京东探索研究院陶大程：超级模型生态系统将引

陶大成，JD勘探研究院院长，澳大利亚科学院院士。陶大成获得2021年IEEE计算机学会Edward J McCluskey技术成就奖，2018年IEEE ICDM研究贡献奖（数据科学领域最高技术成就之一）。 2015年和2020年两次获得澳大利亚尤里卡奖，2015年获得悉尼科技大学校长奖章和悉尼大学校长杰出研究贡献奖。 2020年入选《澳大利亚人报》“终身成就排行榜”，成为研究巨星之一。他是ACM/AAAS/IEEE Fellow，欧洲科学院外籍院士，新南威尔士皇家学会会员，澳大利亚科学院院士。自2014年起，连续7年入选科睿唯安“全球高被引科学家”。 2021年，陶大成在《计算机科学与电子学》H指数类最佳科学家排行榜中位列澳大利亚第三（人工智能第一）、世界第53、全球华人排名第8。

人工智能技术已经广泛应用于图像识别、内容推送、自动翻译等多个垂直领域，同时人工智能技术在应用时面临着许多可信的挑战，例如专门构建的模式会误导产品识别系统产生识别错误，而缺乏可解释性的自动驾驶系统可能引发对人工智能技术的信任危机。

澳大利亚科学院院士、京东探索研究院院长陶大成表示，当人工智能一直在使用时，人工智能的好坏本质上是由用户决定的，因此，它可以挖掘群体信息并有效提取，在维护数据的同时保护个人隐私尤为关键。推动人工智能向善，发展可信的人工智能已逐渐成为全球共识。

为了有效应对可信的挑战，国内很多科技公司展开了大量的研究和探索。京东探索研究院以可信人工智能为研究方向三至五年，超深度学习为五至十年研究方向，量子机器学习为十至十五年研究方向。 ， 一步步。

陶大成认为，可信度涉及面广，关注点不同，研究首先需要明确人工智能可信度衡量标准，构建可信人工智能统一框架。 目前对可信人工智能的研究大致可以概括为四个维度：稳定性、可解释性、隐私保护和公平性。 “理顺了不同方面的关系后，人们才能真正实现可信的人工智能，未来才能真正形成相关的具体规定来实施。”陶大成指出。

通过了解深度学习的工作机制，分析风险，研究新的深度学习算法，分析神经网络的几何代数性质和泛化能力，确保人工智能应用的可解释性，从而进行可信的人工智能研究。

深度学习是从基础理论出发，针对海量多模态数据的超级神经网络模型研究一种新的深度学习范式。目前，人工智能技术在落地过程中，存在应用场景复杂、模型单一、算力分布分散、基础理论层面缺乏可解释性等困难。这使得中小企业在数据和计算能力有限的情况下更容易面对。人工智能的应用困境。

随着深度学习的发展，研究人员发现在相同数据下，模型越深越好。 “超级深度学习在泛化性能和更有效的初始化方面优势明显。”陶大成说道。

此外，超深度学习可以有效整合不同模态、不同来源、不同任务的数据和信息，从而满足新的生产需求、新的应用场景、新的商业模式，实现数字经济变革。被认为引领行业的下一轮变革。

在此背景下，超模生态应运而生。 通过构建超级模型生态系统，人工智能技术可以更高效地落地，其应用涵盖技术创新、经济发展、文化融合等多个维度，引领新一轮产业变革。

在陶大成看来，超级深度学习模型是超级模型生态系统的核心。它解决了各个领域的常见问题，包括数据不足、数据岛问题和模型性能有限。有效的解决方案包括使用超大规模无标签数据进行自监督预训练、知识蒸馏、迁移学习等，同时通过构建完整的数学理论等模式，使模型的可解释性得到增强，智能算法做出的手动决策更容易评估。

比如在数字智能和健康领域，超深度学习可以表征海量分子结构，可以加速新药的研发；还可以对全栈医学影像进行表征，用于自动诊断、治疗方案推荐、预后分析、康复助手、全周期护理，更可以聚合和分析大量多模态公共服务数据，实现全方位公共卫生监测方面多角度，助力人工智能在公共卫生、疫情研判、情绪管理、地图服务、基因检测、药物研发、互联网医院等各种特定场景中发挥重要作用。

陶大成表示，目前各国都在部署超级深度学习。 “超级深度学习有望在未来 5 到 10 年内在支持数字智能社会供应链系统方面发挥关键作用。赋能全产业链，包括智慧零售、智慧物流、智慧供应链等诸多与人类需求密切相关的行业。”