新闻网讯 11月16至17日，华中科技大学霍普克罗夫特计算科学研究中心首届人工智能学术研讨会举办。研讨会汇聚了国内外的著名专家，共同探讨人工智能领域的最新研究成果与未来发展方向。副校长冯丹参加活动。

开幕式上，我校名誉教授、霍普克罗夫特计算科学研究中心主任、图灵奖得主John Hopcrof发表致辞，勉励同学们在学术道路上找准自己的兴趣点，投入到热爱的科研领域中去。他表示，只有真正享受科研过程的人，才能在这条道路上走得更远，取得更大的成功。

冯丹在致辞中表示，John Hopcroft教授与学校之间建立了深厚友谊，开展了长期的深入合作。从线上合作到线下交流，从建立研究中心到图灵班的开班，Hopcroft教授为华中科技大学与计算机学院的教学与研究提供了巨大的支持和帮助，也帮助我校计算机学科培养了大量的优秀人才。她代表学校对Hopcroft教授表示由衷的感谢，并希望在未来双方依托霍普克罗夫特计算科学研究中心开展更加深入的合作，为我校计算机学科人才引进、人才培养贡献力量。

会议报告环节，来自康奈尔大学的Bart Selman教授为与会者带来了题为“数学和科学发现：人工智能的新前沿”的精彩报告，深入探讨了如何通过关键的自动推理技术进展，补充数据驱动的深度学习方法。他提出，将推理与学习相结合，能够揭示超越人类认知的新颖领域结构和洞察力，并以离散数学和材料科学为例，展示了数据与知识驱动的集成框架的潜力。他的研究不仅拓展了人工智能的应用领域，更为理解和构建“非人类形式的人工智能”提供了全新的思路。

清华大学李建教授带来了题为“深度学习的理论基础：梯度算法的优化、泛化和隐式偏差”的学术报告。他认为，尽管深度学习在实践中取得了巨大成功，但其理论基础相对薄弱。他分析了深度神经网络训练中随机梯度方法的作用，详细阐释了梯度方法如何使损失函数的景观进入“稳定边缘”的状态，并探讨了这一现象与对抗性样本及隐式偏差的关系。他通过解析优化轨迹的行为，为解决这些理论难题提出了全新视角，为深度学习的数学基础研究注入了新动力。

南京大学栗师教授带来了题为“次模价值函数下加权纳什社会福利的常数近似”的报告。针对如何在次模价值函数下有效地将物品分配给代理以最大化加权纳什社会福利的问题，他的团队基于自然配置线性规划，提出了首个常数近似算法，被广泛应用于叠加价值函数的研究中。他在报告中详细讲解了算法的舍入过程，突出了其与现有方法在思想和实现上的独特之处。

何琨教授带来题为“MaxSAT局部搜索策略与算法研究”的报告。她分享了团队在MaxSAT问题求解中的系列研究成果。她深入分析了局部搜索方法的核心模块，包括初始化、变元选择以及子句加权等，提出了新的策略和算法。这些研究为MaxSAT局部搜索提供了全新的思路和视角，并在近年的MaxSAT国际算法竞赛中取得了一次冠军和两次亚军的成绩。

与会专家还以线上的形式分享了自己的研究。弗吉尼亚大学的Henry Kautz教授首先带来题为“神经符号人工智能，我们已经实现了吗？”的报告。Kautz在报告中探讨了神经符号人工智能的最新进展。他指出，通过赋予大型语言模型使用形式推理工具（如定理证明器和规划器）的能力，可以实现I型和II型推理的基础整合。这一研究为人工智能领域提供了全新的视角，同时也展示了通过研究这些生成系统，更好地理解智能本质的可能性。

微软研究院科学智能中心秦涛博士带来了题为“AI for Science:人工智能变革自然科学研究”的报告。他分享了AI for Science领域的最新研究进展，并展示了人工智能在自然科学研究中的革命性应用。他介绍了五个前沿研究成果——AI2BMD、TamGen、uFormer、MatterSim 和 MatterGen，以及科学基础大模型。这些研究覆盖了蛋白质动力学、药物设计、材料科学和多模态科学大模型等多个领域，展示了人工智能在加速复杂系统模拟和推动科学发现中的强大潜力，体现了人工智能在自然科学中的深度融合。

南京大学李宇峰教授接着发表了“迈向利用弱标注和弱规则的安全反绎学习”的主题演讲。他讲解了反绎学习这一将机器学习与逻辑推理相结合的新范式，并探讨了当面对弱标注数据和弱逻辑规则时可能出现的性能下降与不稳定问题。他分享了团队在增强反绎学习稳健性方面的研究进展，提出了创新的方法应对这一挑战。这一研究为解决复杂学习场景中的鲁棒性问题提供了理论支持和实践路径。

清华大学姚权铭教授带来了题为《深度学习的简约之道》的报告。他聚焦于深度学习领域的可持续性问题，提出了通过利用领域知识（如符号、逻辑和公式）来推动模型简约化的新思路。他强调，这种方法能够减少对尺度法则的依赖，通过更简单的模型实现更大的潜力。在报告中，他展示了这一框架在药物相互作用预测中的应用实例，并通过实验证明了其优越性。