人工智能前沿研讨会
(SFAI’2020)
2020年12月08日，中国北京
组织：陆汝钤、张松懋（中国科学院数学与系统科学研究院）
李三江（澳大利亚悉尼科技大学）刘伟茹（英国布里斯托大学）
地点：中国科学院数学与系统科学研究院南楼二层 N219 会议室
北京海淀区中关村东路恒兴大厦南（四环保福寺桥南）
人 工 智 能 前 沿 研 讨 会
2020 Symposium on Frontiers of AI at AMSS, CAS, Beijing, December 8, 2020
时间： 2020年12月8日（星期二）
线下会场： 北京海淀区中关村东路恒兴大厦南（四环保福寺桥南）
中国科学院数学与系统科学研究院南楼二层219会议室
线上参会： https://zoom.com.cn/j/66559500901（会议号：665 5950 0901）
B 站观看: https://live.bilibili.com/8176212?visit_id=918o7zfvkh6o
组织： 陆汝钤、张松懋（中国科学院数学与系统科学研究院）
李三江（澳大利亚悉尼科技大学）刘伟茹（英国布里斯托大学）
会 议 日 程
Session: 量子人工智能 （主持：张松懋）
8:00-8:40 段润尧（百度研究院）：百度量子平台: 迈向量子人工智能
8:40-9:20 李三江（澳大利亚悉尼科技大学）：Quantum Circuit Transformation in the NISQ Era
9:20-9:40 茶歇
Session: 机器学习 （主持：李三江）
9:40-10:20 俞扬（南京大学）：基于环境模型的强化学习
10:20-11:00 胡事民（清华大学）：深度学习框架“计图”的平台创新与技术探索
青年讲坛（第一部分）（主持：郑文萍）
11:00-11:20 李飞江（山西大学）：聚类集成有效性要素研究
11:20-11:40 张浩（广东石油化工学院）：因果推断及其在致病基因检测中的应用
11:40-13:40 午餐（物理所餐厅四层自助餐）
青年讲坛（第二部分） （主持：张自力）
13:40-14:00 李阳阳（中国科学院数学与系统科学研究院）：动态流形学习——几何流学习
14:00-14:20 刘玉欣（上海海事大学）：生物启发式算法及其在路径优化问题中的应用
Session：人工智能与安全 （主持：刘伟茹）
14:20-15:00 陈仪香（华东师范大学）：可信人工智能
15:00-15:40 Thomas Pasquier (Bristol University, UK): Building a Provenance-based Intrusion Detection System
15:40-16:00 茶歇
Session: 金融人工智能 （主持：陆汝钤）
16:00-16:40 蒋昌俊（同济大学）：网络交易风险控制
16:40-17:20 陆一帆（中国平安保险公司）：跨机构数据整合中的隐私计算和区块链
17:20-18:00 杨强（微众银行）：人工智能与AI金融落地
报告介绍
Session: 量子人工智能
上午8:00-8:40
报告：百度量子平台: 迈向量子人工智能
报告人：段 润 尧（百度研究院）
报告摘要：
量子计算借助于叠加、纠缠以及干涉等多种经典世界里很难想象的量子特性进行信息处理，从而在大数据处理、机器学习和量子化学模拟等多个重要的问题上表现出了强大的计算性能。如何建立实际应用与底层硬件之间的高效连接则是发掘量子计算潜能过程中的一个巨大挑战。百度量子平台(quantum.baidu.com)旨在实现“量子设施即服务”(QaaS)，聚焦于量子算法、量子人工智能、量子体系结构的研发，包含三大核心模块：量子脉冲云计算服务系统量脉，量子机器学习开发工具集量桨，以及云原生量子计算平台量易伏，提供连接顶层解决方案和底层硬件基础所需的软件工具以及接口，是实现人工智能和量子计算深度交叉融合的新型基础设施。
报告人简介：
段润尧，百度研究院量子计算研究所所长、悉尼科技大学终身教授和量子软件和信息中心主任（兼）、澳大利亚研究理事会(ARC) Future Fellow。本科与博士分别于2002和2006年毕业于清华大学计算机系。主要从事量子计算和量子信息技术研究，于2016年与Andreas Winter合作，首次给出图论中著名的Lovász number自1979年以来完整的信息论解释。曾获微软学者(2005)，清华大学研究生十大学术新秀、清华大学优秀博士毕业生等称号，以及优秀博士学位论文一等奖、中国计算机学会(CCF)首届优秀博士学位论文奖(2006)、澳大利亚研究理事会(ARC) Future Fellowship(2012)等奖项。2016年9月15日起担任悉尼科技大学量子软件和信息中心(UTS:QSI)创办主任，2018年3月7日起担任百度量子计算研究所所长，负责百度量子计算战略的制定和实施。
上午8:40-9:20
报告：Quantum Circuit Transformation in the NISQ Era
报告人：李 三 江（澳大利亚悉尼科技大学）
报告摘要：
Quantum computing and Artificial Intelligence (AI) are widely acknowledged as two key technologies that will define our future. It is vital to bridge the two research fields that have been largely developed in parallel. Besides developing quantum algorithms for solving AI problems, there are important problems arising in quantum computing that can be better described and solved as AI problems. One such example is the quantum circuit transformation (QCT) problem, which is necessary if we want to run ideal quantum algorithms (described as quantum circuits) on Noisy Intermediate-Scale Quantum (NISQ) devices. In recent years, QCT has attracted rapidly increasing interests from both classical and quantum computing communities. This problem is in essential an NP-hard search problem and the challenge is to reduce, among others, the gate and depth overheads. In a series of works, we designed a simulated annealing and heuristic search algorithm, a filtered depth-limited search algorithm with subgraph isomorphism-based initial mappings, and a Monte-Carlo Tree Search algorithm to attack this problem, which can often reduce the gate overhead by 30-50% when compared with the state-of-the-art algorithms on the NISQ device IBM Tokyo. See arXiv: 2008.09331, 2004.07138 1908.08853．
报告人简介：
Sanjiang Li received his B.Sc. and Ph.D. degrees in mathematics from Shaanxi Normal University, in 1996, and Sichuan University, in 2001, respectively. He is a professor in Centre for Quantum Software and Information (QSI), University of Technology Sydney (UTS). Before joining UTS, he worked in the Department of Computer Science and Technology, Tsinghua University from 2001 to 2008. His research interests are mainly in knowledge representation and artificial intelligence. Recently, he is also interested in research in quantum artificial intelligence, where the aim is to develop quantum algorithms for solving AI problems and to apply AI methods in solving classical problems in quantum computing.
Session: 机器学习
上午9:40-10:20
报告：基于环境模型的强化学习
报告人：俞 扬（南京大学）
报告摘要：
强化学习是实现自主决策的主要技术途径之一，已在围棋、视频游戏等领域展示出了超越人类的决策能力。然而目前强化学习的训练过程需要大量试错，因而只能在封闭的游戏场景下起效，大量的实际应用中面临开放的环境以及高昂的试错代价，使得目前的强化学习技术难以应用。从历史数据中学习环境模型，并基于环境模型低成本的训练强化学习，是解决其应用难题的希望之一，然而要学习到一个有效的环境模型的也面临诸多困难。此次报告将汇报我们在基于环境模型强化学习研究上的进展，以及初步的应用结果。
报告人简介：
俞扬，博士，南京大学教授，国家万人计划青年拔尖人才。主要研究领域为机器学习、强化学习。入选IEEE Intelligent Systems杂志评选的“国际人工智能10大新星”(2018)，获“CCF-IEEE青年科学家奖”(2020)、亚太数据挖掘"青年成就奖”(2018)，获得4项国际论文奖励和2项国际算法竞赛冠军，并受邀在IJCAI’18作关于强化学习的"青年亮点"报告。博士学位论文被评为全国优博(2013)和CCF优博(2011)。
上午10:20-11:00
报告：深度学习框架“计图”的平台创新与技术探索
报告人：胡 事 民（清华大学）
报告摘要：
深度学习框架是现代人工智能算法开发和应用的基本支撑框架，自主可控的深度学习框架是推动中国人工智能更好发展的必然要求。国外主流深度学习框架基于开源开放的生态环境，已经构建起了完整的产业链和庞大用户群体。计图(Jittor)是国内首个由高校研制和开源的深度学习框架。计图框架创新地使用了元算子融合和动态编译技术，并提出“统一计算图”的思想，目前在多种任务性能上超越国外主流平台。除此之外，计图框架还在易用性、灵活性以及模型算法覆盖度上做了大量改进，旨在降低用户学习成本，吸引更多用户，构建自己的开源深度学习生态。本报告拟介绍计图平台的整体架构和多项创新技术，分享一些基于计图框架的最新研究进展。
报告人简介：
胡事民，清华大学计算机系教授，主要研究方向为计算机图形学、虚拟现实、智能信息处理和系统软件等。2002年获国家杰出青年基金资助，2006-2015年担任两期国家973计划项目首席科学家，2007年入选教育部长江学者特聘教授，2013年入选国家“万人计划”科技领军人才，2016年起担任国家自然科学基金委创新研究群体学术带头人。在ACM TOG/SIGGRAPH、IEEE CVPR等重要刊物和国际会议上发表论文100余篇。现为中国计算机学会副理事长，并担任Computational Visual Media主编和CAD等多个期刊编委。
青年讲坛（第一部分）
上午11:00-11:20
报告：聚类集成有效性要素研究
报告人：李 飞 江（山西大学）
报告摘要：
集成学习是一种行之有效的提升学习系统泛化能力的学习策略。聚类集成则是是一类重要的无监督集成学习方法。然而，由于缺乏明确学习目标，聚类集成为什么有效目前没有系统的理论支撑。本报告围绕聚类集成的一般流程，揭示了与聚类集成有效性(Accuracy)紧密相关的基聚类集(Base clustering set)、类簇质量(Cluster quality)、数据特性(Data characteristic)、关系表示(Expression)、融合策略(Fusion strategy)五个方面要素，并提出相应聚类集成算法，以提升聚类集成技术的泛化能力(Generalization)，初步形成了A= f (B,C,D,E,F)->G的聚类集成有效性要素范式。
报告人简介：
李飞江，2020年于山西大学获博士学位，现为山西大学计算机与信息技术学院、大数据科学与产业研究院讲师。主要从事机器学习、知识发现等方面的研究工作，重点关注无监督学习以及无监督学习群体学习相关领域研究。在《Artificial Intelligence》、《Machine learning》、《ACM Transactions on Knowledge Discovery from Data》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Fuzzy Systems》、《中国科学：信息科学》等国内外重要学术期刊发表论文10余篇，获评山西省优秀博士学位论、宝钢优秀学生奖、山西大学第7届"青年五四奖章"荣誉称号。
上午11:20-11:40
报告：因果推断及其在致病基因检测中的应用
报告人：张 浩（广东石油化工学院）
报告摘要：
因果关系是普遍存在于事物之间的内在联系，挖掘事物之间的因果关系是一项重要的科学研究任务。作为大多数因果推断算法的核心工具，条件独立性（CI, Conditional Independence）测试对数据维度通常较为敏感，随着维度上升其准确率急速下降，同时其运算时间呈指数增长，这制约了因果推断算法在大规模数据集的适应能力。报告主要介绍如何针对加噪声场景，通过残差独立性测试技术在因果推断过程中降低CI测试的计算复杂度，同时提高准确率，从而在一定程度上解决了大规模数据集的因果推断问题，并将相关成果应用到癌症致病基因检测问题上。
报告人简介：
张浩，广东石油化工学院，特聘副教授。2011年本科、2015年硕士毕业于广东工业大学数学专业， 2018~2019年于卡内基梅隆大学进行博士联合培养，2020年博士毕业于复旦大学计算机专业。近年来主要从事因果推断相关研究，于ACM TIST、IEEE TCYB、Information Sciences、AAAI-17&18&19等期刊/会议发表相关文章10余篇。
青年讲坛（第二部分）
下午13:40-14:00
报告：动态流形学习——几何流学习
报告人：李 阳 阳（中国科学院数学与系统科学研究院）
报告摘要：
流形学习自2000年被提出至今，发展了一系列经典的流形学习算法，此类算法都采用静态“一步到位”学习机制，这种学习机制无法挖掘数据集的深层几何结构，并且无法处理大规模数据集。几何流学习的提出，解决静态流形学习“一步到位”学习机制的不足。通过分析流形的度量与曲率之间的关系，构造新的几何流，使得数据集沿着时间轴动态的流动，分析数据集的深层几何性质。
报告人简介：
李阳阳于2019年在中国科学院数学与系统科学研究院取得博士学位，博士生导师为陆汝钤院士。目前在数学院三所实验室做博士后，合作导师为陆汝钤院士以及杨晓光研究员。进五年来以唯一作者以及第一作者共完成并发表了7篇高质量学术论文，2020年获得中国科学院优秀博士学位论文奖励。研究方向为：理论人工智能、几何机器学习、图的表示学习等。
下午14:00-14:20
报告：生物启发式算法及其在路径优化问题中的应用
报告人：刘 玉 欣（上海海事大学）
报告摘要：
路径优化问题是一类典型的组合优化问题，是应用数学和计算机科学等领域的一个重要研究方向，并在实际运输领域具有重要的应用价值。生物启发式方法由于具有高效的优化性能、灵活的解表达方式等优点，逐渐成为求解复杂优化问题的热点方法。本报告将首先介绍我们基于传统进化算法方面的工作，基于超启发式遗传编程自主设计路由规则，为求解动态弧路径优化问题提供了一种实时高效的解策略。然后介绍我们在探索新的智能算法方向的进展，该类算法受多头绒泡菌觅食行为启发，为求解路径优化问题提供了新思路。最后总结了未来要开展的一些研究工作。
报告人简介：
刘玉欣，分别于2012年、2015年和2018年获西南大学计算机与信息科学学院学士、硕士和博士学位，2016-2017年在新西兰惠灵顿维多利亚大学进行访学，博士毕业后加入上海海事大学信息工程学院工作。研究方向为进化算法、生物启发的人工智能和组合优化问题求解等。以第一作者在Evolutionary Computation、GECCO17等国际期刊和会议上发表论文十余篇。
Session：人工智能与安全
下午14:20-15:00
报告：可信人工智能
报告人：陈 仪 香（华东师范大学）
报告摘要：
可信人工智能是近两年出现的一个研究热点， 其根本思路是使用可信软件研究方法来研究人工智能的可信性，提高人工智能系统的可信性。本报告将综合阐述的可信人工智能的科学技术问题以及解决方法与技术， 具体包括人工智能系统的描述性和规范性建模方法，面向神经网络的人工智能系统测试和验证技术，面向人工智能系统的可信性度量模型。
报告人简介：
陈仪香，华东师范大学软件工程学院教授，四川大学数学博士、苏州大学数学博士后、英国伯明翰大学计算机学院高级访问学者、上海市曙光学者。曾任上海师范大学科技处处长、华东师范大学软件学院副院长、教育部软硬件协同设计技术与应用工程研究中心主任。从事智能系统的可信基础研究工作：建立了具有时空一致性的智能系统规范语言STeC及其混成时钟逻辑系统，设计了智能系统的软硬件优化设计技术方法，构建了基于多维属性的软件可信度量评估方法和增强规范，为我国在该领域处于国际先进水平做出了开拓性贡献。承担973、863研究项目、国家基金委以及国防基础重点研究基础项目10余项。荣获教育部自然科学一等奖1项、北京市科技进步奖一等奖1项。出版国家自然科学基金研究成果专著1部，国家科学技术出版基金研究成果专著1部，发表学术论文100余篇。曾担任中国计算机学会嵌入式系统专委会副主任委员，现担任中国系统科学学会模糊系统与模糊数学专委会副主任委员、上海市张江物联网协会副会长。
下午15:00-15:40
报告：Building a Provenance-based Intrusion Detection System
报告人：Thomas Pasquier (Bristol University, UK)
报告摘要：
Provenance is the representation of a system execution as a directed acyclic graph. Those graphs, representing the execution of an entire system from initialization to shut down, can be comprised of millions of graph elements. In this talk, I will present my work on the development of a provenance-based intrusion detection system. I will discuss the development of the stack from the kernel-level capture mechanism to the algorithm used to perform intrusion detection. Finally, I will discuss planned future work and areas of potential collaborations. This talk is based on papers published at ACM CCS, NDSS and Usenix Security.
报告人简介：
Thomas is a Lecturer (Assistant Professor) at the University of Bristol working on building more transparent computer systems. His work combines the development of audit techniques to improve computer systems transparency and machine learning techniques to exploit audit traces. He has worked on topics such as intrusion detection or system self-optimization. Before joining the University of Bristol, Thomas held fellowships at Harvard University and the University of Cambridge after obtaining his PhD in 2016 under the supervision of Prof Jean Bacon from Cambridge University. Thomas will be joining the University of British Columbia in the fall of 2021 and he is actively looking for PhD students.
Session: 金融人工智能
下午16:00-16:40
报告：网络交易风险控制
报告人：蒋 昌 俊（同济大学）
报告摘要：
首先分析了互联网经济的发展背景和重要意义，同时指出网络欺诈的严重性。在此基础上介绍了这一领域的研究发展和创新成果，以及成功应用情况。最后展望了这一领域的发展趋势。
报告人简介：
蒋昌俊，同济大学教授、副校长。主要从事网络并发理论、网络风险防控、大数据与云边计算等研究。创建了网络并发系统的行为理论，提出了网络风险防控的行为认证与递阶控制技术，主持建立了我国首个互联网交易风险防控体系及系统，取得了网络交易高辨识和强实时的重大突破。以第一完成人获国家技术发明二等奖1项、国家科技进步二等奖2项等，获全国优秀科技工作者、全国创新争先奖、以及国际奖多项。发表论文300余篇（含ACM/IEEE汇刊72篇），中英著作5本。成果被国内外同行引用4000余次，并被美、英、加、瑞典、欧洲、爱丁堡、印度等多国院士的正面评价。获授权发明／创新（中国、美国、澳洲）专利106项、国际PCT 21项，国内外技术标准18项。成果在支付、保险、网安、城防、贸易、电商、银行、交通、安防等领域成功应用。
下午16:40-17:20
报告：跨机构数据整合中的隐私计算和区块链
报告人：陆 一 帆（中国平安保险公司）
报告摘要：
介绍平安金融壹账通在隐私计算算法上的研究和实际应用，主要从3D零知识算法和FXN算法的切入介绍学术和商业应用的密码学算法设计需求的区别。以及算法本身的特点和在实际应用中的使用方式。通过应用方案及实际案例介绍如何通过多种隐私计算技术的结合来协助机器学习算法在不同机构数据上完成建模从而达到协助金融机构对风险有更完整的了解和把控。最后会展望几种主流隐私计算技术全同态，零知识证明，和多方安全计算的现有的缺陷和可能的改进方向，以及应对后量子时代的策略。
报告人简介：
陆一帆，平安金融壹账通区块链业务部总经理，主要负责业务产品设计规划，底层架构和核心密码算法研究，3D零知识算法和FXN算法发明人，此前为Hyperledger Fabric最早的两位创始人之一和其首位产品经理，Luinux基金会Hyperledger白皮书起草人。2019年全球区块链100最具影响力人之一（lattice80）。
下午17:20-18:00
报告：人工智能与AI金融落地
报告人：杨 强（微众银行）
报告摘要：
当下，AI 在算法研发方面突飞猛进，但AI在落地实施中却遇到巨大的困难。AI 所面临的一 个挑战是标注数据的严重不足，并形成孤岛，同时数据治理和隐私安全的法规日益严格，这导致许多优秀AI算法模型无法得到有效训练与实施，成为人工智能应用下的一个巨大挑战。在这一讲座中，我将描述如何利用联邦学习和迁移学习的智能解决方案，包括：利用联邦学习来连接数据孤岛的数据， 以得到可以保护隐私的的分布式机器学习模型的训练和应用，以及利用迁移学习来解决小数据和冷启动的问题。同时，我将讨论如何将这两个新技术应用于金融行业，以解决金融行业应用的痛点。
报告人简介：
杨强，微众银行首席人工智能官，香港科技大学讲席教授，AAAI 2021大会主席，中国人工智能学会（CAAI）荣誉副理事长，香港人工智能与机器人学会（HKSAIR）理事长以及智能投研技术联盟（ITL）主席。他是AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow，也是《IEEE Transactions on Big Data》和《ACM Transactions on Intelligent Systems and Technology》创始主编，曾获2019年度“吴文俊人工智能科学技术奖”杰出贡献奖，2017年 ACM SIGKDD 杰出服务奖。他曾任华为诺亚方舟实验室创始主任，第四范式公司联合创始人，香港科技大学计算机与工程系系主任以及国际人工智能联合会（IJCAI）理事会主席。最近的著作有《迁移学习》和《联邦学习》。