报告时间:2024年11月20日 周三下午 15:00-17:00
报告地点:东南大学四牌楼校区李文正楼503
组织单位:东南大学 红宝石活动优惠大厅hbs
邀 请 人:夏海峰,上岗副研究员,红宝石活动优惠大厅hbs
报告主题:理解与改进基础模型:从环境风险到社会责任
报告人简介:
王晋东博士目前在微软亚洲研究院担任高级研究员。他于2019年在中国科学院大学获得博士学位,并获得优秀博士论文奖。其研究兴趣包括机器学习、大语言模型和社会科学中的人工智能。他在ICML、ICLR、NeurIPS、TPAMI、IJCV等顶级会议和期刊上发表了50多篇论文,引用量超过14000次。他的研究成果曾被《福布斯》、MIT科技评论等国际媒体报道。他被斯坦福大学评选为全球前2%顶尖科学家之一,并被AMiner评为“最具影响力的AI学者”之一。他拥有多篇Google Scholar高被引论文、Huggingface推荐论文和paperdigest最具影响力论文。他现任IEEE Transactions on Neural Networks and Learning Systems(TNNLS)的副编辑,ACM Transactions on Intelligent Systems and Technology(TIST)的特邀编辑,同时担任NeurIPS、ICLR、KDD、ACMMM和ACML的领域主席,并是IJCAI和AAAI的高级程序委员会成员。他主导了多个具有重要影响力的开源项目,包括transfer learning、Prompt Bench、TorchSSL、USB、personalized FL和robust learning,这些项目在Github上获得了超过16K的星标。他还出版了《迁移学习导论》一书,并在IJCAI’22、WSDM’23、KDD’23和AAAI’24等会议上讲授教程。
报告摘要:
大型基础模型在生成式人工智能领域中发挥着重要作用,但同时面临显著的局限性。这些局限性包括在适应不可预测的真实世界方面的挑战,如应对分布外数据、噪声输入以及安全问题。其次,鉴于其对社会产生的巨大影响,推动跨学科合作以评估其潜在的利益与风险,深化人机交互的理解,并倡导负责任的人工智能应用尤为重要。在此次报告中,我将分享我在这些关键领域的最新研究成果、见解和未来计划,探索如何在利用大型基础模型的强大功能的同时应对其局限性,并在快速变化的环境中推动负责任的AI整合。