2023年秋季人工智能前沿讲座第7讲——高一星助理教授学术报告

报告题目：人形机器人及其在智能辅助穿衣中的应用报告内容：随着人工智能技术与机器人产业的飞速发展，医疗健康、养老助残、家庭与公共服务等领域对涉及柔性物体的人-机-物交互技术提出了更高的要求。然而，当前成熟的服务机器人常用于迎宾、接待、讲解和配送等场景，可执行的任务模式十分有限，在面对诸如辅助穿衣等复杂场景下的近距离人-机-物交互任务时仍存在巨大困难。为此，本报告首先介绍人形机器人的基本概念和发展近况...

2023年秋季人工智能前沿讲座第6讲——陈贺昌副教授学术报告

报告题目：深度强化学习的前沿技术与典型应用报告简介：深度强化学习（Deep Reinforcement Learning）结合了深度学习的感知能力和强化学习的决策能力，可以直接根据输入的环境信息控制智能体执行各类动作决策，是一种更接近人类思维方式的人工智能算法。近些年，深度强化学习在智能博弈和复杂系统等领域取得了一系列突破性进展。例如：2016年，基于深度强化学习算法框架的AlphaGo战胜了围棋世界冠军，推动了人工智能从理论研究...

2023年秋季人工智能前沿讲座第5讲——田原副教授学术报告

报告题目：自然语言处理中的知识抽取与文本语义匹配报告摘要：自然语言处理（Natural Language Processing，NLP）是以人类语言为对象，利用计算机技术来分析、理解和处理自然语言的一门学科,即把计算机作为语言研究的强大工具，在计算机的支持下对语言信息进行定量化的研究,并提供可供人与计算机之间能共同使用的语言描述，其目标是实现人与计算机之间的无差别通信。自然语言处理是人工智能领域中的一个重要方向。测试机器是否...

2023年秋季人工智能前沿讲座第4讲——姚美宝副教授学术报告

报告题目：非结构化环境下模块化机器人重构优化方法报告摘要：模块化机器人因结构可重组而具备高度的环境和任务适应性，在灾场救援、资源勘查、行星探测等诸多领域具备广阔的应用前景。然而，非结构化地貌、机器人构型重组和运动策略三者间存在高度耦合，这对复杂环境下探测任务高效展开提出了严峻挑战。本报告将面向复杂非结构化环境下机器人探测重大需求，汇报模块化机器人构型-运动协同优化研究进展，报告内容包括：1. 非结...

2023年秋季人工智能前沿讲座第3讲——孙慧妍副教授学术报告

报告题目：因果推断及在疾病系统生物学中的应用报告摘要：肿瘤的发生发展是一个复杂的多阶段过程，包括复杂的细胞改变和生理学调控机制。组学数据积累为肿瘤的系统重构提供可能。然而，生物数据中存在的或生物系统本身蕴含的混杂因子使得检测到的相关关系远不能反映因果关联，这对于理清肿瘤发生与演进的分子机制提出巨大挑战。本报告将汇报两个肿瘤系统生物中因果推断的研究工作：1.提出了基于变分推断的未观测混杂因素表征及...

2023年秋季人工智能前沿讲座第2讲——邬渊助理教授学术报告

报告题目：大语言模型的发展与评测报告摘要：自然语言处理是人工智能领域中的一项重大挑战，自然语言建模算法在过去的二十年中得到了广泛的研究，并从统计语言模型逐步发展为神经语言模型。近年来，通过在大规模语料库上对Transformer模型进行预训练，研究者们提出了预训练语言模型，其在解决各种自然语言处理任务方面表现出了强大的能力。研究者们进而发现扩展预训练模型规模可以提高模型能力，因此他们通过将模型参数增加到更...

2023年秋季人工智能前沿讲座第1讲——宋轩教授学术报告

报告题目：人工智能和大数据驱动的城市智能化管理报告摘要：在人工智能和大数据时代，城市智能化管理、智慧城市作为一个新兴的学术领域，得到各国学术界，工业界以及各国政府的高度重视。城市智能化管理往往需要以人为核心，感知和理解城市尺度上的人流移动从而实现高效的交通调度，城市应急管理、灾难人道救援，传染病传播防治，公共健康提升等目的。因此，智能化城市管理以及各类城市大脑项目中的一个最为核心研究课题和关键...

吉林大学鼎新讲座——Fausto Giunchiglia院士讲座

讲座题目：Witmee–What is important to me, everytime, everywhere讲座嘉宾：Fausto Giunchiglia 欧洲科学院院士 意大利特伦托大学教授讲座时间：2023年9月20日（星期三）15:30讲座地点：中心校区逸夫教学楼五阶嘉宾简介：    Fausto Giunchiglia，欧洲科学院院士，意大利特伦托大学教授，中国国家高端外国专家，吉林大学未来科学实验室人工智能领域外方首席科学家，国际人工智能大会（IJCAI）原理事长、大会主席，意大...

人工智能学院系列学术活动（第38场）——香港城市大学李玉博士学术报告

报告题目：基于多维信息融合的网络表示学习算法研究报告摘要：网络表示学习旨在为网络中节点学习潜在的低维向量表示，同时保留网络拓扑结构、节点特征以及其他网络信息，是网络分析的重要前提。现实网络往往蕴含多维度的结构或语义信息，而当前网络表示学习算法主要针对网络中单一维度信息进行建模，或对多维度信息挖掘不充分，导致学习到的节点向量表示质量下降。在本次报告中，在结构信息融合表征方面，我将首先介绍基于高阶...

人工智能学院系列学术活动（第37场）——阿卜杜拉国王科技大学高欣教授学术报告

报告人: Xin Gao, full professor of computer science at King Abdullah University of Science and Technology (KAUST), Saudi Arabia报告时间: 2023年7月24日(星期一) 9:30-11:30报告地点：正新楼三楼人工智能学院报告厅报告题目：AI-aided Peptide Drug Development报告摘要：Recent milestones in AI, such as AlphaFold2 and ChatGPT, have opened a new era for AI-aided drug development. Within this new wave, pepti...