首页 >> 新闻公告 >> 新闻信息 >> 正文

人工智能研究院“认知推理日2025”学术研讨会成功举办

信息来源:     发布时间:2025-05-27     浏览量:

2025年5月26日至27日,北京大学人工智能研究院主办的「认知推理日2025」学术研讨会顺利举行。本次研讨会由北京大学人工智能研究院联合北京大学心理与认知科学学院、跨媒体通用人工智能全国重点实验室共同主办,旨在推动人工智能与认知科学、神经科学等领域的深度融合。

会议邀请了来自美国哈佛大学、加州大学伯克利分校、加州大学圣地亚哥分校、英国格拉斯哥大学、北京大学、浙江大学、上海交通大学、上海科技大学、中国人民大学等海内外知名高校与科研机构的专家学者,聚焦认知推理、类脑智能、具身智能及人工智能伦理等研究前沿,共同促进跨学科交叉研究和合作创新。

活动开幕式由北京大学心理与认知科学学院副院长罗欢教授主持。罗教授向与会嘉宾表示热烈欢迎。“认知推理”作为北大AI研究院的重要学术品牌活动,旨在持续探索多模态感知、结构化学习与跨物种智能的研究交叉点。她强调了认知推理对人工智能发展的重要推动作用,展现了北大在AI与学科交叉融合领域的前沿探索。


罗欢教授致辞


加州大学圣地亚哥分校认知科学系费德里奥·罗萨诺副教授聚焦跨年龄、跨文化及跨物种的社会认知多样性,分享了世界最大规模动物交流研究的经验,强调认知模型应重视个体差异与生命历程,为认知科学提供了更全面的进化与多样性视角。


费德里奥·罗萨诺博士分享


罗欢教授在个人报告中,结合行为科学与脑科学,揭示了人脑如何依托“结构化”心智模型对外界信息进行加工与压缩,从而突破资源限制,提升学习与推理能力,对理解心智模型及其AI启发意义具有重要价值。演讲结束后,与会嘉宾和专家学者齐聚一堂,共同合影留念,见证了本次会议学术交流的热烈氛围与合作共识。


罗欢教授分享


上海交通大学心理学院副研究员张洳源博士从神经人工智能视角,结合神经网络建模与脑科学方法,阐释了生物视觉学习的神经计算机制,探讨人类视觉系统的持续学习能力,为脑启发式算法发展提供了重要理论支持。


张洳源博士分享


上海科技大学生物医学工程学院李远宁助理教授介绍了基于高密度皮层电图的汉语声调脑机接口技术,突破了声调语言的神经解码难题,实现了脑信号到语音和文字的高精度转换,推动了脑机接口在语言障碍恢复中的应用前景。


哈佛医学院神经外科贾马利助理教授通过对人类脑内单神经元活动的研究,揭示了大脑如何精确编码他人信念,并对比大语言模型的处理机制,展示了生物与人工智能在社会认知“理论心智”上的深刻契合。


贾马利博士分享


格拉斯哥大学心理与神经科学学院助理教授周晨博士利用虚拟现实技术和计算建模,量化人类在复杂社交环境中的群体感知与行动规律,开发了社会互动与导航模型,成功将这些模型应用于社会机器人算法,提升了人机交互的自然度与舒适感。


周晨博士分享


加利福尼亚大学伯克利分校人类兼容人工智能中心(CHAI)的创始执行主任马克尼茨伯格博士深入探讨了人工通用智能(AGI)如何结合道德哲学实现价值对齐,强调技术之外的制度设计必要性。


马克尼茨伯格博士分享


浙江大学心理学高在锋教授提出了层级化人本智能(hHCAI)框架,强调从个体到社会多层面的人机协同优化。


高在锋教授分享


活动当天,与会专家的分享深入浅出、见解独到,参会学生积极提问,现场洋溢着自由开放的学术氛围和浓厚的讨论热情。专家们从系统性视角出发,围绕AI伦理与人机融合展开深入阐述,激发了与会者的热烈交流与思辨碰撞,现场气氛活跃,思想交锋精彩纷呈。


与会同学积极听讲


与会专家讨论


北京大学人工智能研究院朱毅鑫助理教授在会议最后做了精彩总结,同时预告了第二天的精彩议程。他指出,本次研讨不仅为AI伦理与人机融合领域带来了系统性视角,也为后续的跨学科研究奠定了坚实基础。他鼓励大家继续保持开放与批判的思维,推动理论与实践的深度结合,共同促进科技与人文的融合发展。


朱毅鑫博士总结致词


会议第二天聚焦青年学者的积极参与与成果展示,充分彰显了新生代学术力量的蓬勃活力,来自北京大学及中国人民大学的多位博士生先后分享了各自前沿领域的研究进展。


与会专家积极听取学生报告


北京大学人工智能研究院博士生李世乾带来了通向类人直觉物理推理的探索,深入探讨了如何从计算视角模拟人类灵活高效的物理理解与预测。北京大学心理学博士生杨若霖则分享了人类听觉皮层对音乐与语言选择性神经表征及其与深度神经网络的高度相似性,揭示了听觉认知机制。


李世乾分享

杨若霖分享


北京师范大学认知神经科学博士生陈昊扬介绍了语言通过多模态神经成像与计算模型调节视觉感知的机制,结合脑损伤数据阐释了语言与视觉系统的互动。中国人民大学高瓴人工智能学院博士生卫雅珂聚焦多模态学习中的模态数据不平衡问题,提出了“平衡多模态学习”的新范式以促进异质数据的充分利用。北京大学计算机科学博士生刘鸣洲分享了针对时间序列下采样问题的非参数因果发现算法,突破隐藏变量带来的识别障碍,实现了因果结构的全局识别。


陈昊扬分享

卫雅柯分享

刘鸣洲分享


集体合影