2月2日，由中科院香港创新院人工智能与机器人创新中心（以下简称人工智能与机器人创新中心）主办的“人工智能前沿论坛”在线上召开。“人工智能前沿论坛”是人工智能与机器人创新中心组织的国际性学术交流系列活动的首场，旨在通过邀请全球英才共同探讨人工智能未来发展的关键前沿理论和技术难题，促进人工智能研究方向纵深发展，推动人工智能科技与人才的交流。 

　　在全球抗击新冠肺炎疫情的特殊时刻，“人工智能前沿论坛”全程采用线上形式，与专家学者和青年才俊云上相聚，围绕人工智能领域当下的热点问题展开研讨，吸引了超2万人在线观看。论坛主席由中国科学院自动化研究所所长徐波研究员担任，程序委员会主席由张兆翔研究员担任，自动化所副所长刘成林研究员和雷震研究员共同担任子环节主持人。   

　　徐波在致辞中表示，人工智能与机器人创新中心将充分结合内地和香港在不同领域内的优势，围绕新一代人工智能基础理论、新型人机交互技术与设备、面向健康和无障碍的智能技术、人工智能开放平台技术等方面开展研究工作，助力粤港澳大湾区科创建设。他诚挚邀请海内外贤才加入，携手同行，共创人工智能与机器人发展新篇章。 

　　在主旨演讲环节，清华大学教授施路平，欧洲科学院外籍院士、澳大利亚科学院院士陶大程，香港理工大学讲席教授张磊和香港科技大学教授James Kwok聚焦类脑计算、深度学习分别带来了精彩的主旨演讲。 

　　施路平表示人工通用智能研究目前面临的挑战在于计算机科学和神经科学分别发展，缺少多学科的深度融合，而借鉴人脑存储处理信息方式的新型计算技术类脑计算将是未来发展的关键之一。他对利用双脑驱动融合发展的类脑计算方式进行了探讨，认为其仍处于起步阶段，尚未形成公认的技术方案，需要理论、芯片、软件、系统和应用协同发展，是人工通用智能竞争的基石，可以赋能各行各业。 

　　陶大程带来了可信深度学习的见解。他回顾了深度学习理论的发展，指出隐私权和鲁棒性依然是人工智能发展存在的重要问题。尽管神经网络仍然存在一些问题，但研究人员依旧对现在的深度学习抱有期望，希望模型的鲁棒性更高、能耗更低、可解释性更强、能适应动态环境，注重人的隐私安全且易于使用。未来，人工智能将与人的价值观更加贴合，推广技术的同时要注重对隐私的保护。 

　　张磊认为归一化方法对于有效和高效地优化深度神经网络非常重要，合理使用可已使训练过程更稳定。在报告中，他分享了深度神经网络学习归一化方法的两个最新进展Batch Statistics Regression for Batch Normalization和Gradient Centralization for Deep Neural Network Learning，可提高模型的优化和泛化。  

　　James Kwok观察到当前人们对于机器学习知识的需求非常大，自动机器学习（AutoML）可以在一定程度上缓解机器学习人才短缺带来的压力。他在演讲中分享了关于自动机器学习的最近进展，并具体介绍了使用自动机器学习进行有效的神经结构搜索和协同过滤中的交互功能搜索等研究。 

　　在学术报告环节，来自哈尔滨工业大学的左旺孟教授、中科院数学与系统科学研究员的刘歆研究员、香港中文大学（深圳）的吴保元副教授、中国人民大学的刘勇副研究员以及中山大学的杨猛副教授、香港城市大学的王诗淇助理教授分别围绕自监督上下文建模及底层视觉应用，Stiefel流形优化的新方法——分布式计算，人工智能安全，大规模机器学习模型选择理论，语义分割和目标定位的弱监督学习以及面向高准确性及强泛化能力的人脸活体检测等研究方向，分享了各自独到的见解，为观众带来了一场前沿、丰盛的人工智能盛宴。 

　　中科院香港创新院是中国科学院在香港设立的首个科研机构，其建设和发展定位为国际一流新型研发机构，吸引国际高端人才创新的高地，科技创新合作交流的枢纽，是建设粤港澳大湾区具有全球影响力国际科技创新中心的重要组成部分，先期依托中科院自动化所在香港科学园设立人工智能与机器人创新中心。未来一段时间，创新中心将致力于搭建国际科技交流与合作的共享开放平台，现面向全球招聘高层次人才，组建高水平、国际化的研究队伍，共创人工智能发展美好未来。