的期许，并详细介绍了CAAI的相关信息。

专家报告

香港岭南大学的姚新教授以《When Evolutionary Computation Meets Trustworthy Artificial Intelligence》为主题，深入剖析了可信人工智能的多维属性和研究动机。他详细探讨了多目标进化算法构建可信AI在公平性到可解释性各层面上的显著优势，并预测了进化算法与可信AI交叉结合的巨大潜力。

塞浦路斯大学的Marios M. Polycarpou教授就《Intelligent Fault Diagnosis: Towards More Resilient Societies》这一主题，对resilient systems的设计与构建进行了讨论，主要涵盖了resilient systems构建的目标、关键问题以及整体步骤与框架，另外还分析了一些实现细节和未来的挑战。

浙江大学吴飞教授就《LLM & Agent：人工智能赋能科学研究和工程突破》这一主题进行了深入探讨。他详细阐述了生成式人工智能（LLM）的发展背景、模型成功的底层原因以及当前面临的挑战。此外，他还探讨了LLM如何在工程和科学研究中发挥作用，并对未来的趋势进行了预测。

西安交通大学孟德宇教授围绕《机器学习的数学技术》主题，就目前机器学习理论研究现状与发展进行了阐述，另外在LLM趋势下，对机器学习理论研究的关键问题“泛化”进行了探讨，包括将“泛化”的讨论范畴进一步拓展。最后分享了课题组在新型机器学习基础理论方向上的成果。

杭州电子科技大学余宙教授围绕“多模态人工智能的黄金十年”这一主题发表了演讲。他详细梳理了从早期深度学习时代到Transformer时代的多模态信息学习和融合方法的演变，并探讨了如何对齐多模态语义信息。最后，他预测了多模态领域未来的潜力方向，包括端云协同和多实体代理集成。

西湖大学金耀初教授围绕《Data-Driven Optimization: From Small Surrogate to Large Generative Models》主题展开演讲。针对数据驱动优化面临的挑战和难题，金老师详细介绍了小代理模型辅助的进化计算和现在流行的大语言模型、扩散生成模型辅助的进化优化，为相关研究和实践提供了参考和启发。

宁波诺丁汉大学Jonathan Garibaldi教授以《Emerging Topics in Fuzzy AI》为主题进行了精彩的演讲。他在演讲中指出了模糊AI系统的几个热门方向，并对如何利用模糊系统量化不确定性大小和如何以一种自然方式处理量化不确定性进行了深刻剖析。

南京大学史颖欢教授就《深度半监督学习及医疗影像分析应用》这一主题发表了演讲。他不仅对当前常规半监督学习模型进行了详解，还对当前医疗大模型范式进行了总结阐述，就如何针对通用大模型进行协调调度，在诊疗环节中实现多模态复杂推理进行了详细讨论。

上海交通大学吴帆教授以《大小模型端云协同智能计算》为主题发表了演讲。他详细对比了大小模型云端协同学习与联邦学习的优势，描述了云侧大模型、端侧小模型按照端云两侧不同特点和实际需求进行各项资源分配的方案，并进一步讨论了如何实现模型更新、如何凸显数据样本和特征等优势。

台湾成功大学的Pau-Choo Chung教授围绕《Resolving Cross-Hospital Variation Effects in AI-based Pathology Image Analysis》主题，讨论了如何解决不同医院数据不一致的问题，并且分享了一些医疗影像数据分析方法，包括对图像进行分割、利用CycleGAN等前沿方法实现图像分析和知识蒸馏。

提问与互动

在现场互动环节中，专家学者们充分交流、探讨学术前沿，与会者加深了对行业前沿的认识与理解。此次会议促进了人工智能研究的前沿探讨，推动了国内外学术合作与交流，启发了高性能计算与人工智能相关领域研究的发展和进步，为国际人工智能领域的深度合作与交流创造了重要的合作平台，助力我国科研事业发展与科技人才培养。