2024计算机前沿技术第七堂

具身智能强调通过物理身体与外部世界的交瓦实现智能，具有“身心一体”、软硬件结合的特点。它有望解决当前人工智能技术“身心分离”的难题，即算法模型与现实物理世界相割离。因此，具身智能在人工智能领域引起了越来越多的关注。本次报告将首先介绍具身智能的发展历史和研究现状，之后结合当前人工智能大模型的时代背景，分析具身智能学术前沿的主要研究方向与挑战，介绍混合模型协同在人工智能领域的研究背景，讨论如何在垂直领域应用中实现预训练大模型、先验知识及领域专用模型的高效整合。最后从技术、产业和社会等多个角度，探讨具身智能未来的发展趋势与应用前景。

浙江大学求是讲席教授（二级教授）、国家特聘专家。目前担任浙江大学计算机学院副院长、微软-教育部视觉感知重点实验室主任、人工智能省部共建协同创新中心副主任。主要研究方向为人工智能及其应用。所发论文Google Scholar引用7万余次，H-index 131，近6年连续入选Clarivate Analytics全球高被引学者。获教育部全国优秀博士论文（2010）、澳大利亚基金委青年研究职业奖（2013）、澳大利亚计算机学会颠覆创新金奖（2016）、谷歌学者研究奖（2016）、澳大利亚科研终身成就奖（2019）、亚马逊机器学习科研奖（2020）、AAAI最具影响力论文（2021）、ACM MM唯一最佳论文奖（2023）等多项AI领域国际奖项，以及20余次国际科研竞赛世界冠军。

神经信号是脑机接口系统采集的主要信号来源，蕴含丰富人体健康信息，其处理与分析在主动预防、智能诊断、精准治疗、科学康复等健康保障全过程中发挥着重要作用。然而，神经信号具有量级微弱、随机性强、模态多样等特性，从而造成了混叠严重、重复性差、多源异质等挑战。报告将从多重集和多模态两个角度，介绍基于联合盲源分离和深度特征表示的神经生理信号分解、关联、融合方法及其相关应用，探讨如何有效分离复杂干扰信息、解析潜在共性信息、挖掘异质互补信息，以达到克服干扰、求同存异、融合互补的效果。

中国科学技术大学信息科学技术学院教授、副院长，教育部特聘教授。研究方向为脑机接口和多模态图像分析，在IEEE SPM /TNSRE /TBME /JBHI等国际权威期刊上发表论文一百余篇，谷歌学术引用一万余次，曾获IEEE /Elsevier /IOP期刊论文奖、华瑙学者奖、达摩院青橙奖及国家优青，入选全球前2%顶尖科学家终身科学影响力榜单，担任国家科技部重点专项总体组专家，中国生物医学工程学会理事、青年工作委员会副主委，中国人工智能学会脑机融合专委会副主委，担任IEEE TIM /SPL /OJSP等国际期刊编委。

CSSE