中新網(wǎng)上海新聞7月9日電(許婧)由上海交通大學安泰經(jīng)濟與管理學院主辦、上海財經(jīng)大學信息管理與工程學院協(xié)辦的首屆智能計算與決策研討會6日至8日在上海舉辦，與會嘉賓共同探討了智能計算領域的最新前沿和發(fā)展趨勢。開幕式上，上海交通大學智能計算研究院揭牌成立。
上海交通大學智能計算研究院應時代發(fā)展所需成立，掛靠安泰經(jīng)濟與管理學院建設，以推動我國關鍵工業(yè)軟件、管理軟件國產(chǎn)化、類CUDA庫函數(shù)生態(tài)建設和為國家重大項目智能計算提供全國產(chǎn)化的技術替代方案為目標，旨在培養(yǎng)頂尖智能計算人才，推動智能計算技術的發(fā)展與應用。
上海交通大學智能計算研究院院長葛冬冬作任職表態(tài)發(fā)言。他表示，將充分利用研究院和研討會的平臺，在決策與優(yōu)化的基石性工具和優(yōu)化算法的建設方面，努力把團隊發(fā)展成為引領智能計算領域發(fā)展的風向標。
上海市委組織部部務委員、市人才局副局長譚樸珍在致辭中表示，人工智能要實現(xiàn)跨越發(fā)展，關鍵在人才。上海始終將發(fā)展人工智能作為優(yōu)先戰(zhàn)略，通過舉辦世界人工智能大會、實施積極和開放的人才政策，瞄準高價值科技工作，助力全球人工智能人才聚集發(fā)展。他指出，智能計算研究院是上海交通大學深化人工智能領域研究、吸引集聚高層次人才的重要載體，期待研究院加快建成世界一流智能優(yōu)化算法研究中心和產(chǎn)學研示范基地，為上海人工智能產(chǎn)業(yè)發(fā)展和人才集聚提供強有力支撐。他表示，市委組織部、市人才工作局將一如既往支持人工智能領域人才經(jīng)濟融合發(fā)展，為廣大優(yōu)秀人才提供全方位的貼心服務和高品質(zhì)的發(fā)展環(huán)境。
上海交通大學校務委員會專職副主任顧鋒介紹了學�！叭瞬艔娦！敝鲬�(zhàn)略，希望通過打造智能計算研究院這一平臺聚集優(yōu)化算法領域的領袖級學者和青年才俊，充分發(fā)揮在人工智能領域具有的學科、人才和區(qū)位優(yōu)勢，更好地服務對接國家戰(zhàn)略需求和上海三大先導產(chǎn)業(yè)發(fā)展任務。他希望智能計算研究院一一是心懷“國之大者”，繼續(xù)攻堅克難，為實現(xiàn)我國在人工智能領域的高水平科技自立自強做出更大貢獻；二是加強資源整合，積極與兄弟學院和機構開展合作，加強向基礎研究機構汲取力量，主動服務不同學科的交叉研究，高效利用各類資源；三是促進國際交流，保持和發(fā)揚研究院開放合作的研究態(tài)勢，擴大國際科技交流合作，為我國構建形成具有全球競爭力的開放創(chuàng)新生態(tài)貢獻力量。
安泰經(jīng)濟與管理學院院長陳方若強調(diào)了大數(shù)據(jù)、人工智能作為第四次工業(yè)革命的核心，對社會和經(jīng)濟產(chǎn)生了深遠的影響。他表示，生產(chǎn)力特別是新質(zhì)生產(chǎn)力的概念中不只有技術、也應有管理，只有兩者結合，才能發(fā)揮更大作用。他強調(diào)，人工智能是學校重要的發(fā)展方向之一，希望智能計算研究院加強和人工智能學院等單位的深度合作，推動取得更多研究成果。此外，他介紹了學院“縱橫交錯、知行合一”的發(fā)展戰(zhàn)略，表示將持續(xù)服務國家重大戰(zhàn)略，積極做出自身貢獻，爭取早日實現(xiàn)成為一所扎根中國的世界級商學院建設愿景。
斯坦福大學講席教授、上海交通大學訪問講席教授葉蔭宇作主題為“Classical Mathematical Optimization Methods Could Help AI Training”的演講。他指出，隨著大語言模型(LLMs)的不斷發(fā)展，快速微調(diào)模型以適應不同任務成為亟待解決的問題。盡管常用的Adam算法表現(xiàn)良好，但其需要占用大量內(nèi)存和顯卡資源。受坐標下降法啟發(fā)提出的BAdam算法，在保持性能的同時可以顯著降低內(nèi)存使用，使得在單枚消費級GPU上微調(diào)大模型成為可能。此外，一種僅使用少量學習率參數(shù)進行預處理的Adam-mini算法，可以減少50%的內(nèi)存使用和33%的模型訓練時間，特別適用于降低預訓練(pre-training)任務的資源消耗。這些新算法在提升大模型訓練效率和資源利用率方面展現(xiàn)出巨大的潛力。
耶魯大學教授、美國藝術與科學學院院士陳曉紅作主題為“STEEL: Singularity-aware Reinforcement Learning”的演講。她指出，在離線強化學習中，離線數(shù)據(jù)集生成過程和目標策略之間的分布可能存在顯著差異，特別是在狀態(tài)和動作空間連續(xù)的情況下。提出的算法STEEL在貝爾曼完備性和分布魯棒性假設下，通過最小化Bellman誤差，利用最大均值差異(MMD)來控制奇異性。數(shù)值試驗表現(xiàn)證明了該算法在實際數(shù)據(jù)和模擬環(huán)境中的優(yōu)異性能，并提供了有限樣本遺憾保證，證明了STEEL算法在應對離線強化學習分布失配問題中的有效性。
紐約大學斯特恩商學院Andre Meyer冠名終身教授陳溪作主題為“Proof of Learning via Incentive-Security”的演講。他表示，隨著深度學習的發(fā)展，模型和參數(shù)的規(guī)模不斷擴大，分布式訓練成為必要的解決方案。與此同時，確保模型分布式訓練過程的公平性和可信度變得越來越重要。學習證明(Proof-of-Learning)通過激勵機制和安全措施，隨機選擇和驗證訓練過程中的某些階段，防止作弊行為的發(fā)生。為了確保驗證者的誠實行為，這一方法引入了“捕捉旗幟”(Capture-the-Flag)的概念，即在訓練過程中設置隨機標志，并激勵驗證者去尋找這些標志，從而提升驗證的效率和安全性。
普林斯頓大學電子計算機工程系終身副教授王夢迪作主題為“大模型時代——控制與智能”的演講。她表示，隨著大語言模型的發(fā)展，確保AI系統(tǒng)的可控性成為關鍵問題�；谌祟惙答伒膹娀瘜W習(RLHF)雖然可以對齊大模型但面臨著獎勵黑客等問題。雙層強化學習算法通過同時對齊數(shù)據(jù)分布和策略，實現(xiàn)了63%的性能提升。Maxmin-RLHF和SPAC等方法則通過多目標對齊和自我對抗機制，顯著提升了模型的泛化能力和推理速度。此外，生成式AI通過預訓練大數(shù)據(jù)和梯度引導直接生成新目標函數(shù)的最優(yōu)解，在高維復雜優(yōu)化問題上展現(xiàn)了巨大的潛力�？煽卮竽Ｐ褪菍崿F(xiàn)通用人工智能(AGI)的關鍵，對未來AI發(fā)展具有重要意義。
在上海交通大學安泰經(jīng)濟與管理學院紀念管理學院恢復建院40周年之際，首屆智能計算與決策研討會的舉行和上海交通大學智能計算研究院的成立，標志著學院在加強經(jīng)管理論與人工智能、大數(shù)據(jù)等數(shù)字技術的連接方面又邁出了堅實的一步。研究院將以智能計算賦能數(shù)字轉型，聚安泰智慧開啟嶄新篇章，努力實現(xiàn)在優(yōu)化算法的研究和應用方面取得突破性進展，并力爭在2030年左右建成世界一流的智能優(yōu)化算法研究中心和產(chǎn)學研示范基地，助力學院建設成為扎根中國的世界級商學院，助力上海建設智能計算領域的領頭羊和人工智能的國際高地。
注：請在轉載文章內(nèi)容時務必注明出處!
編輯：許婧
