聊大講壇——李茂貞教授學(xué)術(shù)報(bào)告會(huì)

　　5月8日上午，應(yīng)計(jì)算機(jī)學(xué)院邀請(qǐng)，英國(guó)計(jì)算機(jī)學(xué)會(huì)和電子工程學(xué)會(huì)（IET）會(huì)士、英國(guó)布魯內(nèi)爾大學(xué)李茂貞教授做客聊大講壇，做了題為《深度神經(jīng)網(wǎng)絡(luò)的可解釋性和計(jì)算效率》（Interpretation and Computation Efficiency in Deep Neural Networks）學(xué)術(shù)報(bào)告。計(jì)算機(jī)學(xué)院骨干教師、研究生參加了報(bào)告會(huì)。

　　李李茂貞教授的報(bào)告聚焦于當(dāng)前人工智能領(lǐng)域的重要議題。首先，李教授強(qiáng)調(diào)了人工智能可解釋性的重要性以及其在實(shí)際應(yīng)用中的意義，詳細(xì)介紹了類別激活圖（CAM）在增強(qiáng)人工智能可解釋性方面的作用和局限。然后，李教授介紹了基于自注意力機(jī)制的類別激活圖（SA-CAM）方法，這一方法通過(guò)引入自注意力機(jī)制來(lái)提高圖像識(shí)別的準(zhǔn)確性，從而彌補(bǔ)了傳統(tǒng)CAM方法的不足之處。接著，李教授指出了大語(yǔ)言模型模型在計(jì)算復(fù)雜度方面存在的問(wèn)題，回顧了輕量級(jí)模型的發(fā)展歷程，并著重針對(duì)當(dāng)前輕量級(jí)模型準(zhǔn)確性低、普適性差的問(wèn)題提出了解決方案。最后，李教授展望了大語(yǔ)言模型的發(fā)展前景，指出了當(dāng)前大語(yǔ)言模型面臨的挑戰(zhàn)和機(jī)遇，并提出了未來(lái)的研究方向和發(fā)展趨勢(shì)。李教授的報(bào)告論點(diǎn)新穎，邏輯嚴(yán)密，方法前沿，開(kāi)拓了與會(huì)師生的學(xué)術(shù)視野，與會(huì)人員獲益匪淺。

　　會(huì)后，李教授就學(xué)科建設(shè)、科研團(tuán)隊(duì)建設(shè)、研究生培養(yǎng)、國(guó)際合作交流等方面與師生進(jìn)行了的深入交流，在場(chǎng)教師和學(xué)生積極提問(wèn)，李教授進(jìn)行了耐心解答，交流會(huì)在掌聲中圓滿結(jié)束。

　　李茂貞，1997年在中國(guó)科學(xué)院軟件研究所獲得博士學(xué)位，1999-2002年在英國(guó)卡迪夫大學(xué)的計(jì)算機(jī)科學(xué)與信息學(xué)院完成博士后研究，現(xiàn)為英國(guó)倫敦布魯內(nèi)爾大學(xué)電子與電氣工程系教授。主要研究方向包括高性能計(jì)算、大數(shù)據(jù)分析、智能電網(wǎng)和智能城市中應(yīng)用的智能系統(tǒng)。在相關(guān)領(lǐng)域出版專著5部，發(fā)表學(xué)術(shù)論文200多篇，現(xiàn)任英國(guó)計(jì)算機(jī)學(xué)會(huì)和電子工程學(xué)會(huì)（IET）的會(huì)士。

　　（審核 賈保先）