⊕相关新闻：“《AI赋能•智动未来》—发扬西迁精神，助力国家新一代人工智能创新发展试验区建设”CAAI云论坛（西安站）成功举办

 （通讯员：黄欣研，崔艳雨，张俊，贾楠，董惠惠，张若浛，王丹）共克时艰，云端共话，5月12日下午，汇聚了学术专家和业界精英的“《AI赋能•智动未来》—发扬西迁精神，助力国家新一代人工智能创新发展试验区建设” CAAI云论坛（西安站）在线上成功举办。

西安市科学技术局李志军局长；浙江大学求是特聘教授，国家杰出青年基金获得者，教育部人工智能科技创新专家组工作组组长吴飞教授；香港城市大学电脑学系讲座教授，IEEE Fellow张青富教授；CAAI副理事长，北京大学教授，国家“万人计划”首批入选专家，CAAI Fellow刘宏教授；CAAI副理事长，清华大学教授，IEEE/CAAI Fellow孙富春教授；诺丁汉大学计算机学院屈嵘教授；商汤科技联合创始人、技术执行总监马堃；金沙教授，9001cc金沙以诚为本负责人，智能感知与图像理解教育部重点实验室副主任侯彪教授8位专家云端开讲。

本文根据论坛期间的速记进行整理归纳，将专家们提出的主要观点以文字形式再次呈现，以供参考。

李志军：西安市建设国家新一代人工智能创新发展试验区情况介绍

西安市科学技术局李志军局长在报告中向大家介绍了西安市建设国家新一代人工智能创新发展试验区有关情况，详细阐述了西安国家新一代人工智能创新发展试验区的建设背景、西安市人工智能产业发展的比较优势和西安建设国家新一代人工智能创新发展试验区的基本考虑。

党的十八大以来，习近平总书记把科技创新摆在国家发展全局的核心位置，来陕西考察时也强调了科技创新和人工智能的重要性。2020年3月9日，科技部正式致函省政府，支持西安建设“国家新一代人工智能创新发展试验区”，标志着西安市在大力发展人工智能产业上迎来了一个新的发展机遇。

西安科研实力雄厚，现拥有人工智能相关国家级研发平台11个、省部级平台36个，在机器学习、图形识别、无人系统、智能机器人等领域形成了26个世界领先的国家级科研成果；人才优势明显，拥有9位院士，23位长江学者，全市每年培养相关专业的毕业生1.5万余名，已经成为全国人工智能产业人才的重要的培养基地；产业基础良好，西安市目前拥有人工智能关联企业150余家，产值约120亿元，涵盖了人工智能各主要产业领域。有大量龙头企业均已经相继落地西安，与本土企业共同推动西安人工智能产业不断发展壮大，显示了西安在人工智能产业发展上的优势。

李志军局长提到构建人工智能技术创新体系、促进人工智能产业集聚发展、拓展人工智能融合发展应用示范、创新人工智能人才引培机制和营造人工智能创新发展生态是西安建设国家新一代人工智能创新发展试验区的基本考虑。西安市将继续深入学习贯彻习近平总书记来陕西视察的重要讲话，传承和弘扬“西迁精神”，把握西安追赶超越新机遇，提升西安人工智能产业的国际竞争力。

吴飞：学科交叉、产学联动促进人工智能人才培养

吴飞教授围绕“学科交叉、产学联动促进人工智能人才培养”的主题，回顾了人工智能的诞生，介绍了浙江大学的人才培养之路，以智能司法为例，提出了学科协同科研攻关项目方向。

吴教授的报告从1955年，麦卡锡、明斯基、香农和诺切斯特四位学者首次提出“artificial intelligence（人工智能）”开始，讲解了人工智能的诞生。2017年国务院发布了《新一代人工智能发展规划》，在战略态势、重点任务、保障措施三个方面出现18次“教育”字眼。2018年教育部印发了《高等学校人工智能创新行动计划》，以提升高校人工智能领域科技创新、人才培养和服务国家需求的能力，并将完善人工智能领域人才培养体系作为重点任务之一。2020年1月，教育部、发改委、财政部联合发文《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》，将人工智能纳入“国家关键领域积蓄高层次人才培养专项招生计划”支持范围，显示了人工智能人才培养的重要性。

吴教授认为人工智能具有多学科交叉、渗透力和支撑力强的特点，即“至小有内、至大无外”，发挥溢出带动性很强的头雁效应，多学科的交叉能够夯实基础研究以形成创新之源，技术交叉以具备创新之力，面向场景AI以赋能社会所需。对于学科协同科研攻关项目，以智能司法为例，介绍了浙江高院联合阿里巴巴、浙江大学（计算机学院与法学院）研发智能审判系统——“小智”：司法智能化技术创新和智能司法理论创新。

最后，吴教授介绍浙江大学人工智能人才培养自1978年计算机系成立开始，人工智能本科生专业于2019年开始招生，围绕着“全科式基础强化、全方位科研训练、全程化导师引领、全球化资源导入和专业化学科培养”进行本科专业建设。浙江大学人工智能人才培养理念是厚基础、促交叉、重实践，通过考虑学科、专业、课程和教材间的关系，形成了本科生和研究生协同的人工智能人才培养体系。浙江大学与企业合作，面向产学研构建人才培养机制，建立“产学研训”人工智能实训平台，赋能行业发展。人工智能是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合协同体，需要扎根国家经济、社会、民生和国家安全的需求土壤，与维系土壤生态的产、学、研、政等要素紧密协同育人。

张青富：MOEA/D and Pareto Multitask Learning

张青富教授在报告中深入地探讨了多目标优化领域的相关问题。他从当前进化计算领域的研究热点出发，对多目标进化算法MOEA/D的基本思想进行了详细的解释。MOEA/D算法将一个多目标问题分解成多个子任务，然后用协同方法来求解，得到所需的Pareto最优解集。该方法为多目标进化算法和传统的分解方法搭建了桥梁，开拓了多目标进化算法的新领域，在进化算法框架中被广泛使用。张青富教授谈到还可以考虑子问题之间的邻域关系等来产生简单的变体算法。他指出，多目标优化算法处理子任务之间的种群与最近提出的进化多任务优化问题密切相关，进而引申出多任务学习。将多任务学习视为多目标优化问题，其只生成一个Pareto最优解，他提出使用基于梯度的方法求解每一个子问题，生成不同权衡的解集，并由此对相关的Pareto多任务学习实例进行了解析。最后，张青富教授对多目标进化算法领域未来可能的研究热点进行了探讨。

刘宏：关于智能机器人创业实践的几点思考

刘宏教授的报告主要围绕三个方面展开：“机器人还能热多久？”“智能机器人产业发展趋势”以及“机器人创业实践的几点思考”。刘宏教授认为，相比于工业机器人和特种机器人，服务机器人的应用领域更为广泛，将来有机会走入千家万户。刘宏教授把服务机器人分为三类：可以进行语音对话的“卡通当先”型机器人、强调运动控制实现自主作业的“人形当家”型机器人和增强视觉效果的“美女当道”型机器人。接着，刘宏教授指出工具的发展体现了人类社会的进步，透过物质工具、能量工具和信息工具，逐步实现人类体力劳动及脑力劳动的解放，而智能机器人则是人类工具发展的最高形态。

刘宏教授认为，机器人+智能人机交互、机器人+大数据云计算、机器人+智能监控、人工智能+服务机器人以及人工智能+工业机器人将是智能机器人产业的发展趋势。最后，刘宏教授针对机器人领域创业实践提出了宝贵的建议：不要让青年创业者的热情冲昏了头脑；应用创新比技术创新更为重要；看功能，更要看性能；看光环，更要看内在；对创业要有一个广义的理解，创业的战场不仅是“创办企业”，更重要的是“开创事业”！

侯彪：遥感影像智能解译及精准遥感应用

侯彪教授指出对地观测网络是国家的重要基础设施，多源遥感大数据是国家的基础性战略资源，遥感技术当前在海洋监测，山体变化，城市发展，设施扩建，灾害评估和植被变化等实际问题中提供了重要的基础。他介绍了高分辨对地监测系统从2006年到2018年的发展，实现高效准确的高分辨遥感影像感知与解译的困难主要体现在三个方面：高效的目标信息获取，目标多尺度奇异性和目标复杂多样。针对这些困难，侯彪教授介绍了从海量、动态、多维、异构的高分辨卫星遥感观测数据中采用类脑解译的方法进行表征，计算，学习和在轨处理；同时软硬件协同处理几何定标与匹配，地物分类，变化检测，目标识别等问题。侯彪教授还介绍了近二十年来9001cc金沙以诚为本智能感知与图像理解教育部重点实验室将人工智能与遥感结合，在图像解译与识别以及光学遥感图像智能解译两大方面取得的许多重要成果。最后，针对未来的研究方向，他指出信息获取技术的发展使遥感视觉的规模空前增大，多源数据协同认知成为未来发展趋势。

屈嵘：Research Developments for Real World Combinatorial Optimisation Problem - New Challenges of Automated Algorithm Design

组合优化问题出现在管理、组织和商业部门的许多实际应用中，屈嵘教授的报告就以这些应用实例为基础介绍了组合优化在真实世界中的进展。屈嵘教授所在的英国诺丁汉大学COL实验室的研究方向包括：建模、模糊逻辑、决策辅助系统、机器学习、元启发式和超启发式算法；应用领域包括：机场调度、运输物流调度、海港作业、人员调度、排课、网络路由和调度等，取得的先进研究成果已经成功转化和应用于工业界。屈嵘教授以医疗领域人力资源调度与优化作为案例，深刻剖析了组合优化的求解过程，展现了组合优化算法的魅力。展望组合优化的发展，她指出将优化算法的思想运用到机器学习中的研究由来已久，但是，将机器学习应用到优化里的研究则是近年来才起步，用机器学习算法去学习优化任务中隐藏的模式值得继续探索，自动算法设计、物流中的路径选择及其应用和车辆联网及自动驾驶都是她未来研究的延伸和拓展方向。

马堃：疫情引爆的AI智能测温技术

马堃博士的报告向大家展现了在新型冠状病毒感染的肺炎疫情之下，商汤科技发挥自身优势，用人工智能技术助力疫情防控，最短时间内推出“AI智能测温技术”助力疫情防控阻击战的过程。他首先介绍常见的传统测温工具，包括接触式的水银体温计、电子体温计、耳温枪和非接触式的额温枪等，这些测温工具普遍存在不同程度的不安全、近距离、精度低等问题。通过对常见测温方式和工具的精度和便捷性比对，马堃博士提出AI智能测温产品的定位是要解决快速安全的发热筛查，产品性能的特点是：安全、精准、高效、可追溯，保证大多数学校和企业能够买得起，买得到。马堃博士之后介绍了他们研发的测温产品——“火神”，其测温原理是热成像，用近红外线作活体检测，用热红外线检测人体温度，热成像的重要部件是热成像镜头和红外探测器，热成像探测器选用了非制冷型设备。“火神”的测温流程是：对人进行热成像形成物体温度，定位额头区域并选择额温，然后将额温转换为体温，最后通过报警阈值达到筛查的作用，通过采取设备精度、精准额温测量、额温到体温映射算法和安装环境和维护的措施保证设备的精度。最后，他分享了团队在研发“火神”过程中的艰辛与不易，体现了人工智能技术在助力疫情防控中的重要作用。

孙富春：跨模态学习的研究与进展

跨模态学习已逐渐发展为多媒体内容分析与理解的主要手段，孙富春教授关于跨模态学习的研究与进展的报告围绕中德合作的跨模态学习项目背景、取得的主要成果、交流合作情况、未来工作四个方面展开。

跨模态学习项目的目标是：理解跨模态学习中的认知、计算与神经机制，利用理解的知识和模型来提高人以及人工系统的效能。他指出，跨模态学习指的是对多种感官信息的综合，通过利用一种或多种来自于其它感官的信息来提高某一单独感官中的学习效果，多模态学习与跨模态学习区别在于，多模态学习的内涵更广泛一些，通过研究多模态学习或者跨模态学习，能获得不同视角类型、更加全面准确地信息，兼具独立性与互补性，增强系统的可靠性和容错性。跨模态的泛化和预测的主要困难是：不同模态的联合内在结构、不同模态之间的相容与互斥、人-机融合的意图理解，解决的途径包括：跨模态预测内隐学习的认知神经机制、跨模态学习和冲突处理的脑机制、跨模态融合中学习、语义及社会影响的贝叶斯分析。该项目完成的系列工作包括：利用多重扰动分析揭示多感觉信息处理的神经环路基础；受脑启发的多模态深度学习模型；机器人任务中跨模态联合稀疏特征学习；主动人-机器人协同中灵巧操作的跨模态融合，证明了拖曳式技能模仿=观测式技能模仿+逆运动一致性；跨通道语言学习-机制与促进；视觉与动作驱动的跨模态语言学习；跨感觉通道远程操作中的多感觉通道知觉、学习与动作。

此外，孙富春教授还介绍了项目的交流合作情况，项目第一期和第二期的目标框架对比，项目的研究领域和研究结构以及展望未来。在中德科技合作的基础上，相信该项目将引领国际人工智能科学前沿。