智客公社

标题: 与人文学科专家一起，多角度探讨负责任的人工智能 [打印本页]
作者: sosoyoyo    时间: 2022-10-22 10:21
标题: 与人文学科专家一起，多角度探讨负责任的人工智能
对于“负责任的人工智能”这一议题，我们的研究主要聚焦于其对人和社会的影响。在这一研究领域，法学家、社会学家、心理学家以及传播学家已有了相当的积累和成果。正因如此，我们需要同这些不同领域的杰出学者们开展跨学科交流与合作。
在此背景下，10月24日，微软亚洲研究院将组织“负责任的人工智能：一种跨学科方法”学术研讨会，并通过 B 站“微软中国视频中心”全程对外直播！本研讨会也是微软研究峰会2022的重要部分。
在本研讨会中，我们邀请了全球不同学科领域的专家学者一起分享和讨论如何共同推进负责任的人工智能研究。当我们谈论公平性时，我们期望与社会学家合作，来分析人工智能如何导致了社会分化和舆论极端化趋势的产生；当我们研究可解释性时，我们期望与心理学家进行合作，从本质上探讨人们为什么需要更为透明的模型，以及如何更好地去展示人工智能模型的内部机制；与传播学家的合作，则有助于我们从更深层次的角度去理解那些用于信息传播的人工智能模型。另一方面，我们也对“负责任的人工智能如何应用在各基础学科问题和应用场景中？”非常感兴趣。
我们期望通过本次研讨，鼓励更多的研究人员加入到这一领域中来，推动负责任的人工智能领域的技术创新。欢迎加入微信讨论群，与更多关注本议题的研究者一起探讨学习！


三大亮点

亮点一：跨学科研讨，全球专家齐聚
“负责任的人工智能”这一科研议题聚焦于其对人和社会的影响，推进负责任的人工智能研究需要同不同领域的杰出学者们开展跨学科交流与合作。
本次研讨会邀请了来自心理学、脑科学、社会学、法学、传播学、计算机科学的十余名学者进行观点碰撞：
亮点二：前沿报告，多角度探索负责任的人工智能
本次研讨会将围绕三大主题带来九个精彩报告，特别邀请大家关注以下三个报告：
迈向人工智能公平的长征路
为了保护人们免受不公平待遇或歧视，法学界定义了特定的保护因素或社会群体类别，以识别和消除被禁止的行为或偏见。然而，这在人工智能时代出现了新的问题。来自中国人民大学法学院的郭锐副教授将以残疾歧视为例阐述刻板印象的作用以及实现人工智能公平的难度。他指出，处理刻板印象需要我们更深入地反思人工智能中的道德主体问题。
负责任人工智能的循证评价
评价人工智能产品的责任性是一个容易被忽视的课题。来自香港城市大学的计算社会科学讲席教授祝建华指出进行高质量的评估实际上并不简单。高质量的评估需要基于经过验证的方法以及以系统性方式收集的证据。这些搜集方法必须完全独立于流程、数据甚至相关人工智能产品的研究人员。他将阐述为什么过去二十年的循证医学实践为人工智能行业树立了一个高度相关而且信息丰富的榜样。
人类行为的可解释性、责任和可控性
在判断一个人是否应该为自己的行为承担责任时，判断者经常会去评估他的行为是否可解释和可控。然而，大脑内部的过程和状态难以测量，行为的发起者自己也难以对这些状态及其因果关系进行详细的评估。许多人类行为是由快速和直觉的过程驱动的，只会留下这些过程的事后解释。实际上，即使对于那些受控的过程，解释仍然很不清楚。来自北京师范大学认知神经科学与学习国家重点实验室的万小红教授将从人类行为背后的神经机制的角度来讨论这个有趣的课题。
亮点三：观点碰撞，邀您提问与共同研讨
在研讨会的圆桌论坛环节，我们邀请讲者与听众共同探讨这一新兴领域的机遇与挑战、跨学科合作模式以及对未来的展望。我们将讨论：


直播信息

直播地址：B 站“微软中国视频中心”直播间https://live.bilibili.com/730
直播时间：10月24日 8:30 - 17:00


研讨会日程


[attach]791714[/attach]



研讨议题

主题一 人工智能的社会影响
人工智能技术对人与社会产生了深远的影响。在这个环节，我们邀请了来自机器学习、自然语言处理、以及法学领域的三位资深学者来分享她们对人工智能公平性、伦理、鲁棒性的观点，以及我们如何为应对这些挑战做好准备。
主题二 负责任的人工智能：一种跨学科方法
负责任人工智能的研究需要多学科合作推动。在这个环节，我们邀请了来自计算机科学、法学、社会学以及脑科学的学者，与听众共同探讨这一新兴领域的机遇与挑战、跨学科合作模式以及对未来的展望。
主题三 个性化模型的责任
人工智能被广泛应用于理解人类自身并为其提供个性化的服务。然而，如何理解、评价并设计可信赖的个性化模型依然处在早期阶段。在这个环节，我们邀请了来自社会科学与计算机科学领域的资深学者来分享他们的研究进展
主题四 可解释性和心理学
可解释性是负责任人工智能的重要基础。在这个环节，我们邀请了来自心理学与脑科学领域的三位资深学者来分享他们对解释人类复杂行为机制的初步探索，以及这些进展对人工智能可解释性研究的潜在推动作用。


讲者介绍

*按姓氏首字母排序

[attach]791715[/attach]

James A. Evans 芝加哥大学教授、芝加哥大学知识实验室主任
James A. Evans，芝加哥大学社会学教授，知识实验室主任。毕业于斯坦福大学，曾在哈佛大学从事社会组织结构方面的研究。他的主要研究兴趣包括群体智能、社会组织结构分析、科技创新产生和传播规律，在 Science 等顶级期刊上发表多篇论文。



[attach]791716[/attach]

冯雁 香港科技大学教授
冯雁 (Pascale Fung)，香港科技大学电子与计算机工程系讲席教授、人工智能研究中心（CAiRE）主任、中央美术学院访问教授、AAAI Fellow、ACL Fellow、IEEE Felllow、ISCA Fellow。她是全球未来理事会（世界经济论坛智囊团）专家。她是 IEEE 信号处理协会理事会成员、IEEE 工作组成员，负责制定 IEEE 标准 - 人工智能组织治理的推荐实践。其研究团队在 ACL、NeurIPS 等会议及研讨会多次获得最佳论文奖和杰出论文奖。



[attach]791717[/attach]

郭锐 中国人民大学法学院副教授
郭锐，中国人民大学法学院副教授，哈佛大学法学博士，哈佛大学法学院残障事业项目研究员。他的专著《人工智能的伦理和治理》在学界和社会受到广泛好评，他担任国家信息标准化委员会人工智能专业委员会委员、界面交互专业委员会委员。



[attach]791718[/attach]

骆方 北京师范大学教授
骆方，北京师范大学心理学部教授。她的研究兴趣主要包括开发人机交互式测验及过程性数据挖掘、大规模考试中的作弊甄别、大规模教育测试中的数据分析方法。基于多媒体技术，她的团队开发了创造力、批判性思维和复杂问题解决的人机交互式测验，用来评估高阶思维能力，并基于个体的日常数据，比如网络痕迹、日常交流和自由绘画，使用人工智能和大数据技术来进行人格评估。



[attach]791719[/attach]

石贝贝 微软亚洲研究院资深学术合作经理
石贝贝，微软亚洲研究院资深学术合作经理，主要负责微软亚洲研究院开放主题研究计划和铸星计划项目，专注于可恢复以及可信任领域的研究主题，目前已与微软亚洲研究院相关研究团队成功推动了多个开放主题的研究，如基于 Open PAI 的 AIER 平台、OpenNetLab、负碳计算以及负责任的人工智能等。在加入微软亚洲研究院之前，她于 2019 年加入 IBM 中国研究院。期间，她参与设计并领导实施了 "绿色地平线计划 "，推动计算技术赋能大气污染治理技术。



[attach]791720[/attach]

David Stillwell 剑桥大学贾奇商学院教授
David Stillwell，剑桥大学贾奇商学院教授。他使用大数据来研究领导力和其他组织行为学课题。他为欧盟数据保护监督局，欧洲议会的科学技术选择评估小组，英国政府监管机构和英格兰银行等重要机构提供咨询。全球许多政府的国家数据保护监管机构也引用了他的研究。大卫在心理测验，人员分析和大数据方面提供咨询服务，曾与包括 Amazon Payments，巴克莱银行，Hilton Hotels，RBS，Shell 和 Ubisoft 在内的公司合作开展项目。



[attach]791721[/attach]

万小红 北京师范大学教授
万小红，北京师范大学认知神经科学与学习国家重点实验室教授，IDG 麦戈文脑科学研究院研究员，博士生导师。主要研究人的决策与认知控制的神经机制。重点关注在不确定环境下自我认知控制促进目标导向决策的神经机制及计算模型。近期在拓展人-人、人-机联合决策的机制及算法、为推动人机混合智能提供研究范式及理论模型。



[attach]791722[/attach]

王希廷 微软亚洲研究院高级研究员
王希廷，微软亚洲研究院高级研究员。她长期从事以可解释性为主要目标的负责任机器学习方法研究。她关于可解释的研究成果发表在各个数据挖掘及机器学习的顶级会议上。王希廷是 CCF A 类会议 AAAI 和 IJCAI 的高级程序委员会委员，2021 年被 AAAI 评为 “杰出高级程序委员会委员”。同时她在 WWW、ICML、NeurIPS、AAAI、IJCAI 等国际顶级会议中常态化担任程序委员会委员，多次任 TOIS、TKDE、TVCG 等 CCF A 类期刊的审稿人。王希廷于 2011 年和 2017 年分别获得清华大学工学学士和博士学位。



[attach]791723[/attach]

吴方照 微软亚洲研究院高级研究员
​吴方照，微软亚洲研究院高级研究员。从事负责任AI、用户隐私保护、推荐系统、自然语言处理等方面的研究和实践。 在 Nature Communications, KDD, ACL 等学术期刊和会议上发表过多篇论文。曾获 NLPCC 2019优秀论文奖，WSDM 2019 Outstanding PC 和 AAAI 2021 Best SPC。研究成果在 Microsoft News、Bing Ads 等多个微软产品中得到应用。



[attach]791724[/attach]

谢幸 微软亚洲研究院首席研究员
谢幸，微软亚洲研究院首席研究员。他的团队在数据挖掘、社会计算和普适计算等领域展开研究。他发表了 300 余篇学术论文，共被引用 40000 余次，2019 年获 ACM SIGSPATIAL 十年影响力论文奖，2020 年获 ACM SIGSPATIAL 十年影响力论文荣誉奖，2021 年获 ACM SIGKDD China 时间检验论文奖，2022年获 ACM SIGKDD 时间检验论文奖，并曾在 KDD、ICDM 等会议上获最佳论文奖。他是中国计算机学会会士、IEEE 会士、ACM 杰出会员。

[attach]791725[/attach]

张永锋 罗格斯大学助理教授
​张永锋，罗格斯大学计算机系助理教授，研究兴趣包括机器学习、机器推理、信息检索、推荐系统、自然语言处理、以及人工智能的可解释性与公平性，研究成果发表于 SIGIR, WWW, RecSys, ACL, NAACL, CIKM, WSDM, AAAI, IJCAI, TOIS 等领域内主要会议或期刊。担任期刊ACM Transactions on Information Systems、ACM Transactions on Recommender Systems 和 Frontiers in Big Data 副主编。曾获得 AIRS 最佳论文奖、ACM TOIS 杰出编辑奖、美国自然科学基金杰出青年奖（NSF CAREER Award）。

[attach]791726[/attach]

周礼栋 微软全球资深副总裁、微软亚洲研究院院长
周礼栋博士现任微软公司全球资深副总裁、微软亚洲研究院院长，全面负责微软亚洲研究院在中国及亚太地区的研究工作以及与学术界和产业界的合作。周礼栋博士是系统研究领域首屈一指的专家，多年来一直专注于推动可靠、可信及可扩展的分布式系统的理论研究和实践探索，并致力于促进中国以及整个亚洲地区的计算机系统研究与合作。周礼栋博士还是电气电子工程师学会会士（IEEE Fellow）和国际计算机学会会士（ACM Fellow）。

[attach]791727[/attach]

祝建华 香港城市大学计算社会科学讲席教授
祝建华，香港城市大学教授。他分别获复旦大学学士、硕士和美国印第安纳大学博士，曾任美国康奈迪克大学助理教授和副教授。他是香港城市大学媒体与传播系教授和互联网挖掘实验室创办人。他先后获得 International Communication Association、Association for Education in Journalism and Mass Communication、National Communication Association、American Association for Public Opinion Research、World Association for Public Opinion Research 等学会颁发的七项学术奖。



[attach]791728[/attach]

朱军 清华大学教授
朱军，清华大学教授，瑞莱智慧联合创始人兼首席科学家。曾任卡内基梅隆大学兼职教授。在机器学习国际重要期刊与会议发表论文百余篇。担任 IEEE TPAMI 的副主编，ICML、NeurIPS、ICLR 等资深领域主席。获 ICLR 杰出论文奖、科学探索奖、吴文俊人工智能自然科学一等奖、CCF 自然科学一等奖等，入选国家高层次人才计划、MIT TR35 中国区先锋者以及 IEEE Intelligent Systems 评选的 “AI’s 10 to Watch” 等。团队获重要比赛冠军 10 余次。
作者: 3306811990    时间: 2022-10-22 10:21
转发了



欢迎光临 智客公社 (http://bbs.cnaiplus.com/) Powered by Discuz! X3.4