讲座时间：2020-11-07 15:00-16:30
讲座地点： 闵行校区陈瑞球楼 100号报告厅
主讲人：郑南宁
主办单位：研究生院、人工智能研究院
联系人：黄蕾宇 (1627hly@sjtu.edu.cn )




主讲人简介：
郑南宁，工学博士，西安交通大学人工智能与机器人研究所教授、IEEE Fellow，1999年当选中国工程院院士，中国自动化学会理事长，国际模式识别协会（IAPR）理事会成员，中国人工智能教育联席会理事长。1995年获国家****基金，其研究团队获国家自然科学基金委员会首批创新研究群体项目资助（2000年）。研究领域有计算机视觉与模式识别、认知计算、人工智能及其先进计算架构等，建立的视觉场景理解的立体对应计算理论与视觉注意力统计学习方法成为计算机视觉领域代表性工作。著有《计算机视觉与模式识别》（国防工业出版社，1998）、《Statistical Learning and Pattern Analysis for Image and Video Processing》（Springer，2009）；先后获国家科技进步二等奖（1991、1996）、国家技术发明二等奖（2007年）、国家自然科学二等奖（2016）、IEEE智能交通学会杰出研究团队奖（2014）。
讲座内容简介：
对当前人工智能而言，解决某些对人类来说属于智力挑战的问题可能是相对简单的，但对看似简单的与真实物理世界交互的能力依然很差（常识推理与无人驾驶就属于这类问题）。人脑对于非认知因素的理解更多地来自于直觉，并受到经验和长期知识积累的影响，这些因素在人对物理环境理解与行为交互、非完整信息处理等问题中有着极其重要的作用，而且人类的学习是一种与事物互动的过程，人类认知过程中的特征概念形成往往是建立在语义解释的基础上；人类依赖对事物的观察（或显著性特征的注意）在大脑中建立不同的内部分析模型，并利用这些模型来推测事物的变化，或是从过去的事件预测未来。为使机器学习模型产生人类的认知结果，需要其所学特征在一定程度上符合神经生理学实验结果，同时使特征具有数学和语义的解释性。我们需要发展新的AI计算架构，使机器具有直觉推理和常识学习的能力，这样才能实现一类更加健壮的人工智能系统。本报告从当前人工智能技术的局限性出发，结合作者研究团队的研究工作，讨论如何利用知觉物体的语义信息进行场景表征和理解，实现对不确定性、且有约束条件和先验知识的交通场景的直觉推理，进而构建一种具有内部预测学习、认知决策的无人驾驶系统。