CNCC | 音乐的力量：探索音乐如何促进大脑认知与健康

管晓宏

中国科学院院士

西安交通大学教授/博导、电子与信息工程学院院长

IEEE Fellow，分别于1982、1985年获清华大学学士与硕士学位，1993年获美国康涅狄格大学博士学位；1999-2000年任哈佛大学访问科学家，1995年起任西安交通大学教授，目前任电子与信息学部主任；2003-2008年任清华大学自动化系主任；中央音乐学院音乐人工智能与信息科技团队成员；主要从事复杂网络化系统的经济性与安全性，信息物理融合系统，网络空间安全等领域的研究，同时从事音乐智能量化和信息处理的研究。

王小勤

清华大学脑与智能实验室主任、生物医学工程系教授

国家自然科学基金专项项目“音乐智能量化和脑科学认知研究”首席科学家。研究方向为大脑处理语音和音乐的机制、听觉系统在复杂声场中提取信号的原理、大脑控制发声和听觉反馈的机理，以及注意力和行为对听觉大脑的调制。王小勤教授在听觉神经系统的编码机制研究中做出过若干重大的发现，因他对“听觉神经生物学做出的杰出贡献以及开创了在语音通讯生理机制研究中的实验和计算方法”，于1999年荣获“美国总统青年科学家奖”。他领导的团队在国际上率先发现听觉大脑皮层神经元处理时变信号的机理、大脑中处理音高和谐波的特殊区域以及听觉大脑皮层处理听觉反馈信号的神经机理。这些发现对理解听觉大脑皮层的核心功能及病理机制有着重大的意义，并已经被逐步写入神经科学领域主流教科书中。王小勤教授近年来的研究工作关注大脑处理音乐信号、音乐情感和音乐记忆的神经机理。

管晓宏

中国科学院院士

西安交通大学教授/博导、电子与信息工程学院院长

音乐计算智能与量化

音乐计算智能的量化是音乐脑科学认知的基础。音乐智能量化包括音乐量化和脑认知量化。目前已经发现隐藏在音乐中的数学物理规律，对其定量分析能够对艺术创作产生重要影响。作曲家在不经意追求旋律变化的有约束熵最大，能够揭示音乐旋律变化服从的一般性统计规律，与众多自然、工程和社会系统中的规律一致。研究结果有助于深度分析音乐艺术特别是作曲理论中的计算智能，建立机理与数据融合的定量模型，揭示基于脑科学的音乐认知机制的基础。

王小勤

清华大学脑与智能实验室主任、生物医学工程系教授

大脑处理音乐的神经机理

大脑通过听觉系统来感知自然界多姿多彩的声学环境。在近来二十年中，关于大脑如何处理音乐的脑科学研究有了较快的发展，这些研究结果对于理解音乐的本质具有重大的意义。音乐信号有着特殊的时域和频域特征，听觉系统通过一系列复杂的处理提取音乐中的信息及特征。大脑基于这些特征形成音乐的感知、包括音乐情感认知等高级功能并进一步产生音乐的记忆。我在这个报告中将和大家分享大脑处理音乐机制的最新进展。

孙茂松

CCF计算艺术分会副主任

清华大学计算机科学与技术系教授/博导、人工智能研究院常务副院长

欧洲科学院外籍院士，CCF理事（2012-2016），中央音乐学院兼职教授，国际计算语言学学会（ACL）会士，中国人工智能学会（CAAI）会士等。在人工智能和自然语言处理领域国际顶级期刊或会议上发表论文200余篇，Google Scholar引用3.4万余次。作为首席科学家主持完成国家重点基础研究发展计划（973计划）项目。2016年获“全国优秀科技工作者”，2021年获中央音乐学院“金校徽”奖

音乐人工智能与脑科学及情感感知

本报告首先将评述国际上关于音乐人工智能（包括音乐生成、音乐分析、音乐大模型等方面）的最新前沿进展，在此基础上，结合若干典型案例，进一步讨论其对脑科学和情感感知领域研究乃至开发的可能影响。

胡斌

北京理工大学医学技术学院/医工融合研究院执行院长、教授/博导

CCF杰出会员，国家高层次人才，973首席科学家，IEEE Fellow/IET Fellow/AAIA Fellow，长期从事可穿戴计算、情感计算、心理生理计算研究，主持国家973计划、国家自然科学基金重点项目、多项欧盟和英国数字化精神健康项目、国家变革性技术“基于心理生理多模态信息的精神障碍早期识别与干预技术”等重大重点项目；享受国务院政府特殊津贴；发表论文400余篇，入围科睿唯安2020、2021年高被引科学家；获发明专利授权18项、2020年甘肃省专利发明人奖、2019年国家专利金奖、2018年国家技术发明二等奖等，被评为2020年全国先进工作者。

医学电子与精神障碍诊疗

近年来全球精神健康问题日益凸显，据世界卫生组织统计：全世界有9.7亿人患有精神障碍，占全球总人口的13%。当前精神疾病诊断多以医生访谈和精神疾病诊断量表为主，缺乏客观量化诊断指标；治疗方式主要为药物治疗等方法，但是药物治疗存在副作用大等问题。以人工智能和大数据为代表的前沿信息技术的飞速发展，为精神疾病的诊疗提供了新契机，推动精神疾病诊疗由症状描述型向数据驱动型发生转变，提供了普适化，精准化和个性化的精神疾病诊疗分析技术，从而提高了精神疾病临床识别率和治疗有效率。本次报告将介绍医学电子领域对精神障碍诊疗的机遇与挑战。