报告人简介：
马世龙，北京航空航天大学计算机学院教授、博士生导师。曾任国家自然科学基金委员会第十、十一届信息科学部专家评审组成员，国家新闻出版总署重大科技工程项目专家咨询委员会委员。目前任中国人工智能学会常务理事、人工智能基础专业委员会主任，中国人工智能学会会刊“智能系统学报”和“中国人工智能学会通讯”编委。近年来，获2012年度国防科学技术进步奖二等奖、2012年度北京市科学技术奖三等奖。获得包括国防专利在内的国家发明专利授权二十多项。承担过国家973项目课题“海量信息系统规律、模型和维护机理研究”，承担过的主要项目还有：与中国地质调查局合作的国家863 B类重大项目“资源环境应用网格系统构建”及其滚动项目；与北京新奥集团合作的国家科技支撑计划科技奥运专项“奥运景观照明的IPv6数字化网络控制系统开发”；与中国空间技术研究院合作的“航天器自动化测试总控软件研发”等项目。2014年以来，任国家民政部殡葬业信息化推进小组成员，参与国家殡葬业公共服务平台设计开发和建设工作。主要研究领域包括软件工程和人工智能，在软件工程领域，主要研究自动化软件工程，在人工智能领域中早期研究自动推理，并使用计算机解决过数学定理证明问题，近年来在大数据和深度学习方面也有研究成果。曾经承担的国家973项目课题“海量信息系统规律、模型和维护机理研究”（1999年至2005年）是我国较早提出海量数据处理的课题。
报告摘要：
云计算无限的计算与存储能力和互联网大数据，为人工智能发展提供了引擎和燃料。深度学习以“海量标注数据+深度神经网络+算法并行化”为应用模式，见长于分析大数据的潜在价值，特别是，在计算机视觉、图像和语音识别等大概率事件中，通过使用海量样本数据取得了非凡的成绩。2018年度图灵奖授予“深度学习三巨头”体现了深度学习已经成为计算科学的重要组成部分。但是目前的共识是，深度学习存在一定的可信性问题，学习结果经常不可解释，学习过程经常不可重复，学习方法通常不可泛化，面临着可信性的重大挑战。很多重要的计算结果难以重复，算法运行结果经常具有随机性，算法对编程语言实现代码、计算平台、算法参数和测试数据非常敏感。以学习结果可解释、学习过程可重复和学习方法可泛化的可信人工智能研究，将成为人工智能下一波重要领域。本文认为涉及到的基础研究可能包括，机器学习算法的计算理论研究、大数据并行处理语义模型研究、支持大规模深度学习框架运行的计算平台研究。
