报告题目：反思深度学习：数据表征的不变性视角

报告人：祁树仁

报告时间：2025年5月26日（周一）14:30

报告地点：江安校区多学科交叉研究创新大楼919报告厅

报告内容：

我们正处于深度学习的反思期：思考深度学习局限性、揭示深度学习行为机理、改善深度学习实际应用的研究层出不穷。在这些研究中，普遍认为深度学习在三个方面存在不足：稳健性、可解释性和效率。这已经成为迈向可信人工智能所必须解决的问题。

不变性作为一种自然先验，在稳健性、可解释性和效率相关问题中具有潜力。不变性的正式概念始于数学史的重要文献“爱尔兰根纲领”。后来，不变性概念在物理学研究中发挥了极为重要作用。由于人工智能系统是对自然系统的模拟，因而不变性先验在人工智能系统设计和实现的过程中同样居于基础地位。实际上，对不变性的追求与计算机视觉、模式识别和数据挖掘领域本身一样古老。在深度学习之前的时代，不变性设计一直是手工表征的基石。进入深度学习的早期阶段，不变性原则在很大程度上被忽视并被数据驱动的范式所取代。然而，这种忽视并没有持续多久，此类方法就遇到了稳健性、可解释性和效率等方面的瓶颈。而在现今的反思深度学习时代，不变性原则又重新回归，形成了名为“几何深度学习”的新领域。

本次报告将全面回顾数据表征不变性的发展历史，梳理那些重要的研究工作和核心思想，为深度学习的反思提供不变性视角。

报告人简介：

祁树仁，现任香港中文大学博士后研究员，获香港特区政府“研究人才库计划RTH-ITF”资助。研究方向为几何深度学习，可信AI和科学AI。研究重点为不变量方法，将经典不变量理论从全局假设推广到局部和层次假设。目前，以第一/通讯作者在国际期刊/会议发表论文10篇，包括IEEE TPAMI和USENIX Security；在WWW2025会议组织3小时教程，题为Rethink Deep Learning with Invariance in Data Representation。个人主页：https://shurenqi.github.io/

网络空间安全学院

2025年5月23日