CCF YEF 2022于2022年6月9-11日在北京、苏州等城市线上线下联动举办，期间举办了“青科看未来”大会论坛。
CCF YEF 2022于2022年6月9-11日在北京、苏州等城市线上线下联动举办。作为YEF的特色大会论坛，“青科看未来”在2021年创办，今年于2022年6月10日10:30-12:00再次成功举办。本次论坛的研讨主题是：人工智能的发展困境和突破机遇。
“青科看未来”是YEF的一个特色论坛，参与这个论坛的报告嘉宾和执行主席均为历届CCF-IEEE CS青年科学家奖的获得者，论坛的设立是期望能够讨论一些对于计算机发展具有前瞻性或者指导性的题目。
毋庸置疑，人工智能技术在近些年取得了迅猛进展。特别是在一些传统难以解决的问题上取得了重要突破。例如，在围棋和蛋白质结构预测任务上，人工智能技术都取得了重要研究进展。但同时，历史上人工智能所遇到的两次寒冬也同样令人印象深刻。不少研究人员也认为现有深度神经网络为代表的AI技术已然遇到瓶颈，既缺乏完备的理论保证，解决实际问题的能力也有很大的局限性。站在当前人工智能发展的十字路口，本次论坛希望针对人工智能目前的发展困境进行探讨，并且畅想可能存在的突破机遇和路径，从而助力我国人工智能的发展。
本次论坛的执行主席由清华大学崔鹏副教授（2018年CCF-IEEE CS青年科学家奖获得者）、中国人民大学赵鑫教授（2021年CCF-IEEE CS青年科学家奖获得者）担任，同时邀请到了五位人工智能相关领域的国内青年学者（下为姓名字母序）：中科院计算所包云岗研究员（2019年CCF-IEEE CS青年科学家奖获得者）、浙江大学潘纲教授（2016年CCF-IEEE CS青年科学家奖获得者）、中科院计算所山世光研究员（2015年CCF-IEEE CS青年科学家奖获得者）、南京大学俞扬教授（2020年CCF-IEEE CS青年科学家奖获得者）以及清华大学朱军教授（2013年CCF-IEEE CS青年科学家奖获得者）。
图1. 青科看未来论坛-人工智能的发展困境和突破机遇
本次论坛共分为两个主要环节，首先是嘉宾报告环节，第二个阶段是panel讨论环节。在报告环节，五位嘉宾分别从计算机视觉、安全人工智能、问题定义、计算算力以及脑机智能等多个方面针对现阶段人工智能的发展困境以及可能的解决路径进行了主题发言。
中科院计算所山世光研究员做了《从视觉识别到视觉理解的挑战与突破机遇》的主题发言。山世光老师的报告主要围绕两个关键问题进行展开：（1）视觉模式识别问题解决了吗？（2）如何定义视觉理解问题？针对第一个问题 ，他认为如果可以收集到大规模有监督数据，实例类模式识别问题貌似已经基本解决，但抽象概念类模式识别问题尚未得到重视，当前识别方法的可扩展性在一定程度上仍然存疑。针对第二个问题，他提出了视觉理解的三个主要挑战，包括如何定义问题、暗知识难题以及视觉想象力问题。同时，给出了一个结论性观点：视觉理解中的“理解”难题并非孤立的视觉问题，而是NLP、语音处理和计算机视觉领域的共同难题。最后，他简要给出了一些可能的候选方案，包括“局外”上下文建模能力的突破、预训练大模型、符号型知识的具象化以及分布式知识的抽象化。
山世光做主题报告
清华大学朱军教授做了《安全人工智能的一些探讨》的主题发言。朱军老师的报告首先指出深度学习是近期人工智能发展的核心驱动力，但是这些技术的适用条件与真实应用环境存在着较大差异（如真实应用环境中存在数据或知识的缺失、存在不确定性和动态性等），导致了现有人工智能技术在实际应用中面临着诸多方面的挑战。在报告中，他着重强调了安全人工智能相关研究的重要性。为了解决这些应用挑战，他指出合理刻画不确定性是破题的一个关键方面。具体的，不确定性可以分为数据不确定性和模型不确定性两个方面。他主要介绍了如何通过不确定性刻画提升深度学习模型的算法安全性，并概要地介绍了安全人工智能的其他方面，包括数据安全、隐私保护、以及深度伪造的自动检测等。
朱军做主题报告
南京大学俞扬教授做了《AI：从“问题求解”到“问题定义”》的主题发言。俞扬老师的报告由国际机器学习学会创始主席Tom Dietterich（ACM/AAAI/AAAS Fellow，AAAI 时任主席）所提出来的一个研究视角展开，认为人工智能任务可以由两个方面进行刻画，分别是（1）人是否已知任务和（2）机器是否需要处理不确定性，现阶段人工智能技术主要还是面向解决known-unknown型的任务（任务已知、任务具有不确定性），这也导致了经典AI算法实施流程需要包括两个阶段：依赖人的业务知识去“定义问题”、和用机器去“求解问题”。沿着这一方向，他认为未来的人工智能应当去介入“定义问题”的阶段，解放人类问题建模的劳动，以实现能够解决unknown-unknown（即人也不完全了解）任务的人工智能技术，这样的技术将具备更广泛的通用性。
俞扬做主题报告
中科院计算所包云岗研究员做了《算力能带来人工智能发展的质变吗？》的主题发言。包云岗老师的报告主要通过三个问题的引导进行展开：（1）算力是否会成为AI发展的瓶颈？（2）算力提升是否能带来AI的质变？（3）算力如何促进AI进步？针对第一个问题，通过类比人类和动物的智能发展历程，他指出如果人工智能的源头来自人脑运作机制，那么大脑容量和算力也许有某种联系，并且认为算力会成为AI发展的瓶颈。针对第二个问题，他指出仅仅算力的进步，并不必然转换为AI能力。但是，当存在足够的算力和数据，涌现出新算法进而带来AI能力的质变，也许是一种必然。针对第三个问题，他指出未来发展过程中需要关注如何把算力用好、如何提供更快的算力以及如何设计更好的算法。
包云岗做主题报告
浙江大学潘纲教授做了《脑机智能:人工智能的新形态与新机遇》的主题发言。潘纲老师的报告首先探讨了“新型计算在哪里”这个问题，可以归纳为向物理寻求答案和生物进行借鉴的这两大主要路径。下面着重介绍了脑机接口（生物系统与计算系统的信息通道）和脑机智能（借鉴人脑的信息处理方式构建虚拟脑，进而借助脑机接口实现生物脑、虚拟脑、机器智能等融合乃至一体化，形成“人造超级大脑”）这两个重要概念。并指出，脑与机在交互过程中将形成具有丰富特性的新智能形态，通过作用方式、增强内容、耦合程度等不同产生多样的形态模式，由此可能会衍生出“脑在回路”（Brain-in-loop AI）的人工智能新范式。
潘纲做主题报告
在panel环节，论坛嘉宾针对五个重要问题进行了深入讨论，包括（1）这一波人工智能，是算法创新驱动还是算力驱动？（2）目前深度学习SOTA方法从MLP到CNN到Transformer又回到MLP，技术路径好像转了个圈，应如何看待？如何客观的度量人工智能技术的进展？（3）AI的原始性创新思想，从哪里来？从脑认知、神经科学以及心理学到AI算法设计之间的gap如何弥合？（4）中国的原创AI理论和技术如何走出去引领学术界？存在哪些特殊的挑战？应如何破局？
五位嘉宾针对这些前沿问题都各抒己见，给出了非常深刻的观点和看法。主要观点包括：
（1）算法和模型是人工智能技术原创性和能力进步的核心要素，需要在此方面不断推动，才能更好地借助算力性能的优势取得性能突破。在算法进步过程中，算力对于模型性能的提升起到了关键作用。同时，数据和任务也在此过程中扮演着重要角色，对于人工智能技术的进步起到了重要的驱动作用。
（2）各种层出不穷的模型和架构均是人类认识和建模数据的重要体现，都包含了一定的归纳偏置。即使相同的模型架构，但是由于应用条件的变化（如可获得的样本数的增加和算力的增加），可能获得不同的应用效果。在我们设计和提出新模型的时候，需要客观地指出该模型的适用范围和应用条件。
（3）很多新形态的人工智能技术（如脑机智能）都需要进一步的深度探索。在做跨学科的科研工作中，主要的障碍在于原始学科的研究惯性与原始学科间的思维差异，影响形成深度融合的科研成果。整体上来说，交叉科学的研究需要更多的科研探索，研究过程更加复杂、费时，需要更多的坚持和来自于外界的科研支持。
（4）为了形成更多的原创性研究，需要我国学术界更加关注实践问题和科学问题的融合贯通，充分考虑到我国产业界的实际需求，从而能够对于真实应用问题进行提炼和刻画，形成学术界的科学研究和产业界的实践检验的闭环过程。形成这一闭环对于推动我国科研发展具有重要意义，同时需要重视平台型、工具型研究成果的产出和推广。
（5）鼓励更为宽松的科研环境和学术生态，由核心科研问题为导向，开展更为长期的科学研究，避免群体型的短时间“快餐研究”；允许一部分科研人员进行自由探索，提升我国整体科研方向的多样性。科研人员要重视提炼关键科学问题的能力，特别是对学生早期科研观念的培养，帮忙其形成正确的科学价值观，从根本上提升我国科研人员的科学素养和核心创新能力。
组委会向执行主席和论坛嘉宾颁发感谢牌
本次论坛对于人工智能发展过程中的困境问题和解决途径进行了深入探讨。虽然短短的论坛并不足够对这一重大议题给出完备的答案，但希望激发更多人工智能从业者展开深入的思辨。从这些CCF青年科学家的眼中，既看到了他们对当下人工智能客观、冷静和深刻的判断，也看到了人工智能一个注定崎岖但必定美好的未来。CCF青科看未来，明年再见！ | 
