adl94《群智协同计算》开始报名-k8凯发旗舰

中国计算机学会《学科前沿讲习班》

the ccf advanced disciplines lectures

第94期

主题 群智协同计算    

2018年9月15-16日 上海（复旦大学邯郸校区光华楼）

主办单位：中国计算机学会

承办单位：中国计算机学会协同计算专业委员会

扫描（或长按）二维码报名

互联网聚集了大规模的用户群体，他们不仅是应用服务的使用者，更是网络空间大数据和很多互联网服务的贡献者。大量互联网用户、信息系统与其他各类设备等群智资源的交互与协同催生了一种基于互联网的新型计算模式：群智协同计算，其本质是群体智能、协同计算和社会计算等的融合与发展。

中国计算机学会协同计算专委在《2016-2017中国计算机科学技术发展报告》上发表了《群智协同计算：研究进展与发展趋势》一文。在此基础上，专委组织并承办本期ccf学科前沿讲习班《群智协同计算》，特别从面向新一代人工智能的群体智能、群智系统中的质量保障、多智能体与社会网络群智行为、用户群体协同和推荐系统等方面对群智协同计算的相关理论、技术与应用进行介绍，并探讨未来发展趋势。

主办单位：中国计算机学会

学术主任：顾宁 复旦大学教授

日程安排

特邀讲者和讲座介绍：
●吴文峻(wenjun wu)

吴文峻，博士，北京航空航天大学教授，博士生导师。先后在美国印第安那大学和芝加哥大学阿岗国家实验室学习和工作，主持和参与了多项美国nsf重要的科研项目，包括：计算社会和行为科学智能分析平台、开放生命科学知识网格和多媒体交互协同环境等等。主持和参加了国家自然基金重点、国家863、国家973等课题，在国际会议和期刊上发表学术论文100多篇，出版英文专著一部，担任国家人工智能标准总体组副组长，多次担任国际学术会议程序委员会主席和程序委员会委员, 组织相关国际会议和学术交流活动。目前主要研究方向包括：群体智能、大规模在线教育、分布式计算、海量科学数据组织和管理等。

讲座题目:面向新一代人工智能的群体智能

基于互联网的群体智能理论和方法是新一代人工智能的核心研究领域之一，对人工智能的其他研究领域有着基础性和支撑性的作用。著名科学家钱学森先生在上世纪90年代曾提出综合集成研讨厅体系，强调专家群体以人机结合的方式进行协同研讨，共同对复杂巨系统的挑战性问题进行研究。《新一代人工智能发展规划》所提出的群体智能研究方向，实质上正是综合集成研讨厅在人工智能新时代的拓展和深化。本次讲座将系统地介绍群体智能的概念内涵、基础理论和前沿技术的关键研究任务，以及群体智能平台和重要的应用领域。

●蒋嶷川(yichuan jiang)

蒋嶷川，东南大学计算机科学与工程学院教授、博士生导师。曾获得首届江苏省杰出青年基金、教育部新世纪优秀人才支持计划、全国优秀博士学位论文提名奖。研究方向主要为：多智能体系统与人工智能、社会计算与社会网络等。在在ieee jsac、ieee tpds、ieee tmc、ieee tsmc、ieee tcyb、acm taas、jpdc、jaamas等国际权威期刊（其中ieee/acm transactions 20余篇），以及顶级会议ijcai、aaai、aamas、ecai等共发表论文90余篇。研究论文曾分别获得国际agent领域著名会议prima最佳论文奖、并连续两年获得国际人工智能著名会议ictai最佳学生论文奖。目前担任《计算机学报》编委、以及七家国际期刊的副主编、编委；国际人工智能最顶级会议ijcai和国际分布式人工智能最顶级会议aamas等30余家国际著名会议的pc委员、出版主席、论坛主席、程序委员会主席等。ieee高级会员。

讲座题目: 多智能体技术与社会网络群智行为研究

社会网络与信息传播中的群智行为在很多领域引起了人们的极大关注，其研究成果无论在科学研究还是社会现实中都具有很大的意义。社会网络主要由自治的社会主体和他们之间的社会交互关系所组成；而多智能体计算已经被公认为是一种能对群智多主体系统进行有效建模分析的方法。因此，基于多智能体对社会网络及信息传播群智行为进行分析研究就成了目前我们需要考虑的研究方向，通过发现社会网络与多智能体系统之间的关联性、提出基于多智能体研究社会网络的模型框架；然后，还将讨论基于多智能体研究社会网络中的典型问题-信息传播。然后，我们将基于多智能体的研究方法与其他两种经典的研究方法（图论结构分析方法、实证数据分析方法）进行比较，讨论基于多智能体的研究方法的优缺点和未来发展趋势。最后，还将介绍社会网络中的群智系统的任务分配的研究问题和工作。

●孙海龙（hailong sun）

孙海龙，博士，北京航空航天大学计算机学院长聘副教授、博士生导师，中国计算机学会协同计算专委会委员。曾获全国优秀博士学位论文奖和ccf优秀博士学位论文奖、国家技术发明二等奖2项、教育部科技进步一等奖3项，入选教育部新世纪优秀人才和北京市科技新星计划。主要研究方向包括群智计算、智能化的软件开发方法和分布式系统等。近年来，主持国家重点研发计划课题1项，国家自然科学基金项目2项，并作为课题副组长或技术骨干参与10余项国家自然科学基金、973计划、863计划及核高基等重大/重点项目。在osdi、ijcai、www、aaai、ase、dsn、tsc、information sciences、information systems和《中国科学》等发表论文100余篇，指导学生获得国际开源软件联盟ow2竞赛一等奖、ieee scc’13最佳学生论文奖、chinesecscw’17最佳论文奖。获发明专利授权34项，包括2项美国发明专利授权。担任三个国际期刊的编委和多个重要国际期刊与国际会议的审稿人。

讲座题目：面向群智系统的质量保障方法

基于群智资源进行任务处理已成为一种基于互联网的新型计算模式，目标是通过汇聚群体智能实现复杂问题求解，其重要性得到学术界和工业界的广泛认可。然而，在动态开放的互联网环境中，参与者的动机、能力水平和投入时间等差异巨大，且受时间、环境和心理等多种因素影响，使得群智资源具有高度的自主性、不确定性和难控性，从而会导致任务处理的不可靠，因而质量保障成为群智系统面临的主要挑战之一。本讲座首先分析群智资源的特点和群智系统所面临的质量问题；其次将系统地介绍国际上针对众包、人本计算等群智系统中的质量保障方法，重点介绍面向群智任务处理的结果汇聚方法，主要包括各类投票和统计机器学习方法；最后，总结该问题面临的主要挑战和未来研究机会。

●卢暾(tun lu)

卢暾，博士，复旦大学计算机科学技术学院副教授，cmu访问学者。目前是ccf高级会员，ccf协同计算专委会常务委员，ccf大数据专家委员会通讯委员，ccf yocsef上海ac委员，上海市计算机学会协同信息服务专委会委员等。主要研究方向为cscw与社会计算。作为项目负责人主持承担了多项国家自然科学基金、国家863和上海市等项目，作为项目骨干参与了多项国家973课题、国家自然科学基金重点项目、重点研发计划子课题等项目。相关研究成果主要发表在acm cscw、chi和ubicomp等领域权威国际学术会议和国内外学术期刊上。获得了chinesecscw’17、cscw’15、ccscw’15、cscwd’13和cscwd’11等国际学术会议的最佳论文奖。担任chi’19的associate chair，chinesecscw’18、chinesecscw’17、cscwd’10等的pc co-chair，group’18、cscwd’16、icc’11等的pc，cscw’18的posters pc，cscw’17 workshop的co-organizer，international journal of cooperative information systems等期刊的guest editor，acm chi、cscw、acm trans. on social computing、ieee trans. on services computing、ieee trans. on automation science and engineering等领域内多个权威会议和期刊的审稿人.

讲座题目：在线开放协作项目中用户群体协同行为的分析与理解

现代计算机与信息技术的迅猛发展与普及，极大地改变了人们创造和分享知识的方式，互联网涌现了一大批诸如wikipedia、stack overflow、github等集合普通用户群体智慧的著名在线开放协作项目。由于背景知识、专业技能和兴趣爱好等方面的差异，自愿参与在线开放协作项目的用户群体展现出了独特的群体协同行为。全面分析和深入理解这些行为及其对鼓励贡献、增强认同感、增加参与度、规范协同行为、提高内容质量等方面的社会影响，将为群智协同技术创新、系统构建和应用设计提供重要的洞察、思路与启示，这也是cscw、社会计算与人机交互等领域持续关注的研究重点。本次讲座将首先从计算科学与社会科学相结合的视角，介绍定性定量融合的混合研究方法，及其建模和分析受“社会”与“技术”因素共同影响的用户群体协同行为的全过程。接着以stack overflow和github为例，详细介绍我们在建模、分析与理解stack overflow用户的协同编辑行为对项目内容质量与用户参与度的权衡，以及github用户协同交互冲突及其不同消解策略对用户留存度影响等方面的最新研究成果。最后展示如何利用这些研究成果进行技术创新、界面设计与系统构建，形成“社会理解-技术创新-系统设计”的研究闭环，并结合国内外动态指出未来群智协同行为分析与理解研究的发展趋势。

l   李东胜（dongsheng li）

博士，ibm中国研究院高级研究员。主要研究方向为推荐算法的相关理论与技术，如推荐算法的准确性、泛化能力、可扩展性等。近年来，在信息推荐领域的知名国际会议和期刊，如icml、nips、sigir、www、aaai、ijcai等，发表论文20余篇，申请国际专利10余项。2016-2018年连续3年获得ibm杰出技术成就奖(ibm outstanding achievement award)。主持开发的认知推荐引擎为公司带来过亿美元的年销售额，同时获得了2018年ibm corporate award（ibm最高奖）。

讲座题目: 面向商务应用的推荐算法设计

推荐系统技术已经发展了二十余年，目前广泛应用于各类与人们日常生活息息相关的信息系统中，如电子商务、社交网络、内容服务、生活服务等。推荐系统通过个性化的服务帮助用户便捷的发现感兴趣的信息，为信息系统带来销售额、参与度、满意度等多个方面的提升，例如亚马逊网站中推荐系统能够带来约30%的销售额提升。本次讲座首先分析当前推荐算法的前沿理论与技术，针对推荐模型的表达能力、泛化能力和可扩展性三个方面，着重介绍如何从理论分析和方法设计两个层面去尝试解决真实推荐系统所面临的关键研究挑战。