Keynote: Computer Science and AI Are Driving an Information Revolution

John Hopcroft，1986年ACM图灵奖得主，康奈尔大学计算机科学系工程与应用数学IBM教授。分别于1962和1964年从斯坦福大学获得电子工程硕士和博士学位，在普林斯顿大学任教三年后加入康奈尔学院，1972年被评为教授，1985年起任Joseph C. Ford计算机科学教授。国际计算机学会（ACM）于1986年向其颁发ACM图灵奖，以表彰他在算法和数据结构方面的基础性研究。Hopcroft教授是美国科学院、美国工程院和美国艺术与科学院院士，美国科学促进会、AAAS、IEEE和ACM Fellow。1992年，乔治•布什总统任命John Hopcroft教授为监督美国科学基金会的美国科学委员会委员，直至1998年5月卸任。Hopcroft教授还是戴维和露西帕卡德奖学金在科学与工程领域的科学顾问委员会委员，工业与应用数学会金融管理委员会，新德里咨询委员会，微软亚洲研究技术顾问委员会、工程咨询委员会、西雅图大学、智利千年科学计划项目委员会的委员。

Keynote: 迎接转型时代，拥抱开放创新

个人简介：梅宏，中国科学院院士，发展中国家科学院院士，欧洲科学院外籍院士， IEEE Fellow，中国计算机学会（CCF）理事长。主要从事软件工程和系统软件领域研究，曾荣获国家技术发明一等奖、何梁何利基金科学技术进步奖等重要奖项。历任国家863计划专家组组长，国家“核高基”科技重大专项专家组成员，全国信息技术标准化技术委员会大数据标准工作组组长，国家重点科技研发专项“云计算和大数据”实施方案编制组组长、总体组组长等。

Keynote: 通用人工智能：学科大交叉大融合的机遇与挑战

摘要：本次讲座以演讲人三十年跨学科治学的经历，探讨人工智能发展对内交叉融合、对外交叉拓展的大趋势, 以及追寻人工智能统一的理论框架、回归通用人工智能研究的目标。通用人工智能是今后10-20年国际前沿争夺的焦点，也必将产生巨大的社会影响。研制通用智能体这一综合复杂的系统需要探索新的科研范式，包括: （1）新的科研思想与模式，用中国文化思想中的综合系统思维，突破西方科学所信奉的还原主义科研范式;（2）新的科研组织模式，以大团队的方式攻坚克难， 打通“产、学、研”、构建创新链;（3）新的学科与人才培养机制，建设通用人工智能学科与本硕博课程体系，开创“通识、通智、通用”的创新人才培养模式，特别是培育人工智能与人文社科交叉融合的科研文化。讲座也将简要讨论通用人工智能给城市数字化转型和智能社会治理带来的机遇。

个人简介： 朱松纯教授，出生于湖北省鄂州，全球著名计算机视觉专家，统计与应用数学家、人工智能专家。 1991年毕业于中国科技大学，1992年赴美留学，1996年获得美国哈佛大学计算机博士学位。后来在布朗大学、斯坦福大学、俄亥俄州立大学等地工作，2002年至2020年，在美国加州大学洛杉矶分校（UCLA）担任统计系与计算机系教授，UCLA视觉、认知、学习与自主机器人中心主任。在国际顶级期刊和会议上发表论文300余篇，获得计算机视觉、模式识别、认知科学领域多个国际奖项， 包括3次问鼎计算机视觉领域国际最高奖项--马尔奖，赫尔姆霍茨奖等，2次担任国际计算机视觉与模式识别大会主席（CVPR2012、CVPR2019），2010-2020年 2次担任美国视觉、认知科学、人工智能等领域多大学、跨学科合作项目MURI负责人。朱松纯教授长期致力于构建计算机视觉、认知科学、乃至人工智能科学的统一数理框架。
在留美28年后， 朱教授于2020年9月回国，组建北京通用人工智能研究院，并任北京大学讲席教授、北京大学人工智能研究院院长、清华大学基础科学讲席教授等职务。

Keynote: 一种程序连接理论的新思路

摘要：形式化方法提倡代数方法在程序的规范化和实现中所起的关键作用。传统上，自顶向下的方法（以指称模型为原点）通过建立代数对给定模型的正确性和完备性，将程序代数与指称表示联系起来；而自底向上的方法（从操作模型开始）引入各种互模拟来建立程序之间的等价关系，然后给出一组支持程序分析和验证的代数法则。本报告提出了一种程序连接理论的新思路。该方法以程序代数为基础，从代数精化关系生成指称和操作语义表示。本报告演示了这种新方法在GCL（Guarded Command Language）和CSP（Communicating Sequential Processes）中的应用，基于代数语义将他们的各种语义表示模型连接起来。

个人简介：何积丰，计算机软件科学家，中国科学院院士。华东师范大学软件工程学院首任院长。是国际程序统一设计理论创立者、数据精化完备理论奠基者、可信软件设计理论与技术开拓者、国际上可信人工智能的倡议者，近年来其主要工作目标是研究人工智能安全可信关键技术，保障国家人工智能应用的安全可靠。

Keynote: 神经网络的数学理论

摘要：现代机器学习的核心问题是怎样有效地逼近一个高维空间的函数。
传统的逼近论方法会导致维数灾难，这是对许多领域来说困惑了我们多年的问题。
在这个演讲里，我们将介绍神经网络的数学理论所取得的进展。
这个理论告诉我们，成功的神经网络模型背后都有一个相应的数学期望的结构。
相反地，从一个数学期望的结构出发，我们也可以建立相应的机器学习模型和算法。

个人简介：鄂维南，中国科学院院士，美国数学学会、美国工业与应用数学学会、英国物理学会Fellow。北京大数据研究院院长。1982年获中国科技大学学士学位。1985年在中国科学院获硕士学位。 1989年在美国加州大学洛杉矶分校获博士学位。1989年到1994年在纽约大学柯朗研究所和普林斯顿高等研究院从事研究工作。1994年成为纽约大学柯朗研究所终身教授。 1997年晋升为正教授。1999年起转任普林斯顿大学数学系和应用数学研究所教授。
研究领域为应用数学。在数学、应用数学、物理、化学、力学等领域的顶级会议上应邀作过邀请报告。
2003年获国际工业与应用数学协会科拉兹奖。2009年获美国工业与应用数学学会克来曼奖。2014年获美国工业与应用数学学会卡门奖。2019 年获得 美国工业与应用数学学会和ETH 共同颁发的Henrici Prize. 2020年获ACM Gordon Bell Prize.

Keynote: 音乐艺术中的计算智能

摘要：音乐曾经是数学的分支。虽然几百年来，艺术与科学走过各自不同的发展道路，很多著名艺术家和科学家深信艺术与科学密切相关，相互影响。
艺术形象思维启发科学创新，科学技术进步推动艺术的发展。对著名的“李约瑟命题”和“钱学森之问”的探讨，既适用于科学也适用于艺术。艺术与科学的交汇促进理工与艺术教育的共同发展。
隐藏在优美旋律中的数学物理规律，竟然同众多自然、工程和社会系统中的规律一致，能够定量分析，对艺术创作产生重要影响。
报告讨论音乐旋律的三个数学特征，由此建立数学模型，揭示作曲家追求旋律变化的有约束熵最大，从而求解得到音乐旋律变化的幂律。研究结果有助于深度分析音乐艺术特别是作曲理论中的计算智能，探索人工智能辅助作曲的定量化方法。

个人简介：管晓宏，中国科学院院士，系统工程学家，西安交通大学电子信息工程学院院长、智能网络与网络安全教育部重点实验室首席科学家，清华大学智能与网络化系统研究中心主任。分别于1982、1985年获清华大学工学学士、工学硕士学位，1993年获美国康涅狄格大学博士学位，1999-2000年访问哈佛大学，1993-1995年任美国PG&E公司高级顾问工程师。1995年起先后任西安交通大学教授、系统工程研究所所长、电子信息工程学院院长，1999-2009年任制造系统国家重点实验室主任；1997年获国家杰出青年基金；2001年起先后任清华大学讲席教授组成员、双聘教授、自动化系智能与网络化系统研究中心主任，2003-2008年任清华大学自动化系主任；2017年当选为中国科学院院士。管晓宏发展了离散与混合生产制造系统优化理论；提出了供电资源优化竞标策略和购电优化分配的新方法和多Nash平衡点的“机会性共谋”竞标博弈说；领导多学科研究梯队，将系统科学方法与网络技术相结合，研究开发集成化网络安全防卫系统。发表了180多篇论著，获1996年美国李氏基金杰出成就奖、2008年IEEE通信学会系统集成与建模最佳论文奖、2004年何潘清漪离散事件动态系统最佳论文奖、2005年国家自然科学二等奖、2006年国家科技进步二等奖等奖励。2006年当选IEEE Fellow，2008年当选IEEE 机器人与自动化学会杰出讲座人（Distinguished Lecturer）。

Keynote: 顺序思考，并行执行

摘要：本次报告将讨论与并行图计算相关的两个问题：(1) 是否可以通过把并行思考转化为顺序思考来简化并行编程？即我们想要一个可以插入顺序图算法的并行系统，该系统可以在集群上并行计算并且不会降低或减少现有图查询引擎的性能或功能。(2) 是否可以通过在 BSP（整体同步并行计算）和 AP（异步并行计算）模型之间自适应切换来优化计算来设计并行模型？ 即该模型保留了 BSP 和 AP 的优点，同时减少了 BSP 和 AP 中固有的慢速节点和冗余计算问题。本次报告对以上两个问题均给以肯定回答。

个人简介：樊文飞院士, 英国爱丁堡大学信息学院主任教授，中国科学院外籍院士， 英国皇家学会院士、 欧洲科学院院士、英国爱丁堡皇家学会院士、计算机协会会士（ACM Fellow)。深圳计算科学研究院首席科学家、北京大数据科学与脑机智能高精尖创新中心首席科学家(北航)、北京大学深圳研究生院南燕荣誉教授、清华大学杰出客座教授。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士），任职爱丁堡大学前为美国贝尔实验室科学家。 曾获得英国皇家学会Wolfson研究成果獎 (2018)、欧洲研究委员会ERC Advanced Fellowship (2015）、 英国 Roger Needham 奖（2008）、中国长江学者 (2007), 海外杰出青年学者（2003）、美国 CAREER Award（2001), Elsevier网络科学刊物年度最佳论文和最杰出作者奖（2002）以及数据管理四大国际顶级 理论与系统会议的时间检验奖和最佳论文奖: Alberto O.Mendelzon 时间检验奖/ACMPODS十年最佳论文奖 (2010和2015), ACM SIGMOD (2017)、VLDB（2010）和 ICDE（2007）最佳论文奖。 目前主要研究领域为数据库理论与系统，包括大数据、数据质量、分布式计算、查询语言、推荐系统和社会网络精准营销。

Keynote:

摘要：人工智能的技术和应用在近些年快速发展，但在实际中的规模化应用仍有居多困难。本报告试图分析人工智能从基础技术到行业应用的转化模式的变迁，并结合多年在智慧城市、工业制造、泛互联网、医疗健康、教育、农业等行业的AI技术创新、产品打造和应用落地的实战经验，讨论今天和未来人工智能规模化研发和应用的挑战、可能路径和趋势。

个人简介： 华先胜，现任阿里巴巴集团副总裁/高级研究员、达摩院城市大脑实验室主任。华博士是国际电气与电子工程师协会会士（IEEE Fellow），美国计算机协会杰出科学家（ACM Distinguished Scientist）；2008年获MIT技术评论“全球35个35岁以下杰出青年创新者”称号（TR35）。1996年和2001年毕业于北京大学数学学院，分别获学士和博士学位；之后分别工作于微软亚洲研究院，微软美国必应搜索引擎，以及微软美国研究院，从事多媒体、计算机视觉和机器学习方面的研发工作。2015年4月加入阿里巴巴，任搜索事业部资深总监/研究员；2016年加入阿里云iDST，负责云上视觉智能计算的技术研发。他的研发兴趣在大规模视觉人工智能领域，包括视觉分析、识别、搜索和挖掘等。华博士在国际主流会议和期刊上发表论文200余篇。曾担任多个学术期刊的副主编以及ACM Multimedia等顶级学术会议的程序委员会主席，并获得多个国际会议及期刊的最佳论文奖。华博士层担任多媒体智能领域顶级国际学术会议ACM Multimedia 2020年大会主席。

Keynote: 高可信软件技术与我们的实践

摘要：随着航空航天、国防、核电、金融、医疗、交通、智能驾驶等安全攸关领域对高可信软件需求的增加，高可信软件技术的研究越来越受到人们的重视。如何将这些研究成果转化为可用而有效的工具成为人们所关心的问题。本报告将结合科大国创高可信软件工具的开发，介绍我们的思考、实践和未来的挑战。

个人简介：纪金龙，博士。2015年加入科大国创软件股份有限公司，2017年参与创建安徽中科国创高可信软件有限公司，领导高可信软件形式验证工具产品的研发。现任科大国创董事，科大国创中央研究院院长，安徽中科国创高可信软件有限公司常务副总经理。

Keynote: 人工智能产业实践

摘要：人工智能是新一轮科技革命和产业变革的重要驱动力量，产业对人工智能的应用需求正在全面升温，在决定企业产生经济效益的各个环节，都已经能看到人工智能技术在大量的场景中带来的效率提升、新价值的创造。当前，人工智能发展到与产业广泛、深度融合的新阶段，百度人工智能在与产业结合的过程中，针对业务的实际需求痛点，深度打磨形成了场景化的AI产品和解决方案，并且持续降低AI应用门槛，与此同时促进AI核心技术进化并沉淀到百度人工智能平台，从而更好地支撑产业智能化升级。

个人简介：吴甜现任百度集团副总裁，兼任深度学习技术及应用国家工程实验室副主任，整体负责百度AI技术平台和智能云AI产品。涵盖自然语言处理、知识图谱、计算机视觉、增强现实、大数据技术、飞桨深度学习平台（PaddlePaddle）、百度大脑开放平台与生态、百度智能云AI产品以及百度输入法产品等。
吴甜2006年加入百度，多年来在人工智能领域持续积累，带领团队先后在语义理解、阅读理解、对话系统、机器翻译、知识图谱、计算机视觉、增强现实等人工智能重要方向上取得了大量业界领先的成果，广泛应用于百度重要业务和产品。她所负责的飞桨是中国首个功能丰富的产业级深度学习开源开放平台，百度大脑是中国规模最大的综合AI开放平台，成为产业智能化的重要基础设施。相关工作获得4项中国电子学会科技进步奖一等奖。
2020年，吴甜入选2020《财富》全球40位40岁以下商界精英榜。

Keynote: 计算原生网络初探

摘要：本次报告将讨论一种新的互联技术架构，我们称之为“计算原生网络”。计算原生网络的提出，是为了解决当前日益增长的计算需求（由海量数据和AI算法的驱动）和变缓的摩尔定律之间的矛盾，从而支持大规模异构并行计算的需要。计算原生网络提出一种统一的、内存语义的、高性能、高可扩缩的互联技术，用于连接任意计算部件（如CPU，GPU，NPU等）和内存、及存储设备。在本报告中，我将概要介绍这一新互联技术的设计原则，技术路线、当前的进展，以及应用场景。我们相信计算原生网络将有望改变未来分布式系统的设计和应用模式。

个人简介：谭焜现为华为中央软件院副总裁，分布式与并行软件实验室主任。他在计算机网络、分布式系统、AI和Serverless框架，以及云计算方面均有建树。在加入华为之前，他任职于微软亚洲研究院领导无线和网络研究。他先后在国际顶级会议和期刊上发表了100余篇学术论文。2019年他获得USENIX的“时间检验奖”。