第二届人工智能生成内容国际会议暨大模型应用创新大会（AIGC 2024）在京成功召开

2024年12月21日，第二届人工智能生成内容国际会议暨大模型应用创新大会（AIGC 2024）在北京维景国际大酒店举行。AIGC国际会议作为全球首个专注于生成式人工智能的学术会议，去年首届会议就获得了学术界的高度关注，过去一年，大语言模型、文生图、文生视频、图生视频、大模型架构、训练数据、多模态大模型发展突飞猛进，会议首日更正值 OpenAI发布新一代o3推理大模型的第一天，在此背景下，第二届AIGC的召开，吸引了来自世界各地的顶尖学者、专家和行业领袖，共同探讨人工智能技术的未来方向及其在各个领域的广泛应用。

本届大会由AIGC 2024大会组委会主办。复旦大学计算机学院邱锡鹏教授担任大会主席；上海人工智能实验室领军科学家欧阳万里教授担任大会联合主席；中国科学技术大学赵峰教授与北京邮电大学欧中洪教授共同担任大会程序委员会主席；同济大学苗夺谦教授、上海交通大学严骏驰教授与泰莱大学教授Noor Zaman Jhanjhi共同担任技术委员会主席。

在两天的议程中，大会设置了包括主论坛（大会报告）、前沿技术主题论坛、具身智能与智能交互主题论坛、可信AI及大模型安全主题论坛、应用创新主题论坛、大模型技术探索与实践主题论坛、AI前沿应用主题论坛，以及口头报告、墙报报告等多种学术活动和环节。

大会开幕式和主论坛由程序委员会主席欧中洪教授主持。欧教授指出，AIGC已从学术界的前沿理论逐步成为驱动社会变革的重要力量。从高精度代码生成到复杂艺术创作，从实时虚拟助手到数字孪生，AIGC 正在以前所未有的速度重塑生产方式和产业生态。

在此背景下，作为AIGC领域的重要学术交流平台，本次大会延续首届的成功经验，通过跨领域的思想碰撞与实践分享，推动大模型及 AIGC 技术的可持续创新。欧教授希望各研究团队的精英和业内专家能在AIGC 2024与大家分享大模型的基础理论突破、前沿算法设计以及面向实际应用的创新解决方案，为深入理解 AIGC 的未来蓝图提供宝贵的启发。

西安交通大学教授、杰青，数学与统计学院副院长孙剑在大会发表题为《生成式人工智能的数学与统计学基础》的大会报告。

孙剑教授首先从数学统计学的角度出发，解释了生成式AI背后的原理，包括概率分布、样本生成等基本原理，紧接着，孙剑教授详细地介绍了生成式AI在模型训练、算法优化以及在医疗等领域的应用和未来研究趋势。

孙教授表示：“总体上来说，生成式 AI，其实是这个高维多模态复杂数据的一个分布的学习的变化，而其实做分布的学习，所以它采用的样本一定是不符合物理规律的。我们尽可能让他和物理规律，但要跟物理世界交互，怎么去交互？怎么做更可控、更真实、更泛化的人工智能，还有动态系统的生成，逻辑的生成，数学归归纳推理的生成，医学影像多模态的大模型等等各种多样的问题？我们不仅要关心工程上的实现，更要关注背后的数学上的基础的模型。

西湖大学终身教授张岳发表题为《LLM Reasoning and Generalization》的大会报告。

张教授在其演讲中介绍了逻辑推理对于通用人工智能的重要性，并详细展开介绍了逻辑推理的概念、接着，张岳教授介绍了分布外泛化（Out-of-Distribution Generalization），由于 ChatGPT 4 之类的大模型只有统计性，没有因果性，带来了在分布外泛化的能力比较差的问题，张岳教授在演讲中介绍了解决该问题的两个方案，一个是通过数据治理，另外一个是改变模型的架构和训练方式来提升模型的因果性。最后，张教授在总结中表示，当今的人工智能缺乏理性，与人类智能不一样，但是人工智能与人类智能也有交集，如果要做到人工智能更加可信赖，还是要向人类智能靠近。

重庆师范大学校长，IRSS/I2CICC/CAAI/CCF Fellow、IEEE SM，CAAI副理事长王国胤教授发表题为《Brain Cognition Inspired Artificial Intelligence》即《脑认知启发的人工智能》的大会报告。

王国胤教授的报告主要从三方面展开，首先是脑认知对于人工智能研究的启发，第二，是当前受脑认知启发人工智能的局限，第三，人工智能与认知科学融合的未来趋势与启示。报告回顾了认知科学在推动AI发展的三大主流学术分支中的作用，分析了人类大脑的认知机制与AI系统计算机制之间的差异和矛盾，这些差异被认为是AI系统与人类行为不一致的原因之一。王教授在报告中总结了脑认知启发的八个重要研究方向，包括高度模仿生物信息处理、大规模深度学习模型的结构与功能平衡、多粒度联合问题解决、模拟特定脑结构的AI模型、感知处理与解释分析的物理分离的协同处理机制、结合脑认知机制与AI计算机制的具身智能、从个体智能到群体智能（社会智能）的智能模拟、AI辅助的脑认知智能。王教授的报告指出，理解人脑的工作机制对于开发更智能、高效和人性化的AI系统至关重要。通过跨学科的研究，结合脑科学与先进的AI算法，未来有望实现更具解释性和鲁棒性的人工智能。

东北大学教授任飞亮代表东北大学副校长、CCF Fellow、杰青王兴伟教授团队发表题为《生成式人工智能发展若干问题思考》的大会报告。

任飞亮教授在报告中分别就人类是否已进入生成式人工智能时代、生成式人工智能技术发展若干问题思考、生成式人工智能未来发展若干问题思考三个方面介绍了AIGC的现状与存在问题。在技术方面，任飞亮教授从当前 AIGC技术存在的架构、任务处理机制、运行机理、宏观任务、微观任务、隐私与伦理、大模型、小模型、模型评价方面的问题展开详细介绍。对于 AIGC 的未来发展，任教授首先分析了 AIGC 的竞争核心和竞争策略，就AIGC研究继续“蒙眼狂奔”还是“睁眼前行”？

是否应该注意向下兼容？如何赋能智能化网络？等问题展开讨论。最后，任教授呼吁高等教育要适应 AIGC 的发展，就当前的 AI 的发展情况，科研人员应比任何时候都更需要“有组织科研、比任何时候都更需要“产学研”协同创新。

12月21日下午，大会设置了四个主题论坛，包括“前沿技术主题论坛”、“可信AI及大模型安全主题论坛”、“具身智能与智能交互主题论坛”以及“应用创新主题论坛”。这四个论坛的讨论，覆盖了生成式AI与大模型技术的多维度挑战与应用，深刻揭示了AI发展的前沿趋势及其在不同行业的深远影响。生成式AI与大模型发展需要在技术突破的同时，更加注重其伦理、可控性与应用场景的契合。通过在论坛中的深入交流与讨论，参会者对未来AI技术的研究方向与产业化应用有了更加清晰的认识，进一步推动了跨学科的合作与创新。

在前沿技术主题论坛上，学术界的专家们围绕生成式人工智能与深度学习的最新进展展开了深入讨论。论坛由新加坡管理大学助理教授刘鹏主持，邀请了清华大学副教授黄高、北京邮电大学副教授杨成和清华大学助理教授姚权铭等重量级嘉宾。

黄高副教授带来了关于面向长序列的Transformer基础架构的精彩讲解，深入分析了Transformer模型在处理长序列数据中的优势与挑战。杨成副教授则分享了大语言模型智能体高效协作框架的创新思想，提出了优化多智能体协作效率的新方法。姚权铭助理教授则从简约主义的视角出发，探讨了深度学习中的简约原则与技术实现，提出了简化模型的同时如何保持高效能的关键问题。

在具身智能与智能交互主题论坛上，来自不同学术机构的专家学者们就具身智能与智能交互展开了精彩的演讲。论坛由南京大学助理教授李白杨主持，特邀了清华大学副教授眭亚楠、北京大学教授赵东岩和香港大学助理教授李弘扬等学术大咖进行主题演讲。

眭亚楠副教授深入探讨了具身智能的自身模型，分析了如何通过自我建模提升智能体的自主性与适应性。赵东岩教授则分享了基于大规模语言模型的智能问答技术，阐述了语言模型在复杂问答系统中的应用与发展。李弘扬助理教授带来了关于具身智能在操控任务中的挑战与机遇的研究，提出了“Achilles’ Heel”问题，强调在智能体操控能力中的关键瓶颈与未来的研究方向。

在可信AI及大模型安全主题论坛上，众多领域的专家学者围绕人工智能的可信性与安全性进行了深入探讨。论坛由北京印刷学院教授王梓薇主持，演讲嘉宾包括香港浸会大学助理教授韩波、香港大学助理教授屈靓琼和泰莱大学教授Noor Zaman Jhanjhi等国际知名学者。

韩波教授分享了在不完美数据下，如何探索可信基础模型的构建与应用，提出了在数据不完备的情况下如何确保模型的可信性和有效性。屈靓琼教授则从联邦学习的视角出发，探讨了如何通过异质性评估、优化与隐私保护，推动该技术在多方协作中的应用与发展。Prof. Noor Zaman Jhanjhi则重点讨论了生成式AI时代的网络安全问题，分析了当前生成式AI应用中存在的安全挑战，并提出了应对策略。

在应用创新主题论坛上，各位专家分享了人工智能技术在实际应用中的最新进展与创新思路。论坛由北京林业大学教授李红军主持，特邀了伦敦国王学院助理教授卢磊和华为软件工程应用技术首席专家夏鑫进行主题演讲。

卢磊教授深入探讨了深度学习在心血管健康领域的应用，展示了AI如何推动医学诊断的创新，提升心血管疾病的早期检测与治疗效果。夏鑫专家则聚焦于大模型在软件工程中的应用，分析了大模型技术带来的进展与挑战，特别是在复杂软件系统开发中的应用潜力与面临的技术瓶颈。

12月22日，大会继续展开深入的学术讨论，在线上、线下并行开展“大模型技术探索与实践主题论坛”及“AI前沿应用主题论坛”。来自中国科学院、北京信息科技大学、宾汉姆顿大学、雷丁大学等国内外知名院校，及腾讯、微软健康未来等企业的行业专家，分享了大模型的前沿技术发展以及跨学科应用中的技术突破。这些精彩演讲不仅为大模型技术的理论探索提供了新的视角，也为其实际的应用提供了可操作的路径。从当前的发展趋势来看，跨学科的协作与技术的深度融合将成为大模型应用发展的关键驱动力，推动AI创新潜力在更广泛的领域得到释放。

在大模型技术探索与实践主题论坛上，各位专家们围绕大模型的发展趋势、应用与挑战进行了深入的探讨与分享。中国科学院半导体研究所副研究员宋志刚主持了本次论坛，演讲嘉宾包括中国科学院大学教授，云计算与智能信息处理实验室主任徐俊刚、腾讯优图实验室天衍研究中心负责人吴贤，中国科学院信息工程研究所研究员汤学海，中国科学院计算技术研究所智能算法安全重点实验室副研究员庞亮，北京信息科技大学教授游新冬等国际知名学者。徐俊刚教授深入分析了大模型的最新发展趋势与应用前景。吴贤分享了深度学习到大模型的转变，重点介绍了医学AI中的创新尝试。汤学海研究员则提出了大模型安全治理的新思路。庞亮副研究员通过讲解检索增强大模型的前沿技术与社会影响，进一步阐明了大模型应用的深远意义；游新冬教授则探讨了知识图谱的关键技术及其在多个领域的实际应用。

在AI前沿应用主题论坛上，来自不同学术和行业领域的顶尖专家们分享了各自的前沿研究成果和应用探索。论坛由香港浸会大学助理教授韩波主持，演讲嘉宾包括宾汉姆顿大学教授Zhongfei Zhang，微软健康未来总经理Hoifung Poon，雷丁大学教授，计算机科学系主任Shuanghua Yang，伊利诺伊大学芝加哥分校教授刘兵。Prof. Zhongfei Zhang探讨了不确定性分析在分布外检测中的应用。微软健康未来总经理Hoifung Poon，他展示了AI在加速健康发展的潜力。Shuanghua Yang介绍了多视角学习在多变量时间序列异常检测中的重要性。刘兵教授分析了大语言模型在持续学习中的应用。

12月22日下午是AIGC 2024国际会议专场，汇聚了来自中国传媒大学、大连理工大学、北京邮电大学、香港中文大学、代尔夫特理工大学、山口大学、俄罗斯科学院、肯特州立大学等二十余所高校、十余个国家的教师及学生。他们从不同学科背景出发，展示了AI技术的发展趋势、跨学科应用、以及各领域内大模型技术的最新突破和未来展望，提供了丰富的学术观点与启发。

线下会议

线上会议

为期两天的会议，不仅为来自全球的专家学者提供了一个深入交流和思想碰撞的学术平台，而且对推动生成式AI与大模型技术的跨学科发展具有重要意义。大会的成功举办，标志着生成式AI与大模型技术的应用研究在全球范围内将进一步深入发展。随着技术的不断进步，学术界与产业界将继续携手并进，共同推动AIGC在更广泛领域的创新与应用。