报告时间：2023年5月6日（星期六）下午15:00-17:00

报告地点：华南理工大学南校区B8报告厅

报告人： 郑晓龙

报告题目：数智时代下的社会计算与决策智能研究挑战与机遇

个人简介：

郑晓龙，现任中国科学院自动化研究所研究员，中国科学院特聘核心岗位研究员，国家杰出青年科学基金获得者。已主持国家重点研发计划、国家科技重大专项、新一代人工智能重大专项等国家级相关项目20余项，发表学术论文130余篇，其中，期刊论文80余篇，获省部级科技奖励5项，担任7次领域国际学术会议执行主席以及40余个国际顶级或知名学术会议程序委员会委员，担任中国指挥与控制学会大数据科学与工程专委会副主任委员及总干事、中国人工智能产业发展联盟学术与知识产权组副组长以及多个国家知名学会和智库的专委会委员，担任国家基金委、科技部和国家多个部委的项目评审专家。

报告摘要：

近年来，社会发展经历了“数字化、网络化和智能化”的大变革。正在爆发的ChatGPT、AlphaGO等新技术以及未来的新一代AI技术将重新定义我们的认知，加速我们物理现实和社会组织和交互方式的变化。这场变革始于新技术应用，并被快速外溢到社会、经济、生活方方面面。虚拟空间的涌现及与真实世界的平行交互，人、机、物、网之间前所未有的互融互通，使得复杂社会系统呈现崭新的发展形态和新特征。这些新形态带来了很多激动人心的新机遇。同时，由新技术应用引发的新风险与群体社会活动、区域经济发展、自然环境承载力等诸多因素关联交织在一起，呈现出极强的耦合性和传导性。大数据和人工智能技术的快速发展，催生了社会计算与决策智能这一新兴领域，为复杂社会系统研究与实践提供了新的视角、理论范式和技术手段。本报告主要阐述数字化和智能化时代背景下的社会计算与决策智能研究的核心共性技术挑战、研究现状，并讨论当前该领域存在的机遇以及未来的发展趋势。

报告人： 黄隆波

报告题目：高效深度强化学习算法设计

个人简介：

黄隆波博士是清华大学交叉信息研究院长聘副教授，ACM杰出科学家。黄博士其曾先后于麻省理工学院与加州大学伯克利分校担任访问学者，于法国贝尔实验室与香港中文大学担任访问教授，并于2016年秋季在伯克利Simons计算理论研究院担任长期访问科学家。黄博士曾担任ACM Sigmetrics 2021大会主席，以及ITC 2022、IEEE WiOpt 2020与GameNets 2019的程序委员会主席。黄博士目前担任多个网络与人工智能国际期刊编委，包括IEEE/ACM TON，ACM ToMPECS, Elsevier PEVA以及IEEE TPAMI。黄博士曾获清华大学“良师益友”，谷歌科研奖与微软亚洲研究院联合科研奖，入选微软亚洲研究院“铸星计划”，并于2018年获ACM SIGMETRICS青年科学家奖。

报告摘要：

深度强化学习(Deep Reinforcement Learning)近年来在许多重要场景中得到了广泛的关注与成功的应用。在本报告中，我们将介绍团队在深度强化学习领域的一些近期工作，包括单智能体值函数估计，多智能体策略优化，基于零阶优化的离线多智能体优化以及基于稀疏训练的深度强化学习算法等。