中国神经科学学会第十四届全国学术会议暨第七届第二次全国会员代表大会召开类脑智能与因果计算专题研讨会

        2021年9月18日下午，中国神经科学学会第十四届全国学术会议暨第七届第二次全国会员代表大会召开类脑智能与因果计算专题研讨会。
       当前深度神经网络在图像识别、语音识别等任务上，取得了巨大的成功，但是其认知层次较低、学习效能不高。脑科学、认知科学的发展，为研究脑结构与功能启发的认知计算模型与网络算法提供了机遇。因果推断是类脑智能的重要部分，人工智能的发展正逐步从智能的关联分析走向因果推断。
       本专题面向“基于跨媒体知识图谱的因果计算”，因果计算是从观察数据中推断事物间的因果结构并进行定量分析，具有重大理论意义和应用前景。本专题研讨会的主席为上海交通大学徐雷教授，共有5个报告，邀请了国内著名专家，就因果计算进行深入探讨。领域相关专家、学者通过线下、线上方式积极参会。

　　        首先，徐雷教授介绍了专题的安排、及各位演讲专家的研究背景。之后，徐教授以题为“基于数据的因果计算：百年曲折、主流现状、与若干方向”，从不同的视角探讨了因果关系、乃至因果计算是指的什么和干什么的，概述了因果研究的百年历史与主流现状，分析了机器学习、统计推断、与因果分析的异同之处，并简要了介绍其团队致力于科技创新2030新一代人工智能重大项目2018年所发布的1.3方向所取得的进展，尤其是提出的因果势引网导新理论。



　 　       电子科学技术大学陈华富教授的报告主题为“脑信息传递Granger因果模型与脑疾病影像表征”。报告主要介绍了其团队所负责的科技创新2030新一代人工智能重大项目课题的研究进展，包括Granger因果方法和模型、脑运动执行系统的功能因果网络，并以孤独症、精神分裂症、抑郁症等精神疾病为例介绍了精神疾病患者脑功能因果网络、脑结构因果协变网络，揭示脑认知功能活动区域间信息传递特征、脑疾病引起脑区域间信息异常传递的特征等。

       浙江大学吴飞教授通过视频方式，以“AI+X驱动学科发现-从相关性发现到因果推理”为题，介绍了相关性发现的学习模型、因果模型的表征学习、AI+学科助推各学科领域的科学发现，主要结合药物合成和医学应用领域，介绍面向科学计算的机器学习系统中物理建模、优化求解和加速计算等问题。浙江大学也是新一代人工智能关于因果推断的1.3方向重大项目的课题承担单位。



　 　       重庆邮电大学高新波教授带来题为“图像跨域重建理论与方法”的报告。高教授一针见血地指出，目前机器学习主要是研究相关关系，没有因果关系推理，未来将向因果关系推理方向发展。介绍了跨域图像重建的背景、意义和社会需求，跨域图像重建的定义和类型。然后以素描照片合成和图像超分辨率重建为例，介绍了跨域图像生成的研究现状以及该团队的最新研究进展。

　 　       最后，清华大学黄高助理教授以视频连线方式，介绍了动态神经网络的最新研究成果。与具有静态组件的主流CNN主干相比，动态模型可以在推理阶段根据每个输入样本改变其深度/宽度/参数，从而大大减少计算冗余。并以其构建的DenseNet为例，介绍了动态模型的性能提升等优点以及未来可能的研究方向。清华大学也是新一代人工智能关于因果推断的1.3方向重大项目的课题承担单位，黄高助理教授是课题的骨干成员。

原文转自 brainnews