CNCC｜如何决策智能？重磅专家带你探索博弈决策前沿技术

王轩

哈尔滨工业大学 计算机应用研究中心主任/教授

鹏城国家实验室研究员，中国人工智能学会常务理事，广东省计算机学会副理事长，深圳市计算机学会理事长，广东省安全智能新技术重点实验室主任，平安-哈工大粤港澳智慧金融研究中心主任，理光-哈工大联合实验室主任。研究领域为人工智能和网络空间安全，主持参与国家重大项目百余项，获教育部一等奖、航天部二等奖、省发明奖、市科技进步奖等，发明专利30余项，发表论文200余篇。

何友

中国工程院院士

清华大学 教授

曾兼任CAAI/CIE／CAA/CIC/CSF/IET Fellow，国务院学科评议组成员，国家杰出青年科学基金评审委员会委员，国家自然科学基金委信息学部咨询专家委员会委员，中国人工智能学会副理事长，中国指挥与控制学会副理事长等。主要研究领域：信号检测、信息融合、智能技术与应用等。荣获何梁何利基金科学与技术进步奖、“求是”工程奖、全国留学回国人员成就奖、山东省科学技术最高奖等。

题目：天基海洋信息智能感知与融合

天基平台在全球海洋广域搜索、精细识别、连续观测和快速响应等方面具有显著优势。随着卫星平台和传感器技术的发展，天基海洋监视呈现出网络化、智能化和在轨融合处理的特点。本报告从天基海洋信息智能感知与融合的发展现状、关键技术研究和未来展望三个方面展开，结合团队的研究成果，系统分析了天基海洋信息智能感知与融合面临的研究难点和方向，对多源卫星遥感数据海洋目标智能检测、智能识别、关联跟踪等关键技术进行介绍。

黄金才

国防科技大学 教授

题目：智能指挥决策模式的变革与思考

首先重点从联合作战指挥信息系统发展脉络，提出传统指挥控制系统追求目标是从单机、网络化、服务化到云化，但是系统建设总是落后于使用需求。核心在于辅助决策能力低下，未来是由形态驱动的发展到内容驱动的发展。其次，从六个辩证关系，提出发展指挥决策智能化的愿景和途径；最后提出以智能博弈为牵引，大力发展全域融合、精确敏捷和网信体系支撑的智能化时代指挥控制系统。

田永鸿

北京大学 博雅特聘教授

IEEE Fellow，北京大学深圳研究生院信息工程学院院长，鹏城实验室网络智能部副主任兼云脑研究所所长，鹏城云脑技术总师，荣获2018年国家杰出青年基金。主要研究方向为分布式机器学习、神经形态视觉和视频大数据。曾任国际期刊IEEE TCSVT/TMM/Multimedia等期刊编委，IEEE MIPR2020/ICME2021大会主席，现任IEEE数据压缩标准委员会副主席兼IEEE 2941标准工作组组长、中国图象图形学会理事与交通视频专委会副主任等。

题目：大规模智能体博弈中策略学习的鲁棒性和泛化性研究

由于局部观测、动作高耦合性等特性，在大规模智能体博弈任务中每个智能体的观测信息通常包含了大量的不完全信息，并且收集到的奖励极易受到其他智能体的策略影响，这为多智能体学习带来了诸多难点，包括策略模型的学习不稳定性、局部最优性以及低泛化性等。本次报告介绍了团队在相关问题上的最新研究成果，并通过在城市交通、无人机对抗等仿真任务上进行了实验验证。

王轩

哈尔滨工业大学 计算机应用研究中心主任/教授

题目：非完全信息智能博弈决策

摘要：在非完全信息的基础上，博弈决策的研究是更为复杂的大规模博弈决策问题。本讲座从非完全信息博弈决策问题的根源问题出发，首先讨论如何对“非完全信息”进行建模，进而展开度量、保障和调控。在各类合谋、欺诈和对抗的博弈问题中实现求解。其次，介绍博弈决策系统如何借助超大算力的支持，向更为复杂的博弈领域展开探索。最后，介绍博弈决策相关研究成果在宏观经济决策、金融智能投资以及军事智能化方面的代表性应用。

李厚强

中国科学技术大学 信息科学技术学院副院长/教授

多媒体计算与通信教育部－微软重点实验室主任，长江学者特聘教授，国家“杰出青年基金”获得者，IEEE Fellow。主要研究方向：强化学习与机器博弈、图像处理与计算机视觉、视频编码与通信等。担任国际著名期刊IEEE TCSVT和IEEE TMM编委、多媒体领域国际旗舰会议ICME 2021大会共同主席；获2019年国家技术发明二等奖、2015年国家自然科学二等奖、2012年安徽省科学技术一等奖等多项奖励。

题目：面向强化学习的表征学习方法研究

在实际决策任务中，原始状态空间的规模爆炸、采样数据的利用率低下等问题给强化学习的训练与部署带来了巨大挑战。本次报告首先讨论面向强化学习问题的表征学习方法的基本概念、原理和主流思路。其次，介绍我们基于原始状态的性质，如视觉信号的时间相关性、图节点的异构性和相互连接关系等，利用对比学习、Transformer等新思路，设计新的模型训练方式来增强表征学习能力的若干工作。最后，探讨强化学习中的表征学习技术的未来发展方向。

张俊格

中国科学院自动化研究所 研究员

近年来得到北京市科技新星人才计划、中科院青促会人才计划、中科院基础培育基金计划支持。主要从事博弈决策以及通用人工智能相关领域研究，带领团队4次蝉联计算机视觉国际顶级挑战赛PASCAL VOC国际冠亚军。带领团队参与博弈决策智能国际顶级挑战赛AIIDE星际争霸AI，2017年获得全球第四名，2018年获得国际季军。近3年来研发的兵棋推演AI和德州扑克AI均是国内顶尖水平，国际排行榜全球第一名。

题目：博弈与强化学习

近年来深度强化学习基于强化学习的决策范式，融合深度学习的感知能力，推动了决策智能的发展。但决策问题涉及多个理性而自利的参与者之间的策略交互，为智能决策带来极大挑战。本报告将立足于决策智能，围绕博弈模型分类、问题建模、多种均衡求解等，介绍完全/不完全、完美/不完美博弈，马尔可夫博弈建模序列博弈问题，现实博弈的策略结构，基于强化学习的迭代式高效求解大型博弈纳什均衡等内容，阐述博弈论和强化学习在决策问题中的应用和发展前景。