2023年7月29日，由CCF-A类期刊《计算机研究与发展》和CCF人工智能与模式识别专委会共同举办的“可信人工智能专题论坛”在新疆乌鲁木齐举行。论坛依托于《计算机研究与发展》“面向开放场景的可信人工智能前沿进展”专题，旨在分享和探讨国内同行在开放场景领域适应、可解释性、鲁棒性以及可信人工智能热点应用等方面取得的最新进展。实验室刘星宏同学（指导老师周毅）参加了本次论坛，并就其论文《基于自步学习的开放集领域自适应》进行了口头报告。
刘星宏同学进行现场报告
基于开放集图像识别的领域自适应旨在精确地将目标域中的已知类与源域进行对齐，同时避免将目标域中的未知类与源域对齐而导致的负迁移，以应对开放集图像识别的领域自适应带来的额外挑战。为了解决开放集领域自适应带来的挑战，刘星宏等人提出了一种基于自步学习的新颖框架SPL-OSDA，用于精确区分已知类和未知类样本，并进行领域自适应。为了利用未标记的目标域样本实现自步学习，为目标域样本生成伪标签，并为开放集领域自适应场景设计一个跨领域混合方法。这种方法最大程度地减小了伪标签的噪声，并确保模型逐步从简单到复杂的例子中学习目标域的已知类特征. 为了提高模型在开放场景的可靠性以满足开放场景可信人工智能的要求，引入了多个准则以区分已知类和未知类样本。此外，与现有的需要手动调整超参数阈值以区分已知类和未知类的开集领域自适应方法不同，所提方法可以自动调整合适的阈值，无需在测试过程中进行经验性调参。与经验性调整阈值相比，所提的模型在不同超参数及实验设定下都表现出了良好的鲁棒性。
模型架构图
在论坛现场，南京大学的高阳教授、中国科技大学的连德富教授、北京大学的封举富教授以及中山大学的郑伟诗教授等评审专家对此进行了评价：当人工智能面对开放环境时，其复杂且不确定的特性使得决策偏见、算法透明度以及系统安全性等问题更加凸显，这对人工智能的可信度构成了深刻挑战。因此，研究和开发面向开放环境的可信人工智能已变得紧迫而至关重要。刘星宏同学等人提出的基于自步学习的新颖框架以及设计的跨领域混合方法在学术价值和创新性方面表现出较高水平。
现场评审专家听取报告
经过综合考量论文的学术价值、创新性、应用价值、现场报告等方面，评委专家决定对论文《基于自步学习的开放集领域自适应》授予“面向开放场景的可信人工智能前沿进展专题”优秀论文奖。中国科学技术大学的陈恩红教授为刘星宏同学现场颁发证书。
陈恩红教授进行颁奖
在这次论坛上，刘星宏同学分享了对于开放集领域自适应的研究成果，并与来自不同领域的专家学者共同讨论和学习。周毅老师课题组将继续致力于解决人工智能在开放环境中所面临的挑战，以更好地满足社会的需求，确保人工智能在开放环境中能够更加可信可靠。
