专栏丨2024年7月4日， 慕尼黑人工智能日 Munich AI Day 成功闭幕！

2024年7月4日，由慕尼黑机器学习中心 (Munich Center for Machine Learning, MCML) 主办、联邦政府赞助的第一届慕尼黑人工智能日 (Munich AI day) 在慕尼黑工业区（Werksviertel）成功闭幕。

慕尼黑机器学习中心 MCML由巴伐利亚州政府和德国联邦政府资助，是德国六大国家人工智能能力中心 (National AI Competence Center) 之一 。该中心致力于聚集来自慕尼黑大学 (LMU)、慕尼黑工业大学 (TUM) 等高校领军机器学习研究人员合作共赢。同时，慕尼黑也孕育了多家包括谷歌 (Google)、西门子 (Siemens)、思爱普 (SAP) 在内的科技公司的研究院。

此次 Munich AI day 汇集了来自政府、学校、公司的精英人才。MCML主任 Thomas Seidl 教授 和 Daniel Rückert 教授、慕尼黑大学国际与多样性副校长 Francesca Biagini 教授、慕尼黑工业大学研究与创新副校长 Gerhard Kramer 教授、巴伐利亚州科学与艺术部长 Markus Blume 、德国联邦教育与研究部 (BMBF) 技术主权与创新研究负责人 Tina Klüwer 博士进行了开场致辞。

截图来自 https://x.com/MunichCenterML 

慕尼黑人工智能日的亮点是以 ”人工智能未来 (Future of AI)“ 为主题的讨论会 (panel discussion)。讨论嘉宾包括巴伐利亚州科学与艺术部长 Markus Blume 、德国联邦教育与研究部 (BMBF) 技术主权与创新研究负责人 Tina Klüwer 博士、慕尼黑大学人工智能和计算语言学 Barbara Plank 教授、Applied AI 首席执行官 Andreas Liebl 博士、MCML董事 Daniel Cremers 教授。

巴伐利亚州科学与艺术部长 Markus Blume 强调：”在人工智能领域，最大的风险就是缺席。“ 我们的责任是塑造未来。我们只有跟上了科技发展的步伐，才能成为人工智能的领头羊。今天大家齐聚一堂，就是为了在人工智能的道路上掌握主动权，根据自己的价值观来塑造未来的关键技术。在这样的大环境下，巴伐利亚州也在为自己的人工智能做出努力：新增了超过130个人工智能教授职位、将纽伦堡工业大学（TU Nürnberg）发展成人工智能大学，设立卓越的研究机构、缔造以人工智能为核心的重点企业和初创公司。同时，巴伐利亚政府和高校也在共同筹备训练自己的、拥有更高开放性和可信度的 Bayern GPT 基础模型。

慕尼黑大学人工智能和计算语言学 Barbara Plank 教授作为在场 NLP 专家出席了讨论会。Barbara Plank 教授指出，一年半前GPT横空出世，文本输入文本输出的便捷性吸引了NLP学者和广大民众争先使用。但GPT模型依旧有局限性：相比于大语言，不能同等流利地生成小语言和方言，也存在输出事实不准确和无法处理语言歧义的问题。总体来说，我们目前的技术仍然无法实现通用人工智能 (Artificial General Intelligence, AGI)。作为人工智能的研究者，我们有责任向广大用户科普人工智能的局限性，更需要不断生产多样性的数据和探索多样化的方法。

摄影：彭思尧

在短暂的茶歇之后，来自以色列、英国、德国、美国、瑞士的多领域知名教授进行了前沿科技分享。

首先分享的是来自以色列魏茨曼科学研究学院 (Weizmann Institute of Science)  数学与计算机科学学院院长 Michal Irani 教授。分享探究了人脑和机器的优劣势：比如，人可以通过极少量的数据生成规律，但是机器需要成百上千的数据。其中，人脑的实验是通过记录功能性磁共振成像（fMRI）重建人所见的图像， 而机器学习的实验是通过深度网络的参数重建其训练数据。Michal Irani 教授研究了结合人脑和机器的方法，提出了用一个通用的编码器 (a single universal encoder) 应用在不同的领域、数据集和机器上，这样可以吸收更多的训练数据、并利用集体智慧成就更好的编码器。

摄影：彭思尧

英国剑桥大学和艾伦·图灵研究所的 Mihaela van der Schaar 教授开展了一场关于“革新医学与医疗保健中人工智能的作用”的分享。演讲深刻探讨了技术如何深刻改变医疗保健领域。其中一项非常至关重要的改变是人工智能正驱动医学从被动反应模式转变为主动个性化护理模式。新时代的医疗和护理可以利用人工智能模型，预防健康问题，提升患者治疗效果。Mihaela van der Schaar 教授以糖尿病、肺癌、新冠等常见疾病为例，形象生动地阐述了数据是人工智能新时代的石油，人工智能可以赋能医疗人员更好地为患者提供治疗方案。新提出的主动个性化护理模式不但能降低成本，还能提升患者对医疗设施和服务的满意程度。

摄影：彭思尧

德国慕尼黑大学计算语言学 Hinrich Schütze 教授探讨了“克服训练数据瓶颈 – 语言模型是有效的自学者”。众所周知，人类所能提供的自然语言数据是有限的，采集人类标注是昂贵的、可能存在偏见的。如何提升大型语言模型（Large Language Models, LLMs）的自学能力，让它们像人类一样通过自学提高自身能力是人工智能必须要攻克的难题，而重中之重是高效地生成高质量的合成数据。 Hinrich Schütze 教授分享组内最新研究成果 — 反向指令调优（Inverse Instruction Tuning），即让LLM基于给定的优质数据生成相应的指令。另因LLM在小语言上的生成结果仍不尽人意，团队还通过结合LLM在英语上实现的反向指令调优和相对成熟的机器翻译技术将该研究的应用面拓展到多种语言和方言上。评估结果表明，他们合成的数据集优于现有的人工数据集，这为训练数据稀缺且手动生成成本高昂的领域带来了希望。

摄影：彭思尧

身兼美国麻省理工学院电子工程与计算机科学系副教授、德国慕尼黑工业大学洪堡教授的 Stefanie Jegelka 博士开展了“图结构深度学习”主题的分享。她例证了图结构深度学习在网络分析、推荐系统、物理、化学、生物学和药物设计等众多应用中的重要性。她还指出，图深度学习仍然存在许多包括模型的稳定性以及可转移性在内的开放性问题需要通过未来的研究解决。

摄影：彭思尧

慕尼黑人工智能日的最后一个分享由谷歌瑞士苏黎世研究科学家、同时为德国慕尼黑工业大学计算机科学系讲师的 Federico Tombari 博士展示，主题为“真实世界3D场景理解的神经表征”。神经表征 (Neural Representation) 在计算机视觉研究中迅速发展，但在真实应用场景中仍存在显著的局限性。 现场形象生动的视频展示了 Federico Tombari 团队最新的研究成果：通过结合神经辐射场（Neural Radiance Field）和 3D高斯溅射 (3D Gaussian Splatting) 提出 RadSplat 新模型，实现了更稳健、更高帧率地从稀疏的二维图像重建场景三维表征的渲染。该研究为开放场景 3D 场景理解 (open-set 3D scene understanding) 奠定了技术基础。 

摄影：彭思尧

慕尼黑人工智能日在酒会和交流晚餐中落入尾声。伴随着悦耳的音乐和可口的美食，来自慕尼黑内外的学界业界嘉宾们进行了热情洋溢的学术讨论。我们相信第一届慕尼黑人工智能日的讨论会、成果展示和学术交流可以激发更多的课题合作，也期待杰出的人工智能从业者们能够重聚之后每一年的慕尼黑人工智能日。