在這次活動中，我們設定了人工智慧論壇、AI x Science 論壇和首席智行官大會三場論壇，並邀請到了 30 位重量級嘉賓，圍繞多個當下最具討論價值的議題進行了充分的交流。雖然未能線下相聚，但大家熱情不減：活動當天，直播觀看人數共計 26000 餘人。各位嘉賓的精彩討論與觀點，也引起了線上觀眾的熱議。作為人工智慧論壇首位出場的嘉賓，鄭緯民院士分享的主題是《FABS：人工智慧、大資料與科學計算融合的計算模式》。近年來，智慧計算正在加速與傳統的科學計算融合，在蛋白質結構預測、天氣預報以及分子動力學等方面都取得令人矚目的進展。AI 和科學計算都依賴於資料處理，但現有智慧 + 科學計算（AI-HPC）系統主要採用 MPI+X 的程式設計模式，表達資料處理任務複雜，而加入一套資料處理系統如 Spark 或 Pandas 又面臨系統複雜性、效能或成本方面的挑戰。此外，MPI+X 的容錯能力相對較差，依賴全域性檢查點和重算技術，在系統規模擴充套件到 E 級和後 E 級時，全機平均無故障時間僅有數小時，對機器的有效使用提出重大挑戰。因此，始終缺乏一種能有效表達 HPC+AI+BigData 的程式設計方式。基於此，鄭緯民院士提出了人工智慧、科學計算與大資料處理（FABS：Fused AI, Big Data and Science）融合的計算模式，透過統一的張量抽象和編譯最佳化技術，同時為這三個領域提供了易程式設計、高可用、高效能的程式設計模型和計算模式，將為大規模 AI+Science 的發展提供重要的工具。接下來，前微軟 AI 首席科學家、城堡基金首席人工智慧官鄧力分享了他在語音語言、金融投資、線上教育和健康醫療方面的實踐經驗。近年來，包括深度學習在內的人工智慧技術已經徹底顛覆了全球的語音識別和自然語言處理行業，也對金融投資行業帶來了巨大沖擊，並且得到了初步的傑出成果。除此之外，線上上教育、醫療健康等其他領域，基於深度學習的自然語言處理技術也正在成為主流方法。為了取得更廣泛的成功和應用，有幾項技術上的挑戰亟待解決，比如模型的預訓練和自訓練、如何做遷移學習等問題，這些問題的解決對於少樣本和高噪聲標註資料相關領域的進展會很有幫助，比如醫療和金融行業。鄧力指出，另外一個很大的挑戰來自對抗式學習，即針對多智慧體的對抗式的深度學習，以股票預測為例，在股票市場的統計分佈上，今天和明天可能非常不一樣。為了要解決對抗性競爭的問題，這一領域的技術還需要更多的進展。杜克大學電子計算機工程系教授陳怡然的分享主題是《高效人工智慧系統的軟硬體協同設計》。過去的 100 年裡，計算能力呈現出指數增長的趨勢，蘊含著無限的可能。關於人工智慧的計算平臺分為很多種，但不管是 GPU、FPGAs、ASICs 還是其他新型架構，基本遵循了同樣的原則：更高效，或者需要更長的時間；更專業，或者更靈活，實際上很難在多個維度達到統一。面對這樣的矛盾，多年來，陳怡然教授的團隊做了很多相關研究積累，從 2012 年開始研究不同硬體上的表達，到後來做架構設計、分散式的設計，甚至到自動化的設計。同時，陳怡然教授也指出，全棧高效人工智慧系統設計中還存著很多機遇和挑戰，很多方向的工作還需要更深一步的研究。隨後，螞蟻集團金融機器智慧部總經理周俊進行了主題為《可信 AI 在數字經濟中的實踐與探索》主題分享。周俊介紹，如果將數字經濟比作一棵樹，樹幹中的人工智慧 (AI)、大資料、雲端計算等技術，構成了數字經濟的核心，起著承上啟下的作用；樹根中的隱私、安全等因素，決定長勢以及未來；樹幹跟樹根必須緊密融合，才能枝繁葉茂，其中 AI + 隱私、AI + 安全等成為當下亟需突破的方向。而可信 AI 技術理念將是數字時代抵禦風險，提升科技包容度的關鍵能力之一，該體系目前在隱私保護、可解釋、對抗等技術方向上，已有不少的研究突破和落地，也依然任重道遠，需要持續投入。 在圖機器學習方向，螞蟻集團提出了圖學習系統 AGL，可支援工業級規模的圖資料結構，助力交易風險識別；在公平性方向，提出了 SMEs(中小企業) 信用評分，透過圖學習，融合多源資訊，挖掘潛在的複雜模式，助力中小企業享受金融服務；在可解釋性方向，提出了模型無關的可解釋方法 COCO，透過資訊加權進行有限擾動得到反例樣本，然後透過度量反例樣本，計算測試樣本的特徵重要度，來給出任意模型的可解釋性；此外周俊分享了螞蟻集團將分散式機器學習與密態計算相結合提出了隱私保護機器學習方法 CAESAR，可進一步在增強資訊保護強度情況下，提升計算效率並降低通訊量。周俊最後總結，圍繞隱私保護、魯棒性、可解釋性、公平性構建的可信 AI 技術理念，將持續推動提升人工智慧技術在數字經濟場景中的透明度、友好性，讓決策更智慧，使得數字經濟深度智慧化。隨後，創新奇智 CTO、聯合創始人張發恩介紹了創新奇智在人工智慧技術落地商業化方面的工作，包括視覺相關和結構化機器學習的技術，以及創新奇智打造的 MMOC（MenuVision、MatrixVision、Orion、Cloud）平臺。在上午的最後一場演講中，IDEA 研究院工程總監、AI 平臺技術研究中心負責人謝育濤分享了對學術研究工具和新型科研生態的思考。新技術浪潮下，科研生態中各個節點都有很大的最佳化迭代空間。謝育濤以論文社群 Readpaper 為例，為本次論壇觀眾展示了一個高效而專業的新型學術社群。其中論文搜尋、文獻管理及閱讀和學術交流小組等功能已成為早期使用者的科研利器。在最後環節，機器之心 Pro 對即將於 4 月份釋出的新一年度《全球 AI 技術趨勢發展報告》的部分內容進行了簡要解讀。目前，機器之心《2021-2022 全球 AI 技術趨勢發展報告》專案組已基本完成對 11 個國際頂會收錄的學術文獻、數百個近年知名數字化轉型及科技創新專案、近百個 AI 開發工具的資料分析等基礎工作，並結合定向專家訪談完成了大部分的基礎研究工作。
在下午的論壇分享中，FATE 聯邦學習開源社群技術委員會主席楊強首先帶來了「可信聯邦學習」的主題分享，系統回顧聯邦學習的進展和挑戰，並展望了幾個重要發展方向。楊強指出，今天的 AI 依舊存在過度依賴中心化資料的瓶頸。在真實世界中，資料往往表現出多源、分散、變化大等特徵，隱私計算技術的發展和應用也愈發引人關注。其中，可信聯邦學習具備安全可證明、效能可使用、效率可控、決策可解釋、模型可監管、普惠等特徵。近兩年，聯邦學習被納入 Gartner 技術成熟度曲線（全球科技新動向最具參考價值的報告之一），處於技術創新萌芽期的聯邦學習正受到越來越多地關注，成為下一代隱私計算發展的關鍵。全球首個隱私計算、聯邦學習開源社群 FATE 也隨之誕生，目前，FATE 已經吸引了 3000 + 工程師與開發者，800+ 家企業機構，350+ 所高校參與，並累計收穫了 3200 GitHub Star。中國信通院調研統計顯示，55% 的國內隱私計算產品是基於或參考了開源專案，其中以 FATE 開源專案為主。創新工場首席科學家、瀾舟科技創始人、中國計算機學會副理事長、國際計算語言學會原主席周明的分享主題為《認知智慧的創新時代》。他介紹了瀾舟科技的新一代認知服務引擎計劃包括輕量化預訓練模型以及自然語言理解和生成的進展、分享關於它的未來發展趨勢以及商業落地的觀點。當前，AI 正由感知智慧快速向認知智慧邁進。AI 正在從能說會看，走到能思考、回答問題，走到決策和推理。面向認知智慧的發展趨勢和產業背景，創新工場孵化的瀾舟科技提出了孟子新一代認知服務引擎研究計劃，目標是研究認知智慧的核心任務，用認知智慧技術促進行業數字化轉型。瀾舟科技研製了孟子輕量化預訓練模型，以及建立在其上的先進的機器翻譯、文字生成和行業搜尋引擎，並透過開源、SaaS 和訂製等方式賦能行業客戶。周明指出，未來十年，AI 將從感知智慧跨越到認知智慧，造福人類社會。今後的發展方向，一方面是沿著預訓練的延長線，解決模型蒸餾、壓縮、輕量化模型核心技術，減輕資料偏差和隱私帶來的問題；另一方面，還需要在演算法上解決一些重要問題，包括神經網路系統和知識系統的融合，研究更好的小樣本學習機理，常識的啟用和建立、可解釋機制等。上海科技大學副教務長、資訊科學與技術學院教授與執行院長虞晶怡帶來了關於數字人的精彩內容分享。近幾年，數字人成為了最火熱的技術概念之一。虞晶怡介紹說，這一領域目前呈現幾種趨勢。首先傳統的三維重建經典演算法正逐步被基於深度學習的演算法所取代。同時，好的重建已經被好的渲染所替代。原本做好的重建必須要有好的三維幾何。而現在，基於神經網路渲染生成的圖片已經足以達到類似乃至更好的視覺效果。最重要的是，整個領域正在從顯式表達往隱式表達發展。原來的三維重建講的是點雲、貼圖、BRDF 光照，現在講的是 NeRF、NeuS、NPG。未來，用類似神經網路的隱式表達替換掉傳統的顯式表達有望成為 3D 視覺和其在虛擬現實、元宇宙等方向的研究重點。南京大學人工智慧學院教授、南棲仙策創始人俞揚分享了主題為《將強化學習超人的決策能力帶進現實》的相關內容。當前，強化學習技術已經在圍棋、遊戲等任務上取得超越人類的通用決策能力，我們十分期待強化學習也在現實應用中落地，讓我們具有強大的決策能力。實現這一目標的阻礙之一，是現有強化學習技術缺乏人類一般的想象力，只能從大量試錯中尋找最優決策，遊戲恰好為大量的試錯提供了可能。在演講中，俞揚教授介紹了自己在使強化學習具備想象力這一方向的工作，以及在現實業務中對強化學習的應用。隨後，數坤科技研發副總裁危夷晨帶來了《AI 在醫療影像的應用和探索》的主題演講。這些年，AI 在醫療影像的應用逐漸成熟落地，行業正在快速變化。由於醫療行業的特殊性，AI 產品的門檻較高，研發過程也較為複雜。在演講中，危夷晨介紹了該行業產品研發的特點、現狀和未來。圖神經網路和幾何深度學習是深度學習的新興方向，在蛋白質預測、新藥設計、數學定理證明和發現等領域有重要應用，是可信人工智慧的重要模型。在論壇的最後，上海交通大學自然科學研究院和數學科學學院副教授王宇光介紹了幾何深度學習和圖神經網路的研究進展和發展趨勢。如今，機器之心旗下的 Auto Byte 已成立一年有餘，作為一家聚焦智慧出行的資訊平臺，此次也舉辦了並行論壇——「首席智行官大會」。在本次大會上，Auto Byte 邀約到了多位來自主機廠、自動駕駛公司、晶片企業的領袖級人物，共設定五場主題分享與兩場圓桌論壇，受到了業內外的廣泛關注。本次大會的嘉賓包括：集度汽車 CEO 夏一平、毫末智行聯合創始人兼 CEO 顧維灝、寒武紀行歌執行總裁王平、AutoX（安途）創始人兼 CEO 肖健雄、路特斯科技副總裁兼智慧駕駛業務線負責人李博、黑芝麻智慧首席市場營銷官楊宇欣、芯擎科技董事兼 CEO 汪凱、馭勢科技聯合創始人兼首席產品官周鑫、圖森未來聯合創始人兼首席架構師郝佳男、宏景智駕聯合創始人董健、禾多科技副總裁戴震共 11 位嘉賓參與。大家就當前大熱的智慧出行各個領域，進行了深入的分析與交流。在演講環節中，集度汽車 CEO 夏一平分享了一份內部調研資料：當前使用者在靜止狀態下電動汽車裡的所處時間，已經等於或超過開車的時間。電動化 + 智慧化正在讓汽車變成第二生活空間，AI 帶來了技術革新、效率提升和體驗顛覆，2023 年將是汽車智慧化競爭的元年。他還提到，智慧汽車 3.0 時代已經到來，集度汽車機器人自由移動、自然交流和自我成長的特性，正是這一時代的產品特點。此外，智慧汽車 3.0 時代也將更注重軟體安全性，集度汽車也為此自研了電子電氣架構、域控制器，從軟硬結合角度保證整體安全性。在該領域，致力於自動駕駛的人工智慧技術公司毫末智行也有著豐富經驗。該公司聯合創始人兼 CEO 顧維灝表示，資料智慧是自動駕駛 AI 進化最根本的驅動力，透過對回饋資料進行進一步學習挖掘處理訓練得到的更優演算法、服務模式 OTA 到車端，可以給使用者帶來更好的系統表現。而在這個流程中，成本和速度是最關鍵的兩方面，也是資料智慧的思想鋼印。顧維灝認為，在自動駕駛行業業內，誰能高效低成本的挖掘資料價值，誰就能成為競爭的王者。資料智慧是 AI 自動駕駛技術進化的核心，而完善的資料智慧體系是 AI 自動駕駛科技公司成功的基石。截止到目前，毫末輔助駕駛使用者行駛里程已經突破 600 萬公里。提到自動駕駛，當下最熱門的硬體話題當屬晶片。寒武紀行歌作為專注自動駕駛領域的晶片公司，其規劃路線備受關注。該公司執行總裁王平也在演講中談到了智慧駕駛規模化落地在晶片上面臨的多重挑戰：例如目前單片處理能力不夠的問題，導致系統複雜度明顯提高。而多片方案又會造成預控制器的功耗偏高，必須採用風冷甚至液冷，增加系統成本，難以在燃油車或經濟型電動車上普及。另外他也提及，國產晶片的佔比仍然偏低，整體供應鏈還面臨較大挑戰。而談到自動駕駛晶片未來的趨勢，王平也給出了兩個判斷：一個是通用開放式，一個是大算力。他表示，在 L1 和 L2 級自動駕駛時代，因為資料量是相對較少，很多車企可接受晶片和演算法強耦合的封閉式的一體化方案，但 L3、L4 時代資料量激增，演算法也更加複雜，需要大算力晶片才能夠滿足需求。未來，寒武紀行歌也將推出覆蓋不同級別自動駕駛的產品，包括將於今明兩年推出的 SD5223（今年）和 SD5226（明年）兩款晶片。其中，SD5223 是面向 L2 + 市場的產品，最大算力超過 16 TOPS，單顆 SOC 就可以實現行泊一體的功能；SD5226 則是針對 L4 市場、支援車端訓練的產品，採用 7nm 製程，AI 算力超過 400 TOPS，CPU 最大算力超過 300K+DMIPs。作為正在經歷全新蛻變的超豪華品牌，路特斯科技方面也分享了行業及技術層面的思路：路特斯科技副總裁兼智慧駕駛業務線負責人李博表示，在路特斯內部使用者訪談中，智慧化體驗已經超過配置、品牌和服務，成為影響購買 70 萬元以上高階豪華車的首要因素，而其中，智慧化在重新定義豪華車上佔很大比重。智慧化時代下，智慧駕駛系統能力開始替代動力效能，成為純電智慧車最關鍵的部分。李博還表示，路特斯將用接管里程和覆蓋里程重新定義智慧駕駛分級，目標是打造出覆蓋高速快速路、城市路和泊車場景的端到端智慧駕駛，同時以更高精度全覆蓋的感知能力、更懂博弈的認知能力、更快更穩的規控能力，打造路特斯所特有的「賽道級智慧駕駛」。對於自動駕駛商業化的另一條路線，也是被看做自動駕駛最終應用場景的 RoboTaxi 已成為業界普遍關注的熱點。對此，AutoX（安途）創始人兼 CEO 肖健雄分享了自己的觀點：只有達到現有網約車相同的實用性，徹底拿掉安全員、不限目的、不限區域的自動駕駛，才是真正的商業化。此外，「首席智行官大會」還設定了「大算力時代下的晶片挑戰」、「自動駕駛商業化如何走向成熟」兩場圓桌論壇。黑芝麻智慧首席市場營銷官楊宇欣、寒武紀行歌執行總裁王平、芯擎科技董事兼 CEO 汪凱、路特斯科技副總裁兼智慧駕駛業務線負責人李博，就晶片問題進行了全方位的探討。2021 年被稱作鐳射雷達上車元年，伴隨上車的還有自動駕駛計算平臺開始突破 1000TPOS。這種趨勢在楊宇欣看來，現在算力已經成為判斷汽車智慧化程度的重要指標，車企希望透過突出算力值，讓終端使用者對車企的自動駕駛能力有更多認知。當前的算力理論上已經可以滿足 L2+、L3 自動駕駛系統需求，接下來重點是將場景和體驗做得更好。他還補充稱，「算力堆料」是一種為後續技術升級的必要冗餘，從商業邏輯和技術演進來講，晶片企業也需要幫助客戶用更小的成本、更高的系統集中度、更低的功耗，實現更好的自動駕駛功能，這是晶片企業一直在努力，也是推動大家技術演進和產品路線中演進的一個點。作為代表主機廠需求側的李博，則從另一個維度解釋了硬體冗餘的意義。他提出，軟體定義汽車，硬體定義軟體天花板，預留足夠算力、預留足夠感測器，是給未來智慧駕駛系統的效能需求留出冗餘。否則就像當前的應用程式邏輯上能在老款手機跑通，但卻無法真正有效執行。王平也提到，目前汽車在 OTA 趨勢下，已呈現出軟硬體逐漸解耦的趨勢。相比硬體，軟體更容易透過 OTA 便捷升級的特點，促使車企在算力上做選擇性預埋，即使這部分現在用不到。除此之外，特斯拉、小鵬等車企自研自動駕駛計算晶片，也正在成為一種趨勢。芯擎科技董事兼 CEO 汪凱稱，這是因為晶片短缺讓主機廠更加重視供應鏈多樣性和供給安全，另一方面是高算力晶片已經成為車企的核心競爭力，供應商晶片越來越難以滿足主機廠迭代速度、成本和效能要求。但他也認為，這種路線面臨著諸多挑戰：自動駕駛晶片的門檻較高，一旦走彎路就將面臨巨大的資金損失，也將造成規劃上的不協調。車規級晶片與消費級晶片不同，對效能、功耗和可靠性的要求更高，還要完成車規級認證，週期更長，投入也更大，需要透過在多款車的應用普及來收回前期成本，因此需要推出更包容、更有競爭力的產品體系來滿足不同車廠的需求。此外，參會嘉賓還對晶片短缺問題進行了解答。一致的觀點是，目前擴產成本較高，晶片商在不敢保證接下來幾年還有同樣需求的情況下，盲目擴充產能。儘管當前的產能已經從疫情中恢復過來，但去年被抑制的需求還未得到滿足，真正解決可能要等待明年。在第二場關於「自動駕駛商業化」的圓桌環節中，馭勢科技聯合創始人兼首席產品官周鑫、圖森未來聯合創始人兼首席架構師郝佳男、宏景智駕聯合創始人蒹軟體演算法 VP 董健、禾多科技副總裁戴震，也展開了熱烈的討論。馭勢科技聯合創始人兼首席產品官周鑫、圖森未來聯合創始人兼首席架構師郝佳男均認為，效率和成本是自動駕駛在 B 端實現商業化的前提：要麼做到效率比人更高、要麼做到全無人自動駕駛。但要想實現最後的商業邏輯，不僅需要非常高的安全性和可靠性，還需要法規的逐步完善。作為同時面向 B 端和 C 端使用者的企業，宏景智駕聯合創始人蒹軟體演算法 VP 董健表示，目前的落地速度也比想象更快，一兩年出現將出更多量產車型。不過，受制於法律法規問題，多數車企推出的將是具備 L3 級自動駕駛體驗、但依據 L2 + 級法規體系開發的車型。禾多科技副總裁戴震對於自動駕駛的 C 端落地還給出了更具體的時間點——預計 2025 年將是關鍵時間節點，屆時自動駕駛技術的量產、消費者的接受度、基礎設施及法律法規完善都將逐步落地。
本次「AI x Science 論壇」論壇中，美國芝加哥豐田計算技術研究所教授許錦波做了題為《蛋白質結構和功能預測》的報告。報告概括了蛋白質機構預測領域的研究進展：人工智慧顛覆了蛋白質結構預測領域的發展，也改變了分子生物學家的研究思路，從基於序列研究轉變為基於結構的研究。同時促進了基於結構的藥物發現和設計，提高了蛋白質從頭設計的效率。另一方面，許老師也指出，當前的蛋白質結構預測還有一些未完全解決的問題，比如蛋白質與其他分子的相互作用、單點突變對蛋白質結構和功能的影響、孤兒蛋白質結構預測等等。隨後，西湖大學特聘研究員、博士生導師、西湖實驗室 iMarker 主任、西湖歐米創始人郭天南博士做了題為《AI 賦能的蛋白質組大資料科技》的演講。演講以團隊近期研究為例，展示了蛋白質組學在生命科學中的價值和應用，將人工智慧應用於蛋白質組學，並與大量臨床資料相結合，探索生物標誌物，加速蛋白質組學技術成果在腫瘤領域的最新進展，同時介紹了 AI 賦能的蛋白質組大資料科技領域的產業轉化 / 落地等前沿資訊。在「AI x Science 論壇」上，智化科技創始人、董事長兼 CEO 夏寧分享了主題為《AI 輔助化學合成路線設計助力提升創新藥研發效率》的相關內容。 新藥研發面臨著成本高，時間長，成功率低的巨大痛點。智化科技專注於化學合成路線設計，其獨立研發的演算法基於資料學習和化學知識進行分解，解決了可解釋性、化學反應資料量兩大問題。除了逆合成平臺外，還在化學工藝路線設計、化學反應條件、副產物預測分析、分子庫生成等領域進行了研究。未來，智化科技將持續最佳化以提供路線的多樣性和可行性，利用來自 ELN 的失敗反應資料避免失敗，以及進行多步策略學習。百度深圳研發中心自然語言處理部技術總監，螺旋槳 PaddleHelix 生物計算平臺負責人何徑舟進行了題為《飛槳螺旋槳 PaddleHelix 賦能生物醫藥：AI 技術在藥物研發領域的探索和應用》的主題報告。他從 AI 在生物醫藥行業面臨的挑戰和思考，以及助力生物醫藥行業進行了分享，系統介紹了基於預訓練技術以及螺旋槳 PaddleHelix 取得的進展：化合物表徵模型 GEM 和蛋白 PPI 表徵模型 S2F。何徑舟指出， AI 在藥物研發擁有巨大的潛力，未來預訓練利用海量無標註資料進行自監督學習、多工學習增強模型泛化能力、分子空間結構特徵進行模型表徵，能夠大幅提升 AI 生產效率，降低藥物研發生產門檻。 創材深造創始人兼 CEO 王軒澤在「AI x Science 論壇」分享了主題為《AI + 金屬材料：更適合產業落地的方向》的相關內容，就 AI 產業落地過程中可能遇到的問題進行了討論，包括精度陷阱；行業壁壘並非技術，傳統大廠轉型自研；某些 toB 領域存在的一些問題；黑盒性質嚴重，客戶不認可，短期內取代不了關鍵崗位人員；演算法效果驚豔但落地艱難等精彩觀點。 王軒澤介紹說，AI 賦能金屬材料的產業化，可以有效的規避或解決上述 AI 落地中的難點問題。從另一方面講，高階金屬材料是一個經常被忽視的市場，隨著產業升級和戰略轉型，國產化替代的需求被迅速放大。高階金屬領域最主要的難點在於過長的研發週期和過大的研發投入，因此使用 AI 賦能新材料的研發成為了彎道超車的最優解。 腦陸科技創始人兼 CEO 王曉岸女士做了題為《基於 AI 的腦機技術助力更廣泛的社會價值與機理發現》的演講。腦科學以闡明腦和神經系統的工作原理和機制為目標。演講指出，隨著人工智慧技術取得突破性進展，腦科學的巨大潛力再次受到科學界的高度重視。自 2019 年以來，與 AI 的結合推動了腦核磁成像、腦機介面等技術在應用層面的飛速發展，為腦疾病診斷與治療、精神與睡眠健康管理、娛樂互動、安全生產等行業提供了新的解決方案。未來，產學研屆將共同發現越來越多大腦機制，並普惠服務更廣泛的人群。清華大學智慧產業研究院（AIR）助理教授黃文炳博士的演講主題為「AI×Science 論壇」做了題為《GNN for Science: Graph Mechanics Networks》。他介紹了人工智慧結合物理學中多體問題的應用，解讀了一種全新的圖神經網路——圖力學網路 GMN，這種網路將物理定律融入到圖神經網路的構建當中，初步探索了資料驅動和知識驅動結合的優勢。同時，他還解釋了 GMN 在物理、生物醫藥方面的應用。 黃博士指出，已經有越來越多的人工智慧方法，在解決傳統自然科學等問題上大放異彩，未來可以更多關注如何將現有資料驅動的機器學習模型和基礎科學領域的知識進行結合。當然，目前仍然處於一個比較初始的探索。 機器之心後續將在 B 站上傳回放影片，也會把嘉賓演講內容整理成文字釋出，歡迎大家關注。回放觀看地址：https://space.bilibili.com/73414544 
