2021年10月22日，為慶祝中國自動化學會成立60周年。由IEEE/CAA Journal Automatica Sinica、《自動化學報》和《模式識別與人工智能》聯合舉辦的2021中國自動化大會Workshop“人工智能前沿熱點論壇”成功召開。此次論壇旨在探討未來人工智能發展趨勢，明確研究發展方向，針對人工智能幾個關鍵領域展開深入探討與交流，邀請著名學者做主題報告，加強同行交流互動。
論壇主席由北京師范大學黃華教授擔任。論壇邀請天津大學胡清華教授、北京師范大學黃華教授、華中科技大學桑農教授、北京大學王立威教授和東南大學張敏靈教授分享他們的研究成果。此次論壇采用線上騰訊會議的方式，受到廣泛關注，高峰時期參會人數多達90余人。
胡清華教授的報告題目是“開放動態場景機器學習的初步探索”。胡教授首先介紹研究背景，指出目前機器學習適用于固定封閉環境，當面臨開放動態場景時，多模態數據存在較強不確定性、關聯關系存在動態變化，數據呈現長尾分布而尾部不易建模，測試過程中新樣本不斷涌現，樣本多樣性和多樣性對抗策略使模型失效。針對上述問題，胡教授介紹最近的研究重點及成果，包括多模態數據動態融合、長尾數據的多粒度遷移學習、開放場景的自主學習和選擇則性資助學習。
黃華教授的報告題目是“基于物理模型的計算光譜成像”。黃教授首先介紹光譜及光譜圖像的應用、傳統光譜成像技術和快照光譜成像技術，還介紹編碼感知計算光譜成像及其存在的成像速度和精度的問題。針對上述問題，黃教授介紹其團隊在編碼感知計算光譜成像的物理模型和重構算法方面的研究成果。從計算光譜成像的系統組成入手，分析光信息傳遞的物理規律，建立基于物理的系統前向模型。在分析計算光譜成像重構算法的基本模型之后，基于深度展開的計算重構思想，融合準確的物理模型與先進的圖像先驗，實現高質量高速度的計算光譜成像。
桑農教授的報告題目是“時序行為檢測技術研究”。桑教授首先介紹時序行為檢測背景及意義，包括該技術的在多個領域的實際應用及相關數據集，然后介紹若干個目前時序行為檢測的前沿方法，包括傳統的方法和基于深度學習的方法。桑教授詳細介紹他們團隊研究提出的時序邊界微調算法、將自監督引入半監督時序行為檢測的方法。最后在總結和展望中，桑教授指出設計輕型網絡以提高檢測效率、有效界定檢測邊界和半監督及自監督應用是以后的研究方向。
王立威教授的報告題目是“應用?∞-距離神經網絡驗證?∞魯棒性”。王教授由對抗魯棒性研究入手，分析噪聲對深度神經網絡重要影響，發現深度學習對微小對抗擾動異常敏感。王教授致力于尋找能夠抵抗?∞波動的新型神經網絡，設計?∞-距離神經元，基于該神經元的網絡是關于?∞范式的1-Lipschitz函數，這嚴格保證基于輸出結果邊沿的認證魯棒性。該網絡的Lipschitz常數小于等于1，圍繞該網絡開展進一步研究，在MNIST、CIFAR-10、TinyImageNet三個常用數據集上的指標表明該網絡具有良好的性能。
張敏靈教授的報告題目是“偏標記學習的研究：最新進展”。張教授首先分析傳統強監督學習的缺陷，舉例說明包括半監督學習、多標記學習、多實例學習在內的弱監督學習范式。偏標記學習在多媒體內容自動標注、自然語言處理、生態信息學等領域得到成功應用，張教授分析偏標記學習與半監督學習、多標記學習、多實例學習的異同點，指出現階段偏標記學習的關鍵問題是標記消歧，基于真實標記辨識策略和候選標記平均策略介紹現階段一些主要偏標記學習方法，最后給出偏標記學習的相關學術資源。
黃華教授對各位專家報告內容進行總結，希望參會人員在以后的科研學習工作中與報告專家開展更多交流，最后宣布論壇結束。
