教育部信息管理与信息系统虚拟教研室系列活动
讲座时间：2026年7月16日10:00-12:00
讲座地点：管楼216
讲座主题：Toward the ImageNet Moment of Symbolism: Symbolic Programming + RL = AGI?
讲座嘉宾简介
范凤磊，香港城市大学数据科学系助理教授，本科毕业于哈尔滨工业大学，博士毕业于美国伦斯勒理工学院，师从国际著名医学影像专家王革教授。其研究方向是人工智能理论和基础模型，在JMLR、TPAMI、CVPR等人工智能和数据科学领域的旗舰期刊上发表论文三十余篇。范凤磊教授攻读博士期间获得IBM-RPI Horizon Scholarship，博士论文获得了国际神经网络学会（INNS）2021年杰出博士论文奖；四篇核心研究论文分别荣获2024年CVPR最佳论文奖候选，IEEE TRPMS最佳论文奖，ESI高被引以及IOP杂志北美地区高被引论文奖。荣获广州科协青年托举（港澳）项目，他的基于动力系统的模型压缩方法荣获存储领域知名奖项奥林帕斯先锋奖（香港地区首位），他同时担任两本SCI杂志QIMS和IEEE TRPMS副主编。
讲座摘要
人工智能历史有三大流派：符号主义，连接主义，行为主义。以卷积神经网络和transformer网络为代表的连接主义模型在大算力和大数据的加持下自2012年开始兴起，相比之下符号主义的发展显得滞后。从数学视角看，神经网络成功的关键是高维空间学习特征的能力。本次报告讨论符号主义模型能否在大模型和大算力的加持下好用，借助强化学习，我们构建了一个符号主义模型在CIFAR10和CIFAR100上初步达到了AlexNet的性能，验证了符号主义模型的潜力，并且说明符号主义模型在高维任务上初步表现出性能。在此基础上，我们认为符号主义模型可以在对可解释性要求高的领域发挥出至关重要的作用。我们以医学影像任务为例，在众多数据集上验证符号主义模型的能力和可解释性，同等参数量下，符号主义模型性能超过主要神经网络模型，并且每个计算节点都可以给出语义。
