BAAI CONFERENCE

阿迪·沙米尔，以色列密码学家。他与罗纳德·李维斯特和伦纳德·阿德曼共同发明了RSA加密算法；与Uriel Feige和Amos Fiat共同发明了 Feige–Fiat–Shamir identification scheme；差分密码分析的发明者之一，以及在密码学和计算机科学等领域做出许多杰出贡献而知名。RSA被广泛使用在计算机安全应用上，包括https。2002年，他与罗纳德·李维斯特和伦纳德·阿德曼一起因在公钥密码学RSA加密算法取得的杰出贡献而获得图灵奖。

Karl Friston 是一位理论神经科学家，也是脑成像领域的权威。他发明了统计参数映射 (SPM)、基于体素的形态测量 (VBM) 和动态因果建模 (DCM)。这些贡献是由精神分裂症研究和价值学习的理论研究推动的，被表述为精神分裂症的失联假说。数学贡献包括变分拉普拉斯程序和分层贝叶斯模型反演的广义过滤。弗里斯顿目前致力于人脑功能整合模型和神经元相互作用的基本原理。他对理论神经生物学的主要贡献是行动和感知的自由能原理（主动推理）。 Friston 获得了首届人脑图谱青年研究者奖（1996 年），并被选为医学科学院院士（1999 年）。 2000 年，他担任国际人脑图谱组织主席。2012 年，他当选英国皇家生物学会会士，2013 年，因对数学生物学的贡献他获得韦尔登纪念奖和奖章，并于 2014 年被选为 EMBO（生命科学卓越奖）和（2015 年）欧洲科学院的成员。 2016 年，他因在脑研究领域的无与伦比的突破而获得查尔斯·布兰奇奖和人类脑图谱领域的终身成就奖——Glass Brain 奖。他拥有苏黎世大学和拉德布德大学的荣誉博士学位。

刘挺，哈尔滨工业大学教授，哈工大计算学部主任兼计算机学院院长、自然语言处理研究所所长。国家“万人计划”科技创新领军人才，“十四五”国家重点研发计划“先进计算与新兴软件”、“社会治理与智慧社会科技支撑”两个重点专项的指南专家、教育部人工智能科技创新专家组专家。中国计算机学会会士、理事，中国中文信息学会副理事长、社会媒体处理专委会（SMP）主任，黑龙江省中文信息处理重点实验室主任，黑龙江省“人工智能”头雁团队带头人。曾任国际顶级会议ACL、EMNLP领域主席。主要研究方向为人工智能、自然语言处理、社会计算和智慧医疗等，是国家重点研发项目“人机融合会诊”的首席科学家。主持研制“语言技术平台LTP”、“大词林”等科研成果被业界广泛使用。曾获国家科技进步二等奖、省科技进步一等奖、钱伟长中文信息处理科学技术一等奖等。

陶建华，中国科学院自动化研究所研究员。中国科学院自动化所模式识别国家重点实验室副主任、博士生导师。国家杰出青年基金获得者，国家“万人计划”科技创新领军人才 。中国计算机学会会士、常务理事，中国人工智能学会常务理事，中国图象图形学会人机交互专委会主任，主要研究方向为多模态信息处理、语音合成与识别、模式识别等。先后负责和参与国家级项目（863计划、国家自然科学基金、国际合作）40余项，在包括IEEE Trans.、ICASSP、ICSLP、ICCV、ICIP等国内外学术期刊和会议上发表论文200余篇 ，论文和成果曾获中国电子学会技术发明一等奖等。

刘群，博士，教授，ACL Fellow，华为语音语义首席科学家，负责语音和自然语言处理研究。原爱尔兰都柏林城市大学教授、爱尔兰ADAPT中心自然语言处理主题负责人、中国科学院计算技术研究所研究员、自然语言处理研究组负责人。分别在中国科学技术大学、中科院计算所、北京大学获得计算机学士、硕士和博士学位。研究方向主要是自然语言理解、语言模型、机器翻译、问答、对话等。研究成果包括汉语词语切分和词性标注系统、基于句法的统计机器翻译方法、预训练语言模型的训练、压缩与应用等。承担或参与多项中国、爱尔兰和欧盟大型科研项目。在国际会议和期刊发表论文300余篇，被引用12000多次。培养国内外博士硕士毕业生50多人。获得过Google Research Award、ACL Best Long Paper、钱伟长中文信息处理科学技术奖一等奖、国家科技进步二等奖等奖项。

黄萱菁，复旦大学计算机科学技术学院教授、博士生导师，主要从事自然语言处理、信息检索和社会媒体分析研究。兼任中国中文信息学会理事、社会媒体专委会副主任，中国计算机学会自然语言处理专委会副主任、学术工作委员会委员、中国人工智能学会女科技工作者委员会副主任、AACL执委，EMNLP 2021程序委员会主席。在高水平国际学术期刊和会议上发表了百余篇论文，负责的多个科研项目受到国家自然科学基金、科技部、教育部、上海市科委的支持。获2021年上海市育才奖，并入选“人工智能全球女性”、“AI 2000人工智能全球最具影响力提名学者”及“福布斯中国2020科技女性榜”。

Jeff Clune是不列颠哥伦比亚大学计算机科学副教授和Vector Institute的教员。Jeff主要研究深度学习，包括深度强化学习。此前，他是OpenAI研究团队负责人，Uber人工智能实验室的高级研究经理和创始成员，怀俄明大学计算机科学的哈里斯副教授，以及康奈尔大学的研究科学家。他获得了密歇根州立大学（博士、硕士）和密歇根大学（学士）的学位。自 2015 年以来，他获得了白宫颁发的科学家和工程师总统早期职业奖，在Nature发表了两篇论文，在PNAS发表了一篇论文，获得了 NSF CAREER 奖，十年杰出论文和杰出青年研究员奖，并在顶级机器学习会议（NeurIPS、CVPR、ICLR 和 ICML）上获得了最佳论文奖、口头报告和邀请讲座。他的研究经常被媒体报道，包括《纽约时报》、NPR、NBC、《连线》、BBC、《经济学家》、《科学》、《自然》、《国家地理》、《大西洋》和《新科学家》。

华宝洪，研究员，现任北京灵汐科技有限公司副总经理，北京市科委/中关村管委会专家。国防科技大学计算机专业学士，航天二院计算机组织和系统结构专业硕士。历任航天科工集团706所室主任，航天科工世纪卫星公司副总经理等职务，2019年加入清华灵汐科技团队，从事国内首颗量产的异构融合类脑芯片研制。曾经完成863等多项国家级课题研究和重大任务保障。在计算机体系结构、图像处理、模式识别、类脑计算等方面有多年的研究经验。

北京大学长聘教授，人工智能研究院类脑智能芯片研究中心主任，北京智源青年科学家，国家杰青获得者。长期从事忆阻器、类脑计算、存算一体芯片等研究，累计发表Nature Reviews Materials、Nature Nanotechnology、Nature Electronics、Nature Communications、Science Advances、IEDM等期刊和会议论文120余篇。曾40余次受邀在国际学术会议上做主旨、特邀报告。任《Microelectronic Engineering》副主编、《Nano Select》副主编、《National Science Review》编委、《Chip》编委、《中国科学：信息科学》青年编委、《电子学报》青年编委。获科学探索奖、求是杰出青年学者奖、Wiley青年研究者奖、《麻省理工科技评论》中国区35岁以下科技创新35人等奖项，入选2020全球前2%顶尖科学家榜单、2020年与2021年爱思唯尔“中国高被引学者”。

中国科学院半导体所研究员、中国科学院大学教授、中国科技大学兼职教授。1992年获日本国立电气通信大学理学博士。曾任日本国立北海道大学助教、国立电气通信大学副教授。2000年加入中国科学院半导体研究所。主要从事仿生视觉芯片、神经网络图像处理芯片和量子器件电路等研究。发表学术论文300余篇，申请和授权专利共100余项，负责设计完成芯片40余款。

蔡炎松，中国电子科技南湖研究院类脑实验室主任。2010-2015年就读于德国弗莱堡大学生物系，主修计算神经科学，并获博士学位。2016-2019年在新加坡科技研究局申请A*STAR类脑计划项目，并任子项目5（算法）的PI。2019-2021年，在华为中央研究院任职类脑计算团队的首席专家。期间，获得四次创新奖。现在主持研究院的10亿类脑云项目。同时也是国家科技部科技创新2030“脑科学与类脑计算”重大项目 “异构融合类脑计算研究平台”课题二的负责人，课题六的参与方。

余山，中国科学院自动化研究所研究员，博士生导师，模式识别国家重点实验室副主任, 北京智源“人工智能的认知神经基础”方向研究员。于2000年、2005年在中国科学技术大学分别获生物学学士与博士学位。2005年至2014年在德国马克斯普朗克脑研究所、美国国立精神卫生研究所进行博士后研究。2014年9月加入中科院自动化研究所，结合实验神经科学与计算建模方法，致力于理解大脑皮层信息处理的网络机制，研究脑启发的人工智能算法，并探索新型脑机接口及其应用。

Douwe Kiela是Hugging Face的研究主管，也是斯坦福大学符号系统的兼职教授。此前，他是Facebook人工智能研究部的研究科学家。他目前的研究兴趣在于为（基础的、多智能体的）语言理解开发更好的模型，并为评估和基准测试建立更好的工具。

理查德·萨顿是DeepMind的杰出研究科学家，阿尔伯塔大学计算科学系教授，也是英国皇家学会、加拿大皇家学会、人工智能促进会、阿尔伯塔机器智能研究所（Amii）和CIFAR的研究员。萨顿于1984年获得马萨诸塞大学的计算机科学博士学位，并于1978年获得斯坦福大学的心理学学士学位。在2003年加入阿尔伯塔大学之前，他曾在AT&T实验室和GTE实验室从事工业工作，并在马萨诸塞大学从事学术工作。 在阿尔伯塔，萨顿创立了强化学习和人工智能实验室，该实验室现在由10名主要研究人员组成，共有约100人。他于2017年加入DeepMind，在阿尔伯塔省共同创立了他们的第一个卫星研究实验室。萨顿是教科书《强化学习》（Reinforcement Learning）的共同作者。 他的研究兴趣集中在与环境互动的决策者所面临的学习问题上，他认为这是智力的核心。他还对动物学习心理学、连接主义网络以及不断改进其对世界的表征和模型的系统感兴趣。他的科学出版物已被引用超过100,000次。

袁进辉，2008年于清华大学计算机系获得工学博士学位（优秀博士学位论文奖），2008~2011年在清华大学计算机系从事计算神经科学方面的博士后研究，原微软亚洲研究院主管研究员（院长特别奖获得者），于2017年创立北京一流科技有限公司，致力于打造新一代深度学习框架OneFlow。兼任之江实验室天枢开源开放平台架构师，北京智源人工智能研究院大模型技术委员会委员。

陈琪目前是微软亚洲研究院系统研究组的高级研究员。她于2010年和2016年分别在北京大学信息科学技术学院获得学士和博士学位，师从肖臻教授，博士期间主要从事分布式系统，云计算和并行计算方向的研究。她已经在国际顶级会议和期刊上发表了二十篇学术论文，发表的论文曾获得过OSDI最佳论文奖。目前主要研究方向包括分布式系统，云计算，深度学习算法和人工智能系统。

张文彬，北京大学教授。2004年和2010年分别获北京大学学士和美国阿克伦大学博士学位，之后于阿克伦大学和加州理工从事博士后研究。2013年8月加入北京大学化学与分子工程学院，致力于结合生物大分子和合成大分子的设计理念和独特基元，发展非传统精密结构大分子，并应用于解决健康和能源相关问题。至今已在Science, PNAS, JACS, ACIE等期刊上发表论文134篇，曾获日本化学会杰出讲座奖(2017年)、国家杰出青年基金（2019年）、Bayer学者奖（2021年）等荣誉和人才计划。

复旦大学材料科学系主任，长江学者特聘教授、国家杰出青年基金获得者、国家“万人计划”科技创新领军人才。长期从事液晶高分子和光响应性高分子材料研究，开发出新一代高性能的光致形变液晶高分子材料，全方位满足微机械系统、液体传输、传感器等柔性智能执行器的加工和使用需求。2016年作为唯一通讯作者在Nature正刊发表论文，该成果被央视《新闻联播》和《朝闻天下》、英国《经济学人》等主流媒体报道。2018年作为第一完成人获得上海市自然科学奖一等奖、荣获中国化学会-赢创化学创新奖杰出科学家奖。

吴翼，清华大学交叉信息研究院助理教授，回国前曾任OpenAI全职研究员，研究领域为强化学习的泛化性，多智能体学习，自然语言理解，机器人学习等。2019年在美国加州大学伯克利分校获得博士学位，师从Stuart Russell教授；2014年本科毕业于清华大学交叉信息院计算机科学实验班（姚班）。其代表作包括：NIPS2016最佳论文，Value Iteration Network；多智能体深度强化学习领域最高引用论文，MADDPG算法；以及OpenAI hide-and-seek 项目等。

Jian Tang is currently an assistant professor at Mila-Quebec AI Institute and also at Computer Science Department and Business School of University of Montreal. He is a Canada CIFAR AI Research Chair. His main research interests are graph representation learning, graph neural networks, geometric deep learning, deep generative models, knowledge graphs and drug discovery. During his PhD, he was awarded with the best paper in ICML2014; in 2016, he was nominated for the best paper award in the top data mining conference World Wide Web (WWW); in 2020, he is awarded with Amazon and Tencent Faculty Research Award. He is one of the most representative researchers in the growing field of graph representation learning and has published a set of representative works in this field such as LINE and RotatE. His work LINE on node representation learning has been widely recognized and is the most cited paper at the WWW conference between 2015 and 2019. Recently, his group just released an open-source machine learning package, called TorchDrug, aiming at making AI drug discovery software and libraries freely available to the research community. He is an area chair of ICML and NeurIPS.

清华大学生物医学工程系研究员，智源研究员。主要研究方向为情绪与动机相关神经回路、计算神经科学与类脑计算，目前已在Nature、Nature Neuroscience、ICML、ACL等国际会议期刊发表论文60余篇。2000年提出了类脑计算领域常用的时间信号依耐可塑性算法（STDP）。2019年参与清华类脑计算中心团队类脑计算芯片“天机芯”的研究，研究论文登上《自然》（Nature）杂志封面。

辛西娅-德沃克是哈佛大学保尔森工程学院计算机科学的戈登-麦凯教授，拉德克利夫高级研究所的拉德克利夫校友教授，以及哈佛大学法学院和统计系的附属教师，她利用理论计算机科学将社会问题置于坚实的数学基础之上。 德沃克毕业于普林斯顿大学和康奈尔大学。 她在普林斯顿大学获得了电子工程和计算机科学的BSE（荣誉），在那里她还获得了Charles Ira Young独立研究优秀奖，是有史以来第一位获得该奖项的女性。 她在康奈尔大学获得了计算机科学的硕士和博士学位。 德沃克是美国国家科学院和美国国家工程院双院院士，也是ACM、美国文理科学院和美国哲学学会会士。

Luke Zettlemoyer是华盛顿大学Paul G. Allen计算机科学与工程学院的教授，也是Meta的研究科学家。他的研究重点是自然语言语义的经验方法，包括设计机器学习算法，引入新的任务和数据集，以及最近研究如何最好地开发预训练的自我监督信号。他的荣誉包括被评为ACL研究员，以及获得PECASE奖、Allen杰出研究者奖和多个最佳论文奖。卢克在麻省理工学院获得博士学位，曾在爱丁堡大学做博士后。

刘静，清华大学教授/中科院理化所双聘研究员。清华大学工学士/理学士、工学博士。长期从事液态金属、生物医学工程与工程热物理等研究。发现液态金属诸多全新科学现象与基础效应，开创并研发的众多液态金属应用系统、肿瘤治疗装备及移动医疗仪器得到广泛应用。2003年国家杰出青年基金获得者；曾获国际传热界最高奖之一“威廉∙伯格奖”、全国首届创新争先奖、CCTV年度十大科技创新人物、入选“两院院士评选中国十大科技进展新闻”等。

苗旭鹏，北京大学计算机学院 2017 级博士生，来自于北京大学数据与智能（PKU-DAIR）实验室，师从崔斌教授。他的研究兴趣主要包括机器学习系统、分布式优化、GPU 并行计算等。博士期间，他已经在 SIGMOD、VLDB、KDD、ICDE和TKDE 等国际顶级会议和期刊上发表了 20 余篇学术论文，其中一作CCF A类9篇。他是北大自研的分布式深度学习系统 - 河图（Hetu）的设计者和负责人，该系统入选AI中国·2021年度十大开源事件，此前他还参与了开发了工业级开源分布式机器学习系统 Angel。

张大磊，鹰瞳Airdoc创始人，曾任微软总部Excel产品经理，PPTV副总裁，新浪副总裁。现任中国人工智能学会智慧医疗专委会秘书长、中国眼视光产业联盟副理事长及中国健康促进与教育协会移动健康分会常务委员。

李成涛博士，星药科技创始人&CEO，本科毕业于清华大学姚班，并在麻省理工学院获得计算机博士学位。李博士拥有多年机器学习和人工智能的研究经历，是多个创新模型的提出者，并在人工智能顶级会议和科学期刊上发表十数篇论文，是人工智能+药物研发领域的顶尖学者之一。此外，他还曾被评为西贝尔学者(Siebel Scholar)，该奖项专门用于表彰在计算机科学、商业和生物工程等领域内世界顶尖研究院所中最突出的研究者，西贝尔学者也被称为是“改变世界的优秀学者”。李博士于2019年创立了星药科技，通过使用人工智能的前沿算法，结合计算化学、药物化学和生物学的经验及洞见，全方位赋能药物研发。

Omar Sanseviero 是一名机器学习工程师，在 Hugging Face 的开源和产品交叉领域工作。 此前，他是 Google 的一名软件工程师，从事机器学习模型和基础架构的工作，这些模型和基础架构为 Google Assistant 中的多个功能提供支持。他还是 TensorFlow Graphics 团队的产品经理。他还是 AI Learners 的联合创始人，这是一个面向希望学习和讨论 AI 相关主题、方法和应用的人们的学习社区。 他拥有超过6年的教育经验。他热衷于与教育相关的项目，并与不同的在线社区密切合作，帮助人们进入机器学习的世界。

清华大学基础科学讲席教授、清华大学脑与智能实验室首席研究员、智源首席科学家，毕业于麻省理工学院（MIT）脑与认知科学系，获认知神经科学哲学博士学位。主要研究领域为人工智能的认知神经基础（AI of Brain & Cognition, ABC）、视觉智能。曾获得国家杰出青年基金、教育部长江学者特聘教授、国家“万人计划”科技创新领军人才等国家级人才项目资助以及教育部自然科学一等奖等。

北京大学心理与认知科学学院院长，智源研究员。主要研究利用脑成像、神经调控、心理物理学、计算建模、人类遗传学等方法和技术研究视知觉、意识、注意和它们的认知神经机制。所获学术荣誉和奖励包括：百人计划（北京大学，2007年）、国家杰出青年科学基金（国家自然科学基金委，2009年）、中国青年科技奖（中共中央组织部、人力资源和社会保障部、中国科学技术协会，2011年）、教学优秀奖（北京大学，2011年、2017年）、特聘教授（教育部，2011年）、王选优秀青年学者奖（北京大学，2012年）、政府特殊津贴（国务院，2014年）、中青年科技创新领军人才(科学技术部，2014年)、百千万人才工程国家级人选（人力资源和社会保障部，2015年）、国家有突出贡献中青年专家（人力资源和社会保障部，2015年）、青年科学家奖（国际心理科学联合会，2016年）、万人计划科技创新领军人才(中共中央组织部、科学技术部，2016年)、会士（美国心理科学学会，2018年）、首届中国神经科学重大进展（中国神经科学学会，2020年）。担任北京大学-清华大学生命科学联合中心高级研究员、北京大学机器感知与智能教育部重点实验室教授、北京大学麦戈文脑研究所研究员、Current Biology编委、Experimental Brain Research编委、Science China: Life Sciences编委、中国神经科学学会常务理事、中国心理学会常务理事、中国认知科学学会常务理事、中国大百科全书（心理学卷）副主编、国务院心理学学科评议组成员。

北京大学长聘教授、麦戈文脑科学所研究员、定量生物中心研究员、北大-清华联合生命科学中心研究员，智源研究员。主要研究领域:计算神经科学与类脑计算。在Nature, Nature Neuroscience, Neuron, PNAS, eLife等顶级神经科学期刊和Neural Computation, IEEE Trans. On Neural Networks, NeurIPS 等顶级人工智能期刊和会议上发表大量原创性工作。计算神经科学领域最大国际期刊Frontiers in Compulational Neuroscience共同主编，中国神经科学学会《计算神经科学与神经工程专业委员会》主任。

北京大学博雅特聘教授，未来技术学院长聘教授，麦戈文脑科学所研究员、智源研究员，北大-清华联合生命科学中心研究员。一直致力于开发多模态跨尺度的高时空分辨率成像手段，用于研究糖尿病相关的胰岛分泌，曾获国家自然科学基金委杰出青年基金、优秀青年基金资助，并成为Faculty of 1000组织的资深faculty member。获得过科技部“973”项目、国家科技支撑计划、国家自然科学基金项目、北京市自然科学基金重点等项目支持，获得过包括“2017年中国科学十大进展”、“2018年中国光学十大进展”、“2021年度中国光学领域十大社会影响力事件”、国家自然科学二等奖等多个奖项，超高时空分辨微型化双光子荧光显微成像被选为Nature Method的2018年度方法“自由行为动物成像”。一方面发展的新成像技术获得首届全国颠覆性技术创新大赛总决赛优胜奖(最高奖)，推动了国内外许多合作者的生物医学基础研究工作，另一方面，将原创技术也转化成为国内急需的高端显微镜产品，解决国内高端显微镜产品被国外厂商“卡脖子”的现状。

北京航空航天大学飞行器动力工程系学士（2002），瑞典卡罗琳斯卡医学院神经科学系博士（2016）和博士后（2020），欧盟脑计划“大脑仿真平台” 瑞典团队主要成员(2008-2016)，于2020年加入北京大学人工智能研究院任助理研究员，同时兼任北京智源人工智能研究院生命模拟中心科学家，领导北大/智源团队进行超大规模的大脑模型的开发。他建立了领域内第一个中等树突棘神经元（medium-spiny neurons）的精细模型(Du,et.al.,PNAS,2017),并在此基础上 发展了基底核脑区的纹状体精细模型。研究工作主要发表在PNAS，J.neuroscience，PloS Comput. Bio. 等领域内一流刊物上。主要研究方向是大脑精细仿真，树突计算，以及基于大脑精细模型的新型人工智能系统和理论。

中国科学院自动化研究所研究员，博士生导师，模式识别国家重点实验室副主任, 北京智源“人工智能的认知神经基础”方向研究员。于2000年、2005年在中国科学技术大学分别获生物学学士与博士学位。2005年至2014年在德国马克斯普朗克脑研究所、美国国立精神卫生研究所进行博士后研究。2014年9月加入中科院自动化研究所，结合实验神经科学与计算建模方法，致力于理解大脑皮层信息处理的网络机制，研究脑启发的人工智能算法，并探索新型脑机接口及其应用。

叶杰平，现任贝壳找房副总裁、首席科学家，美国密西根大学教授。此外，叶杰平博士是北京大学客座教授、智源学者、IEEE Fellow和ACM杰出科学家。主要从事机器学习、数据挖掘和大数据分析领域的研究，致力于推进人工智能技术在居住、出行和医疗等领域的应用。他是多个国际顶级人工智能会议的资深委员会会员、区域主席和委员会副主席, 也是多个顶级人工智能期刊的副主编。曾获得KDD和ICML最佳论文奖，荣获2010年美国国家自然科学基金会生涯奖、2017年中国计算机学会“CCF科学技术奖科技进步卓越奖”、2019年度国际运筹学领域顶级实践奖--瓦格纳运筹学杰出实践奖（Daniel H. Wagner Prize）。

Zhuoran Yang is an assistant professor of Statistics and Data Science at Yale University. Previously, he was a research associate working with Mike Jordan at UC Berkeley. He obtained his PhD from the Department of Operations Research and Financial Engineering at Princeton University, advised by Jianqing Fan and Han Liu. His research interests lie in the interface between machine learning, statistics, and optimization. The primary goal of his research is to design a new generation of machine learning algorithms for large-scale and multi-agent decision-making problems, with both statistical and computational guarantees.

现任职于阿里巴巴达摩院，负责决策智能实验室（2019 -现在）。加州大学洛杉矶分校数学系终身教授（2013 -2021），莱斯大学计算与应用数学系助理教授（2006 -2012）终身副教授（2012-2013）。获得过NSF CAREER奖、斯隆奖、晨兴应用数学金奖、以及今年的达摩奖和Egon Balas奖。自2018年起，为全球top1%高被引数学家。

秦志伟（Tony）博士现任Lyft网约车实验室Principal Scientist，致力于网约车交易市场中核心策略优化的研究。他从美国哥伦比亚大学获得运筹学博士，曾在滴滴AI Labs带领决策智能团队、并在沃尔玛全球电子商务任职研究科学家。近几年主要聚焦在强化学习及其在运筹优化、智能交通、在线营销上的应用。他在机器学习，数据挖掘和运筹优化的顶级会议和期刊发表近30篇论文，是多个会议和期刊包括NeurIPS, ICML, KDD, AAAI, TR-C, Transportation Science等的评审专家。曾带领团队获得INFORMS 2019年Daniel H. Wagner Prize（运筹学杰出应用奖），并入选NeurIPS 2018 Best Demo Awards。他拥有10多项美国专利，涵盖智慧交通、供应链管理和推荐系统。

杨柳林，厦门大学化学化工学院特聘研究员，博士生导师。于厦门大学获本科与博士学位，并先后在清华大学，荷兰Twente大学从事博士后工作，2019年入职厦门大学。研究方向为超分子化学与分子组装、系统化学，致力于探索信息科学、通信原理与分子组装的学科交叉，研究复杂组装网络的动力学及调控策略，发展基于生物启发的分子通信原理与技术，构建微纳米器件的通信物联网以实现具备简单计算、存储、感知及通信能力的智能材料。

清华大学文科资深教授，清华大学苏世民书院院长，清华大学人工智能国际治理研究院院长。研究领域包括公共政策与公共管理，科技创新政策，危机管理及全球治理。同时兼任国务院学位委员会（公共管理）学科评议组召集人，国家新一代人工智能治理专业委员会主任、清华大学中国科技政策研究中心主任等。曾获国家自然科学基金委员会杰出青年基金，教育部“长江学者”特聘教授，复旦管理学杰出贡献奖，中国科学学与科技政策研究会杰出贡献奖及第二届争先创新奖章等荣誉。

主要研究专长是宏观经济理论与政策、科技发展战略与政策等领域的研究。现已出版学术专著17部、译著4部，发表学术论文120余篇。近年来多次参与国务院、财政部和科技部等部门重要研究报告和政策报告的起草和研究工作，曾主持国家社科基金、中国社会科学院重大项目、国家软科学项目、国际合作项目及省部级以上项目20多项，有较强的科学研究和科研组织工作经验和能力。

同济大学管理科学与工程博士毕业，主要从事人工智能、智能制造、智慧医疗等发展战略、规划、落地等方面的工作。曾参与撰写、编著、翻译学术文章（或著作）共计30多篇（或部）。曾获国家科技进步二等奖一项，多项省部级科技进步奖、优秀成果奖等。

长期从事人工智能与机器人的交叉研究和教学。提出并较系统地发展了基于“归约蕴含”的认知建模技术。将自然语言理解和自动推理引入服务机器人，在国际上首次实现了一种能够完成复合任务的服务机器人通用机制。提出基于“开放知识”的机器人智能技术路线，并在“可佳”和“佳佳”智能机器人系统中进行了持续性研究和工程实现。

钟超，国家杰出青年获得者，现任中国科学院深圳先进技术研究院研究员，并担任合成生物学研究所材料合成生物学中心主任。钟博士主要研究领域是新兴的材料合成生物学领域，研究方向是利用合成生物技术发展新材料包括水下粘合胶水和活体功能材料。已在各个核心期刊发表60余篇学术论文。相关成果授予美国专利和中国专利各2项，在申专利10余项。获得中组部青年千人、上海曙光学者、上海浦江人才等荣誉，作为负责人承担国家重点研发计划合成生物学重点专项、国自然联合基金重点项目及面上项目、国家海洋科学重点实验室开放基金、上海市基础专项重点项目基金等项目。

汪小我，清华大学长聘教授。于2003年和2008年在清华大学获学士和博士学位，并曾赴美国冷泉港实验室和加州大学伯克利分校访问学习，2008年起在清华大学自动化系任教至今。主要从事人工智能与生物医学的交叉研究，包括基因组大数据分析、合成生物系统智能设计等。曾担任中国生物工程学会青工委主任、中国人工智能学会生物信息学专委会副主任，并获全国百篇优博、国自然优青、教育部新世纪人才等支持。

聂再清博士现任清华大学国强教授和AIR首席研究员、大数据智能实验室主任。从事大数据与人工智能的前沿创新，以及健康医疗和自动驾驶领域的产业应用。2004年获美国亚利桑那州立大学博士学位，师从美国人工智能学会前主席Subbarao Kambhampati教授，本科和硕士毕业于清华大学计算机科学与技术系。2017年加入阿里巴巴，任人工智能实验室北京负责人和天猫精灵首席科学家。此前就职于微软亚洲研究院，任首席研究员，是微软学术搜索和人立方的发起人和负责人。

刘连庆，博士，研究员。主要研究方向：微纳操控，微纳机器人，类生命机器人。在Nat. Comm., Sci. Adv., IEEE TRO/TMECH/TASE等期刊发表论文70余篇，研究成果入选中国智能制造十大科技进展、多次获得IEEE ROBIO、IEEE NANOMED 、IEEE NEMS、ICIRA最佳论文奖。获得万人计划青年拔尖、基金委优青、杰青等支持。担任“智能机器人”国家重点研发计划总体组专家、中国自动化学会机器人专业委员会主任委员；曾任IEEE机器人与自动化学会副主席、资深顾问、长期发展委员会委员等职务。

单倍博士是一位有着二十多年经验的新药研发领军人物，在Tularik，Amgen和礼来担任过长期的研发领导职位，具有丰富的全球制药管理经验。单倍博士于2011年回国创建礼来中国研发中心，组建了100+人的原创新药研发团队。单倍博士于2019年5月创立了百放，一个新型的新药开发孵化平台和源头创新生物医药公司。百放拥有世界一流的药物研发经验和丰富管理经验的专业团队，以及一个全新的四千多平米的新药研发实验室。通过独特的百放模式，百放与国内外顶尖院校教授，医生和科学家们紧密合作，搭建科研成果向新药转化的桥梁，为中国做全球原创新药提供了一个全新的机制，为未被满足的患者提供新的治疗手段。

黄畅博士，地平线联合创始人& CTO。黄畅于2015年参与创立地平线，主导地平线自主研发的人工智能处理器架构BPU（Brain Processing Unit) 及基于该架构的芯片、工具链、算法等相关基础技术平台的研发工作。加入地平线前，他曾就职于百度美国研发中心。2013年，作为核心团队成员，他参与组建了百度深度学习研究院，并出任百度高级科学家、主任研发架构师。此前，他还曾担任美国南加州大学和 NEC 美国研究院研究员. 黄畅长期从事计算机视觉、机器学习、模式识别和信息检索方面的研究，作为相关学术界和工业界的知名专家，拥有80余件国内外专利。黄畅拥有清华大学计算机科学与技术学士、硕士及博士学位。

王立威现为北京大学智能学院教授，长期从事机器学习研究。主要致力于机器学习基础理论，隐私算法设计分析，以及医疗影像诊断算法与系统开发。王立威教授在NeurIPS, ICML, TPAMI等国际顶级期刊和会议上发表论文150余篇。关于深度学习优化理论工作入选ICML19十大最具影响力论文。担任权威期刊TPAMI编委，长期担任NeurIPS, ICML, ICLR等机器学习顶会领域主席/高级领域主席。首位荣获AI’s 10 to Watch奖项的亚洲学者。获首届国家自然科学基金优秀青年基金。带领团队获首届天池AI医疗大赛冠军。

温德尔•瓦拉赫（Wendell Wallach）现为卡内基理事会（CCEIA）资深研究员，兼任人工智能与平等倡议（AIEI）联席主任。他也是黑斯廷斯中心高级顾问，及耶鲁大学生物伦理学跨学科中心学者，十一年来主持技术和伦理研究工作。瓦拉赫最新出版的新兴技术入门书籍名为《科技失控：用科技思维重新看懂未来》。此外，他与科林·艾伦（Colin Allen）共同编著《道德机器：培养机器人的是非观》。他编辑的八卷巨著《新兴技术伦理论文集》于2017年冬由劳特利奇出版社出版。瓦拉赫于2014年获全球技术网络协会伦理学奖、2015年获新闻与传媒奖，并于2015-2016年度任渥太华大学富布莱特讲席研究员（Fulbright Research Chair）。他受世界经济论坛任命，担任2016-2018任期全球未来技术价值和政策委员会的联合主席，并现任其人工智能理事会成员。瓦拉赫曾是首届国际人工智能治理大会（ICGAI）主要牵头人。

Bio. Sarit Kraus (Ph.D. Computer Science, Hebrew University, 1989) is a Professor of Computer Science at Bar-Ilan University. Her research is focused on intelligent agents and multi-agent systems integrating machine-learning techniques with optimization and game theory methods. For her work she received many prestigious awards. She was awarded the IJCAI Computers and Thought Award, the ACM SIGART Agents Research Award, the ACM Athena Lecturer award, the EMET prize and was twice the winner of the IFAAMAS influential paper award. She is an ACM, AAAI and EurAI fellow and a recipient of the advanced ERC grant. She also received a special commendation from the city of Los Angeles. She is an elected member of the Israel Academy of Sciences and Humanities. AI for Explaining Decisions in Multi-Agent Environments Explanation is necessary for humans to understand and accept decisions made by an AI system when the system’s goal is known. It is even more important when the AI system makes decisions in multi-agent environments where the human does not know the systems’ goals, since they may depend on other agents’ preferences. In such situations, explanations should aim to increase user satisfaction, taking into account the system’s decision, the user’s and the other agents’ preferences, the environment settings and properties such as fairness, envy and privacy. We will discuss three cases of Explainable decisions in Multi-Agent Environments (xMASE): explanations for multi-agent Reinforcement Learning, justifications for social-choice mechanism outcomes and explaining preference-driven schedules. For each case, we will present an algorithm for generating the explanations and will report on human experiments that demonstrate the benefits of providing the resulting explanations for increasing human satisfaction from the AI system.

Bio: Zongqing Lu is currently a Boya assistant professor in the School of Computer Science at Peking University. He received PhD degree in computer science from Nanyang Technological University, 2014, master and bachelor degrees from Southeast University. His current research focuses on reinforcement learning, with the aim of enabling agents autonomously acquire skills to cooperate, communicate, or compete.

Bio: Yair Weiss is a Professor of Computer Science at the Hebrew University and the former Dean of the School of Computer Science. His research interests include Machine Learning, Computer Vision and Neural Computation. He served as the program chair of the Neural Information Processing Systems conference (2004) and the European Conference on Computer Vision (2018). With his students and colleagues, he has received best paper awards at UAI, NIPS, CVPR and ECCV. Title: Can Machine Learning Discover the Laws of Nature? Abstract: A longstanding goal of unsupervised learning is to discover the true, generative factors of high-dimensional data. I will discuss the relationship of this goal to what is called "disentanglement" in deep learning and present recent theoretical and empirical results that show that much of the recent optimism about deep learning in this context is unwarranted. At the same time, I will discuss how classical spectral methods may allow the problem to be solved under realistic conditions.

Bio. Hongyuan Zha received his B.S degree in Mathematics from Fudan University in 1984 and His Ph.D. degree in Scientific Computing and Computational Mathematics from Stanford University in 1993. He was on the faculty of Department of Computer Science and Engineering at The Pennsylvania State University and College of Computing at The Georgia Institute of Technology before joining The School of Data Science at The Chinese University of Hong Kong, Shenzhen. His main research interest is machine learning. Some Machine Learning Applications of Optimal Transport Abstract. Optimal transport is concerned with moving one probability distribution to another in certain optimal way. It has a long history with rich mathematical theory. Recently it has seen broad applications in machine learning. In this talk, I will first give a brief overview of optimal transport and then focus on the following recent applications: 1. The computation of optimal transport plan using push-forward; 2. Regression problems without correspondence; 3. Learning stochastic dynamics from aggregate data; 4. Solving Fokker-Planck equation using push-forward.

Yoav is an associate professor of computer science at Bar Ilan University, and also the research director of AI2 Israel. His research interests include language understanding technologies with real world applications, combining symbolic and neural representations, uncovering latent information in text, syntactic and semantic processing, and interpretability and foundational understanding of deep learning models for text and sequences. He authored a textbook on deep learning techniques for natural language processing, and was among the IEEE's AI Top 10 to Watch in 2018, and a recipient of the Krill Prize in Science in 2017. He is also a recipient of multiple best-paper and outstanding awards at major NLP conferences. He received his Ph.D. in Computer Science from Ben Gurion University, and spent time in Google Research as a post-doc. Reading between the lines: a useful task and a challenging benchmark for reading comprehension by machines. What does it mean to "understand" a text? Many recent NLP works take a question-answering (QA) perspective to this question, under which understanding a text means the ability to accurately answer questions about it. While this approach is userful, it can also be misleading: some questions are easier than others, some questions can be answered without access to the text at all, and, furthermore, questions often leak information about the answer. Thus, determining understanding based on question-answering ability alone is not sufficient. Indeed, many QA datasets are now considered "solved" by deep learning systems, while it should be clear that these systems do not really understand the text. In this talk I focus on a task that human readers perform almost subconciously when reading a text: establishing links between entities in it. Some of these links are explicitly mentioned, while others are implicit, and must be inferred. We formulate this as a concrete NLP task which we call Text-based NP Enrichment (TNE). The TNE task is centered around considering all pair of non-recursive noun-phrases in a text, and attempting to connect them via prepositions. As a simple example, given the sentence pair "I entered the house. The walls were white", the system should infer that the "walls" are "of the house". I argue that TNE is a foundational task: humans performs it almost subconsciously as they read, and it surfaces a lot of "hidden" structures in the text. As a consequence, being able to perform it well will be very useful to a large range of NLP applications. Furthermore, I argue that---while it is not the ultimate test for text understanding---it is a much stronger and much more well motivated test for text understanding that QA is. I advocate for the use of the TNE task and its accompanying dataset as a benchmark for text understanding ability by machines, as well as a generic and useful NLP component.

张伟楠博士现任上海交通大学长聘教轨副教授、博士生导师，科研领域包括强化学习、信息检索和数据科学，相关的研究成果在国际会议和期刊上发表超过100篇学术论文。张伟楠长期担任ICML、NeurIPS、ICLR、KDD、AAAI、IJCAI、SIGIR等机器学习和数据科学的会议(高级)程序委员和JMLR、TOIS、TKDE、TIST等期刊的评审以及FCS的青年编委。他的研究工作于2017年获ACM国际信息检索会议SIGIR的最佳论文提名奖；2019年获ACM SIGKDD深度学习实践研讨会最佳论文奖；2020年获国际机器人学习会议CoRL最佳系统论文奖；2021年ACM SIGKDD图深度学习研讨会最佳论文奖。获得国家自然科学基金项目资助，入选上海市科委英才扬帆计划、中国科协青年人才托举工程，获得吴文俊人工智能优秀青年奖和达摩院青橙奖。张伟楠于2011年在上海交通大学计算机系ACM班获得学士学位，于2016年在伦敦大学学院计算机系获得博士学位。

陈默涵，北京大学工学院特聘研究员、博士生导师。本科和博士毕业于中国科学技术大学物理系，先后在普林斯顿大学和天普大学从事博士后研究。主要研究兴趣为结合物理建模、高性能计算与机器学习，发展原子尺度的微观模拟方法和程序，发表论文40余篇。参与开源社区DeepModeling科学计算软件发展。曾获2020年戈登贝尔奖，获得北京大学博雅青年学者称号和北京大学-京东方奖教金等，主持自然科学基金委优秀青年基金项目。

汪军，伦敦大学学院（UCL）计算机系教授，阿兰·图灵研究所Turing Fellow。主要研究智能信息系统，主要包括机器学习、强化学习、多智能体，数据挖掘、计算广告学、推荐系统等等。已发表了200多篇学术论文，出版两本学术专著，多次获得最佳论文奖。

孟德宇，西安交通大学教授，博士生导师，任大数据算法与分析技术国家工程实验室机器学习教研室负责人。发表论文百余篇，其中IEEE汇刊论文60余篇，计算机学会A类会议40篇，谷歌学术引用超过16000次。现任IEEE Trans. PAMI，Science China: Information Sciences等7个国内外期刊编委。目前主要研究聚焦于元学习、概率机器学习、可解释性神经网络等机器学习基础研究问题。

报告人是LF AI & DATA基金会主席，开放原子开源基金会TOC主席，Apache软件基金会Member, 以及Hadoop,Ozone等项目的PMC，目前担任华为计算开源总经理，有长期的技术管理以及开源社区组织经验。

Daniel Povey 是著名的语音识别开源工具 Kaldi 的主要开发者和维护者，被称为是 Kaldi 之父。Kaldi 集成了多种语音识别模型，包括隐马尔可夫和最新的深度学习神经网络，公认是业界语音识别框架的基石。Kaldi被广泛用于工业界和学术界，几乎所有的语音团队都在使用Kaldi引擎来开发智能解决方案，有关于介绍Kaldi的论文被引用近6000次，Povey博士的论文也被引用了近36000次；他还对语音识别做出了许多科学贡献，包括助力判别训练（现在称为序列训练）的早期发展等。

柯国霖，在深势科技负责大小分子的机器学习建模。前微软亚洲研究院高级研究员（2016-2021），在机器学习顶会NeurIPS、ICLR、AAAI、KDD等，发表数十篇论文，累计引用5100+。他开发的高性能机器学习工具LightGBM 被广泛应用于工业界和数据挖掘竞赛，累计至今有1.6亿安装量，被数万项目使用；及Graphormer 在 KDD Cup 2021、Open Catalyst Challenge 等重量级国际竞赛中击败 DeepMind、Facebook AI Research 等研究机构与实验室，斩获多个冠军。

王磊2006年本科毕业于南京大学，2011年在中国科学院物理研究所获得博士学位，此后在苏黎世联邦理工学院从事计算量子物理的博士后研究，2016年加入中科院物理所工作。主要研究兴趣是量子多体计算与机器学习。

崔慧敏，博士，中科院计算所研究员，博士生导师。崔慧敏的研究方向为面向数据中心和异构体系结构的编译技术，近年来围绕大数据、AI等新型计算范式，研究它们在异构体系结构下的编译优化方法。崔慧敏作为负责人承担科技创新2030项目、多项自然科学基金、科技部重点研发计划等项目和课题，先后在PLDI、MICRO、PPoPP等国际会议和期刊上发表论文二十余篇。在PPoPP、SC、ISCA、CGO、PACT等顶级会议上担任程序委员会委员。

王涵，北京应用物理与计算数学研究所特聘研究员，博士生导师。2011年毕业于北京大学数学科学学院，获得理学博士学位；2011至2014年于柏林自由大学数学与计算机学院从事博士后研究。2014年加入北京应用物理与计算数学研究所，任助理研究员，副研究员，特聘研究员。主要研究兴趣为分子动力学模拟中的多尺度建模与计算方法。与合作者发展了基于深度学习的原子间相互作用建模与计算方法，解决了传统方法精度和效率无法两全的困境，将第一原理精度分子动力学模拟规模推进至亿原子量级。在Physical Review Letters, Physical Review X 等期刊上发表第一作者/通讯作者论文38篇，其中包括2篇高引用论文。2019年受北京市科学技术协会青年人才托举工程资助，并获得中国数学会计算数学分会青年创新奖。2020年获得ACM戈登贝尔奖，并入当年两院院士评选的中国十大科技进展。2021年获得国家自然科学基金委员会优秀青年基金资助。

25年软件开发经验，曾领导开发了巨人手写电脑、金山词霸和超级解霸。1999年创办CSDN（China Software Developer Network）。CSDN是专业的中文IT技术社区，Alexa全球排名26，目前注册会员超过3100万，涵盖90%国内IT开发从业人员。CSDN成立二十年，为中国IT从业人员提供知识传播、在线学习、职业发展等全职业生命周期服务，致力于成为技术人学习和成长的家园。2011年创办极客帮创投，作为懂技术的投资人，先后投资了聚合数据、巨杉数据库、传智播客、乐动卓越（我叫MT）、IT桔子等100余家高科技创业公司。被投项目中SequoiaDB巨杉数据库作为业界领先的金融级分布式关系型数据库产品，连续两年入选Gartner数据库报告，传智播客、柠檬微趣已于2019年、2017年分别申报中小板和创业板上市，淘手游也被贵州省列为第一批科创板备案名单。

北京智源人工智能研究院技术平台部开源平台负责人。本科毕业于北京大学元培学院，硕士毕业于多伦多大学计算机系，师从Toniann Pitassi教授。曾任Facebook AI Research资深研究工程师，主要研究方向为自然语言处理、机器学习推荐系统及机器学习伦理。在NeurlPS, ICML, AAAI, EMNLP等会议发表多篇论文。所研发的通用Embedding模型StarSpace，超大规模图学习模型PyTorch-BigGraph，实体链接模型BLINK等均在Facebook的新闻/视频推荐、好友推荐、广告、搜索等产品中得到广泛应用。

Xiaotie Deng got his BSc from Tsinghua University, MSc from Chinese Academy of Sciences, and PhD from Stanford University in 1989. He was on the faulty of of Shanghai Jiaotong University, University of Liverpool, City University of Hong Kong, and York University. His current research focuses on algorithmic game theory, with applications to Internet Economics and Finance including sponsored search auction, p2p network’s economics such as BitTorrent network, sharing economics, and blockchain. His other works cover online algorithms, parallel algorithms, and combinatorial optimization. He is an ACM and IEEE Fellow.

Bartlett Mel is an Associate Professor of Biomedical Engineering at USC, and a member of the Neuroscience Ph.D. program. He received his Ph.D. in Computer Science in 1989 from the University of Illinois at Champaign-Urbana, with a thesis project focused on neuromorphic algorithms for visually-guided motor control. He then spent 5 years as a postdoctoral research fellow at Caltech in the laboratory of Christof Koch, where he transitioned to the field of computational and theoretical neuroscience, and began work on problems involving dendritic computation. He has been on faculty in Biomedical Engineering at USC for 27 years. His research has focused on the information processing capabilities of dendrites, neurons, and circuits, and applications of those ideas to the domains of vision and memory.

Dr. Qiang Liu was originally trained as a medical doctor in Basic Medical Science at Beijing Medical University, but later pursued an academic career in neuroscience. At the University of Toronto, Dr. Liu started his graduate training in electrophysiology in Dr. Xian-min Yu’s lab at the Center for Addiction and Mental Health (CAMH), studying phosphorylation regulation of NMDA receptors using cultured hippocampal neurons in mice. After graduate school, Dr. Liu was attracted to the simplicity and tractability of the model organism C. elegans and joined Dr. Zhao-wen Wang’s lab at the University of Connecticut Health Center and Dr. Erik Jorgensen’s lab at the University of Utah for his postdoctoral training. During this period, Dr. Liu published a series of papers on synaptic regulation, gap junction and ion channel function, and vesicle trafficking. Dr. Liu was later recruited by Dr. Cori Bargmann to the Laboratory of Neural Circuits and Behavior as a Research Assistant Professor at the Rockefeller University where he discovered the first neuronal action potential and spike-coding scheme in C. elegans. In 2022, Dr. Liu joined the Department of Neuroscience at the City University of Hong Kong as an Assistant Professor to work on the “Electrophysiome” project, which aims to systematically characterize the intrinsic biophysical properties of every neuronal cell type in the C. elegans nervous system. Dr. Liu’s lab also investigates fundamental questions in neuroscience such as how external stimuli are encoded in the olfactory circuit to dictate goal-oriented behaviors and how intrinsic neuronal oscillations are generated by the gut-brain axis underlying behavioral rhythms.

温泉，教授，博士生导师。2001年毕业于复旦大学物理系，获理学学士学位。 2001至2007年，在纽约州立石溪分校物理系和冷泉港实验室就读，并获得物理学博士学位。2008年在霍华德休斯医学研究所/詹宁斯农场研究院 (Janelia Farm, HHMI)，2009至2013年在哈佛大学物理系和脑科学研究中心做博士后研究。2014年加入中国科学技术大学生命科学学院。通过结合数学建模、物理、工程、分子生物学，光学成像等理论和实验手段，着重研究神经环路结构和功能的关系，以及神经环路的相互作用是如何支配动物行为等基本问题。首次提出并运用统计优化数学理论来定量解释大脑皮层神经元树突的复杂结构和多样性。首次从理论和实验上阐明了秀丽线虫是如何运用本体感受这个反馈机制来控制其运动状态和方式。研究工作发表在Neuron, Nature Neuroscience, PNAS, PloS Computational Biology 等杂志上。Neuron 以及 Faculty 1000杂志对相关成果作了全面评述和重点推荐。

Marder was President of the Society for Neuroscience in 2008. Marder is a member of the National Academy of Sciences, the Institute of Medicine, the American Academy of Arts and Sciences, a Fellow of the Biophysical Society and a Fellow of the American Association for the Advancement of Science. She received the Miriam Salpeter Memorial Award for Women in Neuroscience, the W.F. Gerard Prize from the Society for Neuroscience, the George A. Miller Award from the Cognitive Neuroscience Society, the Karl Spencer Lashley Prize from the American Philosophical Society, an Honorary Doctorate from Bowdoin College, the Gruber Award in Neuroscience, the Distingushed Alumni Award from Brandeis University, the Society for Neuroscience Education Award, the 2016 Kavli Award in Neuroscience, an Honorary Degree in 2017 from Tel Aviv University, and the 2019 Neuroscience Award from the National Academy of Sciences.

陈雨强负责带领团队研究、实验、转化最尖端的人工智能技术，带领团队推动了强化学习、环境学习技术在制造、供应链、疫情防控等领域落地，并着力打造多项人工智能平台级产品，助力企业实现智能化转型。其研究领域包括人工智能、迁移学习、AutoML等，多次在 NeurIPS、AAAI、ACL、KDD、SIGKDD 等人工智能顶会上发表论文，获 APWeb2010 Best Paper Award等学术研究成绩，并被全球著名科技杂志 MIT Technology Review 报道。

吕坚平首席技术官，近30年芯片研发技术经验，是GPU及AI硬件方面的顶级专家，AI演算法理论先驱。曾任三星全球副总裁，英伟达全球资深GPU架构师等职务。擅长使用涵盖 GPU 架构、AI 硬件和片上系统 (SoC) 的独特多样化背景将新兴技术集成到具体平台和优秀产品中。毕业于耶鲁大学并获计算机科学博士学位。

昆仑芯科技芯片研发总监，原百度高级技术经理。硕士毕业于清华大学，拥有10年行业研发与管理经验。主导研发了FPGA-AI集群，国内互联网最大规模部署，自研AI芯片“昆仑芯1代”和“昆仑芯2代”均已成功实现大规模量产，相关工作多次发表在Hotchips、ISSCC等国际顶级学术会议。

曹政，阿里巴巴集团资深技术专家，阿里云大计算集群团队负责人，CCF高性能计算专委委员，CCF区块链专委委员。中国科学院计算技术研究所计算机系统结构博士，加州大学Davis分校EECS博士后，后加入阿里巴巴任阿里巴巴基础设施团队架构师。曾在中科院计算所承担曙光系列超级计算机系统研发工作，骨干参加多项863项目，主持国家自然科学基金面上项目、科技部十三五重大专项课题，在Sigcomm、HPCA、Micro、JLT等期刊会议发表论文70余篇，获得专利授权60余项（含中国专利金奖一项）

张亚林先生2008年加入AMD，历任资深芯片经理、技术总监。曾经作为全球芯片研发主要负责人之一，在AMD上海研发中心成功领导开发并量产了多颗世界级芯片，拥有丰富的工程和产品化实战经验。其中包括： 领导全球团队为微软（Microsoft）定制开发了XBOX-ONE系列主芯片； 领导开发了全球目前最大的融合芯片APU，并一次量产成功，该款芯片成功用于小霸王最新发布的Z+游戏电脑。 张亚林先生还曾参与创立、发展和管理了AMD上海研发中心融合芯片部门、AMD北京研发中心以及AMD中国多媒体IP部门。 张亚林先生拥有复旦大学电子工程学士学位，并取得12项个人技术专利。

杨强，加拿大皇家科学院及加拿大工程院两院院士，微众银行首席人工智能官，香港科技大学计算机与工程系讲座教授和前系主任，AAAI-2021大会主席，国际人工智能联合会（IJCAI）理事会前主席，香港人工智能与机器人学会（HKSAIR）理事长，智能投研技术联盟（ITL）主席，ACM TIST 和IEEE TRANS on BIG DATA创始主编，CAAI，AAAI，ACM，IEEE，AAAS等多个国际学会Fellow。领衔全球迁移学习和联邦学习研究及应用，著作包括《迁移学习》、《联邦学习》和《联邦学习实战》等。

中国人民大学信息学院教授，博士生导师。于清华大学获得学士、硕士学位，美国卡内基梅隆大学获得博士学位。主要研究领域包括多媒体智能计算、人机交互。在国际一流期刊及顶级学术会议上发表论文百余篇，蝉联多项国际权威竞赛冠军，包括：蝉联2018-2020年CVPR ActivityNet Dense Video Captioning 竞赛冠军；蝉联2017-2019年ACM Multimedia Audio-Visual Emotion Challenge (AVEC) 竞赛冠军；蝉联2017-2021年TRECVID视频描述（VTT）评测冠军；2019年之江杯全球人工智能大赛视频内容描述生成冠军等。

哈尔滨工业大学副研究员，博士生导师。主要研究方向为人工智能、自然语言处理、认知推理和事理图谱。在ACL、AAAI、IJCAI、EMNLP等人工智能领域的著名国际期刊和会议上发表相关论文40余篇。承担国家自然科学基金面上项目等多项省部级以上项目，参与国家重大科技基础设施建设项目（大科学工程装置建设）、“新一代人工智能”重大项目、国家自然科学基金重点项目等多个科研项目。荣获黑龙江省科技进步二等奖、SemEval 2020国际语义评测“检测反事实陈述”任务第一名，入选2022年AI 2000全球人工智能最具影响力学者（AMiner评选）。担任中文信息处理黑龙江省重点实验室副主任，中国中文信息学会社会媒体处理专委会常务委员，语言与知识计算专委会委员，中国中文信息学会青年工作委员会委员。

王翔，中国科学技术大学特任教授、博导。2019年于新加坡国立大学取得计算机科学博士学位，师从Chua Tat-Seng教授。研究方向包括信息检索与推荐、数据挖掘、可解释与可信人工智能、图深度学习等，在相关CCF A类国际顶级会议和期刊发表论文50余篇，包括TPAMI、NeurIPS、ICML、SIGIR、KDD、CVPR、IEEE S&P等，谷歌学术引用5300余次。担任众多顶级期刊、会议审稿人与程序委员。

杨洋，浙江大学计算机学院副教授、博导、人工智能系主任。研究方向为大规模图与时间序列建模，具体包括表示学习、异常检测、计算社会学等。在KDD、WWW、AAAI、TKDE等国际顶级学术期刊及会议上发表论文40余篇，担任多个国际学术会议程序委员会委员。2016年博士毕业于清华大学，曾先后访问美国康奈尔大学、比利时鲁汶大学。

冯俊兰博士，国家特聘专家，IEEE Fellow，中国移动研究院首席科学家，中国人工智能产业发展联盟副理事长，国际Linux网络基金会董事会主席，中国互联网协会人工智能工作委员会副主任委员，中国通信学会人工智能技术与应用委员会副主任委员，、人工智能与智慧运营中心总经理。冯主要研究方向包括：语音识别、 语言理解和数据挖掘，发表学术论文100余篇，授权中国、美国和国际发明专利50多项。2013年9月加入中国移动研究院，创建并带领公司人工智能团队—— “九天”团队， 研发出“九天”人工智能平台 、 200+智能化能力、落地30+规模化智能应用，赋能价值30亿+。 冯俊兰博士和九天团队目前承担了多项国家重大研发专项和科研攻关任务， 为推进通信网络智能化和AI技术产业规模化贡献了基础理论、重要思想和关键实践经验。所负责研发的“九天”人工智能平台获得10+省部级奖项。

中国互联网协会人工智能工作委员会副主任委员，中国通信标准化协会副秘书长 曾任中囯联通互联网与电力商务部总经理，中国联通投资管理部总经理，中国联通辽宁省分公司总经理 教授级高级工程师 享受国务院政府特殊津贴专家

张亚勤博士是清华大学智能科学讲席教授，清华大学智能产业研究院院长，中国工程院院士（外籍），美国艺术与科学院院士，和澳大利亚国家工程院院士（外籍）。他于2014年9月至2019年10月担任百度公司总裁。出任百度总裁前，张亚勤博士曾在微软公司工作16年，历任全球资深副总裁兼微软亚太研发集团主席、微软亚洲研究院院长兼首席科学家、微软全球副总裁和微软中国董事长。张亚勤博士是数字视频和人工智能领域的世界级科学家和企业家，拥有60多项美国专利，发表500多篇学术论文，并出版11本专著。他是世界经济论坛达沃斯“人工智能委员会”委员、“未来交通指导委员会”委员，并担任全球最大自动驾驶技术开放平台Apollo联盟理事长。他也是联合国计划发展总署（UNDP）企业董事会董事。

徐宪平，国务院参事，北京大学光华管理学院特聘教授，国家发改委原副主任。湖南大学管理工程博士，哈佛大学肯尼迪学院访问学者。下过农村、当过工人，曾任湖南省石油公司副总经理,湖南石油实业股份公司总经理，长沙市委副书记、常务副市长，湖南省计委主任，湖南省委常委、副省长。在国家发改委任职期间，曾具体组织“十二五”规划、“十三五”规划基本思路、全国主体功能区规划、国家新型城镇化规划、综合交通运输体系规划、深化收入分配制度改革若干意见、深化体制机制改革加快实施创新驱动发展战略若干意见等重要政策文件的研究制定。著有《中国经济的转型升级——从“十二五”看“十三五”》、《驱散增长的迷雾——新常态下的新动能》、《国家发展战略与宏观政策》、《新基建：数字时代的新结构性力量》等专著，发表《论市场经济条件下地方政府的经济调节职能》、《现代企业的产权要求与国有企业产权制度改革》、《美国信用体系的研究和思考》、《面向未来的中国城镇化道路》、 《互联网时代的危机管理：演变趋势、模式构建与基本规则》等百余篇论文

中国移动通信集团有限公司党组成员、副总经理 1985年毕业于长春邮电学院电信工程专业，获得工学学士学位，2008年获得香港理工大学管理学博士学位。国务院特殊津贴专家、教授级高级工程师。第十届全国人大代表，第十一、十二届江苏省人大代表、人大常委。曾荣获“全国五一劳动奖章”。 历任中国电信新疆公司党组书记、总经理，中国电信江苏公司党组书记、总经理，中国电信集团有限公司党组成员、副总经理；现任中国移动通信集团有限公司党组成员、副总经理、总法律顾问。

黄铁军，北京智源人工智能研究院院长，北京大学计算机学院教授，国家杰出青年科学基金获得者，长江特聘教授和万人计划科技创新领军人才，研究方向为视觉信息处理与类脑智能，对高效视频编码标准和视觉大数据分析处理技术体系做出了重要贡献，提出了脉冲视觉模型并开发了超高速脉冲视觉芯片和系统，获国家技术发明二等奖一次、国家科学技术进步二等奖两次。发表学术论文300多篇，作为主要起草人制定国家标准、国际标准和IEEE标准20多项，授权中国和国际发明专利100多项，中国计算机学会、中国人工智能学会和中国图象图形学学会会士。

中国科学院计算技术研究所副所长、研究员，中国科学院大学计算机学院副院长，担任中国开放指令生态（RISC-V）联盟秘书长、RISC-V国际基金会理事会成员、中国计算机学会CCF开源发展委员会副主任。研究方向是计算机系统结构，包括数据中心体系结构、开源处理器芯片敏捷设计等。主持研制多款国际先进的设备与系统，相关技术应用于华为、阿里、英特尔、微软等企业。带领团队在国内率先开展了一系列开源芯片实践，包括 “一生一芯”计划、开源高性能RISC-V处理器“香山”项目、芯片敏捷设计云平台SERVE等，成为开源处理器芯片方向国际上主要科研团队之一。发表70余篇学术论文，包括ASPLOS、CACM、HPCA、ISCA、SIGCOMM、NSDI等国内外一流学术会议与期刊。曾获“CCF-IEEE CS”青年科学家奖、北京市“最美科技工作者”、共青团中央“全国向上向善好青年”等荣誉称号。

华为公司中央软件院架构与设计管理部部长，华为科学家与昇思MindSpore首席架构师，负责华为基础软件的架构与设计工作，先后主持华为电信软件平台、大数据平台、分布式数据库和开源AI框架昇思-MindSpore等多个基础软件的设计工作，在人工智能学习框架领域有多年资深研究经验

王丹为香港理工大学计算学系教授，研究方向为计算机网络和系统，文章发表于ACM SIGCOMM，ACM SIGMETRICS，IEEE INFOCOM，目前任IEEE/ACM IWQoS指导委员会主席（Steering Committee Chair）。王丹教授近年致力于智慧能源系统的研究，在节能减碳和计算支持平台上成果颇丰，有幸获得ACM e-Energy 2018和ACM Buildsys 2018最佳论文。王丹教授曾担任ACM e-Energy 2020程序委员会共同主席，目前为ACM e-Energy 2022大会共同主席，ACM e-Energy指导委员会委员。王丹教授和政府、工业界联系紧密，现为香港特区政府机电工程署顾问。王丹教授成果被恒基兆业，华为，IBM和香港机电工程署等公司和机构采用，产生数千万效益，并被文汇报、南华早报、大公报等报道。王丹教授的研究被香港研究资助局（基础研究），香港创新署（应用研究），国家自然基金委，科技部，华为公司等支持，近三年任首席科学家的项目1000万港币

徐凌杰，壁仞科技联合创始人。

海光信息技术有限公司副总裁。

刘道福，寒武纪联合创始人、副总裁

夏威，摩尔线程AI首席科学家、AI研发副总裁。于新加坡国立大学获得计算机视觉博士学位并在松下新加坡研究院和瑞典Lund大学从事访问研究，后在硅谷参与创立计算机视觉公司Orbeus并担任首席科学家，代表产品包括Rekognition 智能识别API平台和美国市场第一款智能相册PhotoTime。Orbeus于2015年9月被亚马逊全资收购，夏威博士作为创始主任科学家(Principal Scientist)，负责领导AWS 人工智能云服务Rekognition的算法研发工作，发布了包括人脸识别，物体识别，文字识别在内的一系列智能API服务，在Jeff Bezos的2017年致股东书中被列为16年度公司AI方向三大突破之一。夏威博士先后发表30多篇论文和20多项美国专利。在该领域的顶级国际竞赛方面，他曾先后获得2012年PASCAL VOC和2014年ImageNet的冠军。在AWS期间和团队共同开创了机器学习模型兼容性的新研究领域。

梁云，北京大学信息科学技术学院长聘副教授、博雅青年学者，北大-商汤智能计算联合实验室主任。梁云的研究领域是芯片设计自动化EDA和计算机体系结构，累计在相关领域的国际知名会议和期刊如ISCA、ASPLOS、MICRO、HPCA、DAC、ICCAD、FPGA等发表论文100余篇, 两次被评为国际会议 (ICCAD 2017, FCCM 2011) 最佳论文, 6次被提名为国际会议 (PPoPP 2019, DAC 2017/2012, ASPDAC 2016, FPT 2011, CODES 2008) 最佳论文。梁云是ACM TECS 和ACM TRETS 的Associate Editor，同时也是MICRO, ASPLOS, HPCA, DAC, FPGA 等会议的TPC。

刘勇攀，清华大学电子系长聘教授。围绕后摩尔时代新型器件与人工智能应用带来的挑战与机遇，开展“器件-架构-算法”跨层次高能效电路与系统研究。近年发表JSSC/TCAD/TCAS等 IEEE/ACM Trans论文35篇，ISSCC/DAC/VLSI在内会议论文85篇。2017年入选国际电子设计自动化领域DAC under 40岁以下发明创新奖，ASP-DAC 2017最佳论文，IEEE Micro Top Pick 2016，HPCA2015最佳论文以及低功耗电子系统设计竞赛奖ISLPED2012,2013和2019，2019纽伦堡发明展银奖等。主持自然科学基金重点，国家重点研发计划，创新特区等重点项目10余项。曾获教育部技术发明一等奖，中国公路学会科学技术一等奖和电子学会科学技术二等奖。担任IEEE TCAD/TCAS-II，IET CPS编委，ASPDAC 2020设计自动化会议秘书长，A-SSCC2020/AICAS2022智能芯片Tutorial Speaker、ISSCC/DAC TPC以及CASS Distinguish Lecturer。

杜子东，博士，现为中国科学院计算技术研究所副研究员，长期从事人工智能体系结构研究。他在深度学习处理器方向做出了一系列开创性的工作，以第一作者身份发表多篇国际顶级会议或期刊论文，曾获得了 CCF A 类会议 ASPLOS‘14’最佳论文奖（亚洲首次），在 ISCA’16 上中获评审最高分，入选 IEEE Micro 评选的国际计算机体系结构领域年度十佳论文。他先后获得多个奖项，包括中科院杰出成就奖、中国计算机学会CCF优秀博士学位论文奖、吴文俊人工智能优秀青年奖、中科院院长特别奖、中科院优秀博士论文奖和。他也入选北京市科技新星、中科院青促会。

唐丹，男，博士，中科院计算所高级工程师。2010年毕业于中科院计算所获工学博士学位。主要研究方向为计算机体系结构。长期从事高性能处理器核、高速I/O系统及超低功耗SoC芯片研究与开发工作。在HPCA和JCST等高水平会议和期刊上发表多篇论文，获得多项国家发明专利。目前主要从事高性能开源RISC-V处理器的开发和推广工作。

清华大学教授，清华大学集成电路学院院长，2019年获首届“科学探索奖”，2020年获国家自然科学基金委员会杰出青年基金，长期从事新型存储器与存算一体技术研究，开展了从系统、电路到器件的多层次创新研究，先后负责国家自然科学基金、国家863、973计划、重大专项、重点研发等国家重大科技任务40余项，在Nature、Nature Electronics，ISSCC和IEDM等期刊和顶级会议上发表论文100多篇。拥有美国及中国专利100余项。以第一获奖人获2017年中国产学研合作创新成果奖、2020年 “发明创业奖-项目奖”金奖、2021年第十二届发明创业人物奖。

George A. Constantinides received the PhD degree from Imperial College London in 2001. Since 2002, he has been with the faculty at Imperial College London, where he is currently Professor of Digital Computation and Associate Dean of the Faculty of Engineering. He serves on the steering committee of the ACM/SIGDA International Symposium on Field-Programmable Gate Arrays and several program committees. Constantinides has published 250 research papers in peer-refereed journals and international conferences and is a Senior Member of the IEEE and a Fellow of the British Computer Society.

George A. Constantinides received the PhD degree from Imperial College London in 2001. Since 2002, he has been with the faculty at Imperial College London, where he is currently Professor of Digital Computation and Associate Dean of the Faculty of Engineering. He serves on the steering committee of the ACM/SIGDA International Symposium on Field-Programmable Gate Arrays and several program committees. Constantinides has published 250 research papers in peer-refereed journals and international conferences and is a Senior Member of the IEEE and a Fellow of the British Computer Society.

陈怡然博士分别于1998及2001年获得清华大学学士与硕士学位，并于2005年获得普度大学博士学位。在五年的工业界经历之后，他于2010年加入匹兹堡大学任助理教授，并于2014年晋升为长聘副教授，双世纪校友讲席。陈怡然博士现任杜克大学电子与计算机工程系教授，美国国家科学基金委（NSF）下一代移动网络与边缘计算人工智能研究院（Athena）主任，美国国家科学基金委（NSF）新型与可持续计算（ASIC）校企合作研究中心（IUCRC）主任，以及杜克大学计算进化智能研究中心联合主任。他的团队致力于新型内存与存储系统，机器学习与神经形态计算，以及移动计算系统的研究。陈怡然博士曾出版一部专著，发表近500篇学术论文，并获得了96项专利。他曾担任数十本国际学术期刊的编辑，并在超过60个国际学术会议的技术与组织委员会中任职，现任IEEE电路与系统杂志的主编。在MICRO, KDD, DATE, SEC等知名国际学术会议和研讨会中，他曾获得8项最佳论文奖，一项最佳海报奖，以及14项最佳论文提名。陈怡然博士因其对学术社区的贡献也收获了多项奖项，如IEEE计算机协会Edward J. McCluskey技术成就奖，ACM 设计自动化组织（SIGDA) 服务奖等。他同时是ACM与IEEE会士（Fellow），并担任ACM设计自动化组织（SIGDA) 主席。