分享好友 资讯首页 频道列表

2023大数据智能化发展暨人工智能创新发展论坛在渝召开

2023-12-08 09:2112170

2023大数据智能化发展暨人工智能创新发展论坛在重庆邮电大学举行。受访单位供图

华龙网讯(记者 秦思思)12月2日,2023大数据智能化发展暨人工智能创新发展论坛在重庆邮电大学召开,多位院士专家围绕大数据、人工智能等科技前沿和产业发展的焦点问题展开研讨。

据悉,大数据智能化发展暨人工智能创新发展论坛旨在深入探索当前大数据智能发展的前沿方向与发展趋势,落实“人工智能+”发展模式,结合国家人工智能战略需求推动大数据智能在社会经济领域的创新发展,为推动大数据与人工智能领域的科技创新、人才培养和产业发展提供交流平台。2015年开始组织至今,已发展为一年一度的系列性学术活动。本次论坛旨在积极响应国家人工智能战略,落实重庆市《大数据智能化创新驱动引领发展战略行动计划》,推进重庆建设国家新一代人工智能创新发展试验区,助力成渝地区双城经济圈建设。

院士专家作特邀报告。受访单位供图

中国科学院院士、西安交通大学徐宗本教授以《关于大模型浪潮下的AI数理基础研究》为题作报告。他在报告中指出,ChatGPT触发了人工智能研究的新浪潮,促进AI从深度学习时代迈入大模型时代。大模型为通用人工智能研究、开发与应用开辟了路径,颠䨱了人工智能研发的传统范式和应用模式。但大模型研究当下仍处于工程化阶段,离科学化尚远,对大模型基础研究,最为困难的仍是数学工具。他通过分析ChatGPT的“能与不能”, 辨识AI基础研究的“变与不变”, 提出大模型基础研究的多个基本问题。

“智慧时代,计算力就是成产力。算力指数越高,国家经济活力越强。”中国工程院院士、浪潮集团首席科学家、中国人工智能学会副理事长王恩东介绍,计算力已成为衡量国家和区域生产力发展水平的重要指标、计算力指数是衡量一个国家、地区,甚至是企业发展水平的重要指数。他指出,人工智能正在驱动前所未有的社会变革,这一颠覆性技术依赖强大的计算力支撑,人工智能计算作为一种当下及未来的主要计算形态,正在成为智慧未来的核心动力。

院士专家作特邀报告。受访单位供图

现场,俄罗斯工程院外籍院士、四川大学智能交叉技术研究中心主任章毅介绍,人工神经网络模型是当代人工智能最重要的核心技术和支撑。随着应用的不断深入,已有深度神经网络模型显现出其局限性,如网络缺乏可解释性、网络安全性脆弱、过分依赖于大数据等。这些局限性制约了当代神经网络的进一步应用。科学家们已注意到了现有神经网络的局限性,并开始了新一代神经网络的研究。

“机器智能≠人脑认知。”重庆邮电大学副校长王国胤教授提出,大模型人工智能系统已经具备了优良的计算智能智力和一定的感知智能智力,但认知智能智力低下。“认知智能智力的欠缺,导致当前大模型人工智能系统可解释性弱,是可控可信可靠人工智能研究中面临的关键问题。此外,由于人工智能系统的信息处理机理与人类认知机理的不一致,导致无法真正实现符合人类认知理解需求的人工智能系统,以及人工智能系统的安全风险问题。”他表示,研究符合人类认知机理的人工智能模型与系统,将是人工智能未来发展的必然选择。

本次论坛由中国人工智能学会、重庆市人工智能学会主办,重庆邮电大学承办。


免责声明:

本网转载并注明自其它来源(非智能装备网)的作品,目的在于传递更多信息,并不代表本网赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品第一来源,并自负版权等法律责任。如涉及作品内容、版权等问题,请在发布之日起十五天内与本网联系,否则视为放弃相关权利。

举报 0
收藏 0
打赏 0
评论 0

相关资讯

AI质检买了相机和软件,为什么三个月了还在测试中
AI视觉质检项目迟迟无法上线,多数卡在样本、光照与闭环三个环节。结合得利捷机器视觉产品的公开实践,给出三步走的落地路径。

0评论2026-11-091589

把AI点检搬进车间的三档做法,先从哪一档起步
从单点测振到AI平台,预测性维护可以分三档起步,不必一步到位。参照今年一个化工厂的落地数据,把三档做法的投入、回报和上手顺序讲清楚,传感器与回传设备怎么选,备件台账跟着预警记录一起调。

0评论2026-11-082579

分拣线读码率下滑,先调参还是先换设备
分拨中心读码器高峰期漏读增多,盲目加灯换设备常白花钱。结合得利捷新一代读码器的技术路线,梳理读码率四层排查顺序与备件策略。

0评论2026-11-064462

视觉质检上线三个月过杀率反弹,问题多半不在算法
视觉检测系统验收时指标漂亮,运行数月后误报频发,多数根因在成像条件漂移而非模型退化。本文从光源、阈值口径、样本库三个环节给出过杀率的排查与验收方法。

0评论2026-11-055441

AI排产进离散工厂:数据打通比算法更难
越来越多离散制造工厂尝试用AI排产提升设备利用率,但落地的真正瓶颈在数据而非算法。本文从设备层数据采集、人机协同机制到落地节奏,给出三条实操建议。

0评论2026-11-019406

备件需求预测接入算法之前,先把偶发失效这一类说清楚
不少企业尝试用算法预测备件消耗,结果误差指标好看但库存并未下降。文章指出备件消耗属于低频间歇序列,必须先按易损件、偶发失效件、长周期件分类,再决定用什么方法。

0评论2026-10-3011455

大模型进车间:设备故障诊断知识库怎么建才不“翻车”
不少工厂尝试用大模型整理设备故障案例和维修知识,效果参差不齐。本文讨论故障知识库建设的常见误区,以及与备件台账结合的可行做法。

0评论2026-10-2813509

AI视觉质检落地,成像与传感备件为何仍是成败关键
AI视觉质检的瓶颈常常不在算法,而在成像与触发环节。本文讨论工业相机、镜头、光源与传感器等欧美品牌备件的选型要点,以及备件批次差异对模型稳定性的影响。

0评论2026-10-2615512

AI 算力缺口或达 1.5 万亿美元:万亿资本压力下,全球开启算力融资大考
1.5 万亿美元融资缺口,代表的是 AI 时代的时代命题:算力已经成为数字时代的关键战略基础设施,但算力建设不再是单纯企业投入行为,它牵扯资本金融、芯片制造、能源供给、产业商业化等多重体系。

0评论2026-10-1527559