报告时间：2023年8月2日15:00-17:30

报告地点：bat365中文官方网站2号楼219会议室

报告题目：当数据很少时，人工智能还能发挥作用吗？--基于知识插值之近似推理及其应用

报告人：申强

报告人简介：申强，英国阿伯里斯特威斯大学副校长兼商学与物理科学学部主任，英国皇家工程院院士和威尔士科学院院士、理事会成员。曾连续两次被任命为英国高校及研究院卓越研究评估框架的计算机科学和信息学评委会成员。在众多国际会议任主席或发表主题演讲，并长期担任英国计算智能指导委员会主席。撰写了两部研究专著和450多篇论文（含十余篇获得国际顶尖学术期刊杰出论文或会议最佳论文奖）。作为首席研究员，领导了超过45个由英国、欧盟和工业界奖励的重大科研项目。2012年伦敦奥运会火炬传递的火炬手。国际电气与电子工程师协会计算智能学会“模糊系统先驱奖”获得者。

报告内容简介：

深度学习推动了人工智能发展，但是当用于数据有限特别是数据描述不精准的新问题时，会出现一些难以解决的关键问题，传统人工智能方法也会因观察结果与现有规则不匹配而失败。面对如此挑战，人工智能还能有效运作吗？本次演讲旨在探讨解决这个问题的相关工作，展示模糊规则插值(FRI)在处理从有限且不精确的数据中得出不完整或稀疏知识时以促进近似推理。重点在于其中的一个子集，称为基于变换的模糊规则插值(T-FRI)。该子集中的每项技术都利用自动选择的与不匹配的观察值最接近的规则之线性变换作为理论基础。本演讲首先将回顾基本的、具有开创性的T-FRI方法，然后简要介绍其扩展系列。随后，展示这些技术的成功应用，介绍它们在解决网络安全和医疗等方面的功效。这些例子将表明，既使面对有限和不精确的数据，人工智能仍然可以有效运行。最后，演讲将概述这一重要研究领域进一步发展的初步想法。