徐宗本  

中国科学院院士

数学家、信号与信息处理专家、西安交通大学教授

主要从事智能信息处理、机器学习、数据建模基础理论研究。曾提出稀疏信息处理的L(1/2)正则化理论,为稀疏微波成像提供了重要基础；发现并证明机器学习的“徐-罗奇”定理, 解决了神经网络与模拟演化计算中的一些困难问题,为非欧氏框架下机器学习与非线性分析提供了普遍的数量推演准则; 提出基于视觉认知的数据建模新原理与新方法，形成了聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法, 并广泛应用于科学与工程领域。曾获国家自然科学二等奖、国家科技进步二等奖、陕西省最高科技奖; 国际IAITQM 理查德.普莱斯(Richard Price)数据科学奖; 中国陈嘉庚信息技术科学奖、中国CSIAM苏步青应用数学奖；曾在2010年世界数学家大会上作45分钟特邀报告。

曾任西安交通大学副校长，现任人工智能与数字經济广东省实验室（琶洲实验室）主任、西安数学与数学技术研究院院长、陕西国家应用数学中心主任、大数据算法与分析技术国家工程实验室主任，是国家大数据专家咨询委员会委员、国家新一代人工智能战略咨询委员会委员。

徐宗本院士受邀参加CNCC2022，作为KN讲者，他将在大会的第一天作题为《从机器学习先验假设到机器学习自动化》的特邀报告。报告主要讲了哪些内容，现在就带大家先睹为快。

机器学习是人工智能的最基础、最核心技术(算法)，但机器学习的执行通常都是以一组基本的先验假设为前提的，这些基本假设包括: 假设空间的大容量假设、训练数据的完备性假设、损失度量的独立性假设、正则项的先验决定假设、分析框架的欧几里德假设等。一个机器学习算法的性能是由这些先验假设（要素选择）决定的。本报告分析这些假设的作用、局限及其影响，提出突破这些基本假设的系列途径与方法。每一情况下，我们举例说明新突破带来新价值。 

机器学习的当下应用还是“人工”的：人工标注数据、选择数据，人工搭建网络、选择算法，人工切换任务、适应环境；仍处于“选择”阶段，还没有达到“自主设计”“创新设计”水平。随着人工智能技术的发展，机器学习必须要从人工化，走向自动化，迈向自主化。在这样的AI发展大趋势下，让机器学会人类的学习方法论，或者更严格地说，学会模拟学习方法论(Simulate Learning Methodology，SLeM)成为一种必需和趋势。本报告后一部分严格定义学习学习方法论问题，提出SLeM的双层优化模型和“超参数化”求解方法，建立SLeM的基本理论，并展示对多个机器学习自动化问题的成功应用。