报告题目待定
报告人：贺福初 国家蛋白质科学中心（北京）
摘要：待定
个人简历：
贺福初，中国科学院院士，发展中国家科学院院士。国家蛋白质科学中心（北京）理事长。主要从事蛋白质组学、精准医学和系统生物学研究。发现人类7%新基因，发现系列分子进化规律，揭示中国人群系列疾病易感基因。在国际上率先提出人类蛋白质组计划的科学目标与技术路线，倡导并领衔了人类第一个组织、器官的国际“肝脏蛋白质组计划”，揭示了人体首个器官（肝脏）的蛋白质组。领衔实施“中国人蛋白质组计划”，该计划完成我国人群常见十大肿瘤的蛋白质组学分析，开蛋白质组学独立完成肿瘤分子分型之先河；发现胆固醇代谢重编程是肝癌发生发展的重要机制，率先提出并实践“蛋白质组学驱动的精准医学”新范式。曾获人类蛋白质组组织“杰出贡献奖”和“杰出成就奖”，国家科技进步奖一等1项、二等奖3项，国家自然科学二等奖2项及何梁何利奖、求是奖等。
基于信息关系的体系结构设计工具
报告人：许建峰 最高人民法院信息中心
摘要：一系列类型复杂的系统组成规模更大的系统即为体系。体系工程 (System of Systems Engineering, SoSE) 作为工程化实施过程，汇聚众多独立运行、独立管理、位置分散、具有突现行为、渐进式发展的系统，既保持单一系统的独立性，又实现整个体系更强的能力。SoSE在继承系统工程成熟理念和方法的同时，也因面临的艰巨挑战而更具复杂性。面对大规模复杂信息系统 SoSE，立足各类信息系统并清晰表达各种信息关系，保持体系设计方法的简洁性，在体系集成、系统研发之间发挥承上启下、横向连接的关键支撑作用是SoSE面临的关键问题之一。针对现有体系结构设计工具复杂繁琐的突出问题，基于信息关系的体系设计工具简明易用，支持明确定义和管理体系中的任何系统成员及其功能和性能，支持明确定义和管理体系中任意两个系统成员之间的信息关系，支持以可视化方式展现和分析体系任意系统成员集合的信息关系、信息流程、主要业务场景和工作机理，为大规模复杂信息系统SoSE设计、分析、评估和测试提供了规范高效的工具支撑，在我国智慧法院体系工程实施中发挥着重要作用。
个人简历：
许建峰 江苏如皋人，博士，研究员级高级工程师，博士生导师。曾任中国电子科技集团公司副总工程师、电子科学研究院院长、最高人民法院信息中心主任，中国司法大数据研究院有限公司董事长，中国政法大学法治信息管理学院联席院长等职。长期从事重大信息系统总体工作，参加和承担过多项重要科研项目，在信息系统体系工程、信息科学基础理论等方面有较深入研究，提出了客观信息论和信息系统动力学理论，主持了全国智慧法院体系工程建设和“智慧司法”科技创新工作。1993年获国务院“政府特殊津贴”。
Is dimensionality reduction still relevant in this “Bigger the Better” era?
Speaker: Nikhil R. Pal
Abstract: In this era of artificial intelligence, many research efforts are driven by the philosophy, “bigger the better” – demanding bigger data sets and bigger architecture. We train networks with about 540 billion parameters! Against this backdrop, are the following quotes relevant? "Make everything as simple as possible, but not simpler."; “I am not a genius, I am just curious. I ask many questions, and when the answer is simple, then God is answering.” (Albert Einstein, 1879 – 1955); “Nature is pleased with simplicity. And nature is no dummy” (Isaac Newton, 1643–1727)? If not, then this talk is not relevant! However, in our view, the philosophy behind these quotes is still relevant and important. Why? Even today all problems are not big data problems; all problems are not text and/or image-driven; and many problems cannot afford to rely on black-box models. Moreover, usually, these black-box systems cannot deal with the open-world nature of real-life decision-making problems. Thus, the issues relating to dimensionality reduction, visualization, understandability or transparency of a decision-making system, and its capability of dealing with the open-world problem are important. We shall discuss these issues and explain how fuzzy systems enjoy all the desirable attributes. This will be followed by designing fuzzy systems for the tasks: dimensionality reduction preserving the geometric structure of the data; a unique integrated approach to feature selection and system identification along with a control on the level of redundancy among the selected features; and manifold learning when a high dimensional data lie essentially on a lower dimensional manifold. We shall demonstrate how easily such a system can refrain from making a decision when it should. Many of the ideas that will be discussed can be easily extended to neural network-based systems. Finally, the talk will be concluded with a discussion on the merits and limitations of such systems.
Biography
Nikhil R. Pal is a Professor in the Electronics and Communication Sciences Unit and was the founding Head of the Center for Artificial Intelligence and Machine Learning of the Indian Statistical Institute. His current research interest includes brain science, computational intelligence, machine learning and data mining.
He was the Editor-in-Chief of the IEEE Transactions on Fuzzy Systems for the period January 2005-December 2010. He has served/been serving on the editorial /advisory board/ steering committee of several journals, including the International Journal of Approximate Reasoning, Applied Soft Computing, International Journal of Neural Systems, Fuzzy Sets and Systems, IEEE Transactions on Fuzzy Systems and the IEEE Transactions on Cybernetics.
He is a recipient of the 2015 IEEE Computational Intelligence Society (CIS) Fuzzy Systems Pioneer Award and 2021 IEEE CIS Meritorious Service Award. He has given many plenary/keynote speeches in different premier international conferences in the area of computational intelligence. He has served as the General Chair, Program Chair, and co-Program chair of several conferences. He has been a Distinguished Lecturer of the IEEE CIS (2010-2012, 2016-2018, 2022-2024) and was a member of the Administrative Committee of the IEEE CIS (2010-2012). He has served as the Vice-President for Publications of the IEEE CIS (2013-2016) and the President of the IEEE CIS (2018-2019).
He is a Fellow of the West Bengal Academy of Science and Technology, Institution of Electronics and Tele Communication Engineers, National Academy of Sciences, India, Indian National Academy of Engineering, Indian National Science Academy, International Fuzzy Systems Association (IFSA), The World Academy of Sciences, and a Fellow of the IEEE, USA. (www.isical.ac.in/~nikhil)
人工智能新近发展及其对经济学研究范式的影响
报告人：洪永淼 中国科学院数学与系统科学研究院，中国科学院大学经济与管理学院
摘要：以ChatGPT为代表的AI技术的迅速发展，特别是大数据模型的发明应用，正在深刻改变人类社会的生产、生活与治理方式，也在深刻改变经济学研究范式、研究方法与研究工具。本讲座将探讨大模型对经济学研究范式的影响。长期以来，经济学与计量经济学一般以具有经济可解释性的简约模型为目标，在简约模型基础上解释典型经验特征事实、探索经济运行规律并进行经济预测。虽然大数据和AI在一定程度上提升了简约模型的预测能力，但由于经济系统的复杂性与时变性，经济预测仍然面临巨大挑战。在数字经济时代，海量互联网数据涌现，基于大数据和AI的大模型可以确保训练用的样本容量远远大于模型的参数个数，从而有效避免“维数灾难”。因此，如何在大数据和AI的基础上扩大模型规模，是经济学中一个值得关注的新研究范式，如大模型将对计算经济学、计量经济学与理性经济人假设等产生深刻影响。同时，本讲座也将探讨AI技术的局限性，如AI因果推断本质是一种统计关系的推断，AI也没有改变经济学实证研究的本质，即基于大数据的经济学实证研究仍然是从样本推断总体，以及进行样本外预测。此外，由于经济在不同历史阶段有不同的运行特征，经济运行规律体现了显著的时变性，这使得AI对经济的预测更具挑战性。
个人简历：
洪永淼，中国科学院数学与系统科学研究院关肇直首席研究员，中国科学院大学经济与管理学院院长，发展中国家科学院院士，世界计量经济学会会士，教育部高等学校经济学类专业教学指导委员会副主任委员。曾任美国康奈尔大学经济学与国际研究讲席教授(2010-2020)，中国留美经济学会会长（2009-2010）。
研究领域为计量经济学、时间序列分析、金融计量学、统计学、中国经济，在Annals of Statistics, Biometrika, Econometrica, Journal of American Statistical Association, Journal of Political Economy, Journal of Royal Statistical Society B, Quarterly Journal of Economics, Review of Economic Studies, Review of Financial Studies,《经济研究》《管理世界》等经济学、金融学和统计学中英文主流期刊发表文章120余篇。出版《概率论与统计学》《高级计量经济学》, Probability and Statistics for Economists, Foundations of Modern Econometrics: A Unified Approach等中英文著作。2014-2021年连续8年入选Elsevier经济学/统计学中国高被引学者榜单。
多智能体系统分布式优化以及若干推广
报告人：洪奕光 同济大学
摘要：本报告主要介绍多智能体系统分布式优化分析和设计中近年来的一些成果，特别是有关分布式资源分配和在线优化等方面的内容，其中还设计到多种约束和非光滑等问题。随后介绍利用分布式优化的方法进行矩阵方程和半定规划等重要问题的分布式求解。
个人简历：
洪奕光 在北京大学力学系获得学士和硕士学位，在中科院系统科学所获得博士学位。随后在中科院系统科学所工作。现在是同济大学上海自主智能无人系统科学中心副主任，并是中科院数学院与系统科学院兼职研究员。曾任中科院数学与系统科学研究院研究员，中科院系统控制重点实验室主任，中科院国家数学与交叉科学中心信息交叉部主任。还是IEEE Fellow，人工智能学会会士、和自动化学会会士。
多年来从事非线性控制、多智能体控制、分布式优化和博弈、社会网络、软件可靠性、机器人等方面的研究。现任国务院系统科学评议组成员、中国系统工程学会常务理事、自动化学会控制理论专委会主任。先后曾任IEEE控制系统学会(Control Systems Society)会员和公共信息委员会主席和分会活动委员会主席，以及执委(board of governor)，SIAM CST最佳论文评奖委员会委员。现任Control Theory and Technology主编。还(曾)是国际知名期刊IEEE Transactions Automatic Control、IEEE Control Systems Magazine、IEEE Transactions Control of Network Systems、Nonlinear Analysis：Hybrid Systems等编委（Associate Editor）。曾经获得中国控制会议“关肇直”最佳论文奖(1997)、国际自动控制联合会(IFAC)世界大会的青年作者奖(1999)、 美国国家研究委员会(NRC)联合研究奖励基金(2000)、中科院青年科学家奖(2001)、国家杰出青年基金(2004)、中国青年科技奖(2006)、中科院杰出青年(2007)、国家自然科学二等奖(2008)等。