信 息 科 学 与 工 程 学 院

College of Information Science and Engineering

厚德笃志,勤思敏行

学术讲座-人工智能与创新设计自动化(机器换人2.0)

消息来源: 信息科学与工程学院 发布者: 王兰 点击数: 10 更新时间: 2019-12-05

报告人:李耘教授

讲座题目:人工智能与创新设计自动化(机器换人2.0

讲座时间:20191212日,上午9:00-10:30

讲座地点:信息楼北楼A423

  

  

以仿真为代表的科学第三范式在人工智能2.0”的支撑下,正在实际地进入以数据为代表的科学第四范式。算力和数据量的爆炸式增长使计算智能实现预测仿真,从而将第三范式的计算机辅助设计CAD)提升到第四范式的计算自动设计CAutoD),超越人工创造力的想象范畴和效率,自动提高现有工业产品或服务设计的性能和竞争力,并大大缩短计算和开发时间。

2014年起,比如世界制造重镇东莞,为了减少中国制造业人口红利不断消失带来的成本压力,从粤港澳大湾区开始,逐渐在全国掀起了一场机器换人的浪潮。近年来,人为兴起的工业4.0正在影响各国的产业链布局和相关科技的发展趋势,拉开了机器换人2.0”的序幕,即用机器来协助和替换人的脑力劳动,以提高创造力。目前在 “工业4.0”Industry 4.0)的背景下,基于机器学习和计算智能的建模仿真已使工业系统的设计、创新和建模能力大为提高,比如能超越现有的物理(白箱)和数据(黑箱)模型范式,实现新型的建模范式 — “灰箱建模。那么,怎样评判计算智能的设计创新和机器学习性能呢?工程师能最快使用的有哪些机器学习和智能优化工具呢?

本报告拟回答这些问题,将以计算智能和自动设计、创新为主题,包括人工智能、进化计算和机器换人2.0等。相关背景和细节可参考:(1 KC Tan and Y Li, “Performance-based control system design automation via evolutionary computing,” Engineering Applications of Artificial Intelligence, 14, 473-486, 2001;(2L Li, et al. “Benchmarks for Evaluating Optimization Algorithms and Benchmarking MATLAB Derivative-Free Optimizers for Practitioners’ Rapid Access,”IEEE Access, 7, 79657-79670, 2019;以及(3QF Liu, et al. “Paradoxes in Numerical Comparison of Optimization Algorithms,” IEEE Trans Evolutionary Computation, 2019.

  

李耘教授简介:

李耘教授早年获四川大学理学学士、电子科技大学工学硕士、英国思克莱德大学哲学博士(并行计算与控制)学位,1989年在英国国家工程实验室做咨询工程师,1990年在英国工业控制与系统公司做博士后,1991-2018年在英国格拉斯哥大学执教、任智能系统博士生导师,担任了格拉斯哥大学560年历史上首个海外分校的创校校长,并兼任格拉斯哥大学与电子科技大学中外合作办学英方创始主任,现任东莞市工业4.0人工智能实验室创始主任、东莞理工学院校长特聘海外杰出人才教授。

李耘教授是FIEEE (Fellow of the Institute of Electrical and Electronic Engineers) FRSA (Fellow of the Royal Society of Arts),长期致力于计算人工智能及其应用研究,先后担任了欧洲进化计算优秀网(EvoNet)的创办人和理事之一, IEEE 计算机辅助控制系统设计进化计算工作组(CACSD-EC)创办人,英国基金委及工贸部、新加坡教育部及国家研究基金、中国教育部长江学者项目等评审专家,2016-2019年与两所英国大学共同主持了英国基金委重大科技计划数字时代的工业系统,共有18名执行委员和40多家单位参与,并作为大会主席于2017年在格拉斯哥组织召开了国际上和英国基金委第一个有关工业4.0”的学术会议 — “Looking Beyond Industry 4.0”

李耘教授目前担任IEEE Transactions on Evolutionary ComputationonNeural Networks and Learning SystemsonEmerging Topics in Computational Intelligence三个期刊副编辑,共发表了270篇论文,在谷歌学术上h-指数96,被引一万多次,多篇入选ESI“高被引论文、计算机科学研究前沿工程技术研究前沿计算机科学热点论文,其中2009年的Adaptive particle swarm optimization一文在IEEE Trans Systems, Man & Cybernetics – Part B上至今仍每月排名前五, 2005年的PID control system analysis, design, and technology一文在IEEE Trans Control System Technology上的下载量、它文引用量和专利引用量至今一直每月排名第一。

  

  

  


  

  

人工智能与创新设计自动化(机器换人2.0

青岛 2019.12.11

  

以仿真为代表的科学第三范式在人工智能2.0”的支撑下,正在实际地进入以数据为代表的科学第四范式。算力和数据量的爆炸式增长使计算智能实现预测仿真,从而将第三范式的计算机辅助设计CAD)提升到第四范式的计算自动设计CAutoD),超越人工创造力的想象范畴和效率,自动提高现有工业产品或服务设计的性能和竞争力,并大大缩短计算和开发时间。

2014年起,比如世界制造重镇东莞,为了减少中国制造业人口红利不断消失带来的成本压力,从粤港澳大湾区开始,逐渐在全国掀起了一场机器换人的浪潮。近年来,人为兴起的工业4.0正在影响各国的产业链布局和相关科技的发展趋势,拉开了机器换人2.0”的序幕,即用机器来协助和替换人的脑力劳动,以提高创造力。目前在 “工业4.0”Industry 4.0的背景下,基于机器学习和计算智能的建模仿真已使工业系统的设计、创新和建模能力大为提高,比如能超越现有的物理(白箱)和数据(黑箱)模型范式,实现新型的建模范式 — “灰箱建模。那么,怎样评判计算智能的设计创新和机器学习性能呢?工程师能最快使用的有哪些机器学习和智能优化工具呢?

报告拟回答这些问题,将计算智能和自动设计、创新为主题,包括人工智能进化计算和机器换人2.0相关背景和细节可参考:(1 KC Tan and Y Li, “Performance-based control system design automation via evolutionary computing,” Engineering Applications of Artificial Intelligence, 14, 473-486, 2001;(2L Li, et al. “Benchmarks for Evaluating Optimization Algorithms and Benchmarking MATLAB Derivative-Free Optimizers for Practitioners’ Rapid Access,”IEEE Access, 7, 79657-79670, 2019;以及(3QF Liu, et al. “Paradoxes in Numerical Comparison of Optimization Algorithms,” IEEE Trans Evolutionary Computation, 2019.