2025-04-27
报告人简介
刘子鸣
麻省理工学院博士
刘子鸣是麻省理工学院(MIT)博士生，导师是Max Tegmark。他在人工智能和物理学方面都有扎实的理论基础，能够独特地通过科学视角研究人工智能的基础。他的研究跨越了人工智能的科学基础—利用科学原理设计和理解人工智能模型—以及人工智能促进科学—应用人工智能加速科学发现。
刘子鸣的工作在人工智能和物理学界引起了广泛关注，包括为Kolmogorov-Arnold网络的发展做出了显著贡献。他的研究被引用了超过4,000次，发表在领先的人工智能会议和物理学期刊上，并受到主流媒体的突出报道，如《科学美国人》、《量子杂志》和《麻省理工学院新闻》。
专题报告
我们正在进入一个由少数主流模型主导AI领域的时代。虽然这些模型取得了显著的成功，但将所有赌注都押在一个单一的范式上是不明智的。为了确保稳健性和进步，我们必须探索其他AI模型，这些模型不仅在科学上是有根据的，而且还能解决当前主流方法的局限性。
在这次演讲中，刘子鸣博士探讨了科学原理如何激发人工智能的新方向—数学洞察力如何导致Kolmogorov-Arnold网络的开发，这是一个高效和可解释的架构，以及物理直觉如何导致Poisson Flow Generative Models，这是一个新的生成模型类别。除此之外，刘子鸣博士还简要讨论了他更广泛的研究议程，包括利用科学来揭示基础模型的内部分工（人工智能科学）和通过人工智能加速科学发现（人工智能促进科学）。
报告结束后，科研人员们就如何借助科学理论设计更优的AI模型、利用数学定理构建AI模型，以及从科学现象理解现有AI模型等问题展开讨论，此外，科研人员们还围绕AI模型的可解释性与性能提升、AI与科学的相互促进关系进行探讨。
