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：2019年12月12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。
自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；（2）L 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（3）QF 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)和 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 Computation，onNeural Networks and Learning Systems和onEmerging 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”和“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。
自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；（2）L 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（3）QF Liu, et al. “Paradoxes in Numerical Comparison of Optimization Algorithms,” IEEE Trans Evolutionary Computation, 2019.
