人工智能的可解释性及其能力边界

报告简介:

2024 年诺贝尔物理学奖颁发给霍普菲尔德和辛顿。物理学家霍普菲尔德被认为是计算神经科学的先驱,而计算机科学家辛顿早年运用物理学的思想开创了深度学习。以大语言模型(如 DeepSeek)为代表的人工智能毋庸置疑是当今最具革命的技术前沿之一。本报告将从物理学角度谈谈 AI 能否真的理解物理世界,揭示其能力边界,以及对未来 AI 发展的思考和展望。

报告人简介:

黄海平
中山大学教授,博士生导师,2011 年获得中国科学院理论物理所博士学位,曾获得 JSPS 博士后资助(东京工业大学计算智能系),曾任日本理化学研究所(RIKEN) 脑科学中心研究科学家(2017 年获RIKEN 杰出研究奖),提出了感知机学习的孤岛解猜想且被数学家严格证明,回国后曾主持国家自然科学优秀青年基金(2021 年),著有英文专著《神经网络的统计力学》(德国施普林格出版社和高等教育出版社 2022 年联合出版),作为主要编写人员参与《中国人工智能基础研究 2035 发展战略》(科学出版社,2025)。