2021年10月22日，为庆祝中国自动化学会成立60周年。由IEEE/CAA Journal Automatica Sinica、《自动化学报》和《模式识别与人工智能》联合举办的2021中国自动化大会Workshop“人工智能前沿热点论坛”成功召开。此次论坛旨在探讨未来人工智能发展趋势，明确研究发展方向，针对人工智能几个关键领域展开深入探讨与交流，邀请著名学者做主题报告，加强同行交流互动。

论坛主席由北京师范大学黄华教授担任。论坛邀请天津大学胡清华教授、北京师范大学黄华教授、华中科技大学桑农教授、北京大学王立威教授和东南大学张敏灵教授分享他们的研究成果。此次论坛采用线上腾讯会议的方式，受到广泛关注，高峰时期参会人数多达90余人。

胡清华教授的报告题目是“开放动态场景机器学习的初步探索”。胡教授首先介绍研究背景，指出目前机器学习适用于固定封闭环境，当面临开放动态场景时，多模态数据存在较强不确定性、关联关系存在动态变化，数据呈现长尾分布而尾部不易建模，测试过程中新样本不断涌现，样本多样性和多样性对抗策略使模型失效。针对上述问题，胡教授介绍最近的研究重点及成果，包括多模态数据动态融合、长尾数据的多粒度迁移学习、开放场景的自主学习和选择则性资助学习。

黄华教授的报告题目是“基于物理模型的计算光谱成像”。黄教授首先介绍光谱及光谱图像的应用、传统光谱成像技术和快照光谱成像技术，还介绍编码感知计算光谱成像及其存在的成像速度和精度的问题。针对上述问题，黄教授介绍其团队在编码感知计算光谱成像的物理模型和重构算法方面的研究成果。从计算光谱成像的系统组成入手，分析光信息传递的物理规律，建立基于物理的系统前向模型。在分析计算光谱成像重构算法的基本模型之后，基于深度展开的计算重构思想，融合准确的物理模型与先进的图像先验，实现高质量高速度的计算光谱成像。

桑农教授的报告题目是“时序行为检测技术研究”。桑教授首先介绍时序行为检测背景及意义，包括该技术的在多个领域的实际应用及相关数据集，然后介绍若干个目前时序行为检测的前沿方法，包括传统的方法和基于深度学习的方法。桑教授详细介绍他们团队研究提出的时序边界微调算法、将自监督引入半监督时序行为检测的方法。最后在总结和展望中，桑教授指出设计轻型网络以提高检测效率、有效界定检测边界和半监督及自监督应用是以后的研究方向。

王立威教授的报告题目是“应用ℓ_∞-距离神经网络验证ℓ_∞鲁棒性”。王教授由对抗鲁棒性研究入手，分析噪声对深度神经网络重要影响，发现深度学习对微小对抗扰动异常敏感。王教授致力于寻找能够抵抗ℓ_∞波动的新型神经网络，设计ℓ_∞-距离神经元，基于该神经元的网络是关于ℓ_∞范式的1-Lipschitz函数，这严格保证基于输出结果边沿的认证鲁棒性。该网络的Lipschitz常数小于等于1，围绕该网络开展进一步研究，在MNIST、CIFAR-10、TinyImageNet三个常用数据集上的指标表明该网络具有良好的性能。

张敏灵教授的报告题目是“偏标记学习的研究：最新进展”。张教授首先分析传统强监督学习的缺陷，举例说明包括半监督学习、多标记学习、多实例学习在内的弱监督学习范式。偏标记学习在多媒体内容自动标注、自然语言处理、生态信息学等领域得到成功应用，张教授分析偏标记学习与半监督学习、多标记学习、多实例学习的异同点，指出现阶段偏标记学习的关键问题是标记消歧，基于真实标记辨识策略和候选标记平均策略介绍现阶段一些主要偏标记学习方法，最后给出偏标记学习的相关学术资源。

黄华教授对各位专家报告内容进行总结，希望参会人员在以后的科研学习工作中与报告专家开展更多交流，最后宣布论坛结束。