MLA2026

报告信息

题目：社会机器学习：从大模型到智能体社会

报告人：胡清华教授，天津大学

摘要：为应对动态开放场景的复杂任务，人工智能模型正在快速膨胀，十年左右从百万参数迅速发展到千亿参数规模。这些模型不仅在单一任务上性能不断提升，而且可同时完成多个不同类型的任务，从专用智能向通用智能方向发展。随之而来的是模型训练和运行的成本急剧攀升，算力、数据和能源成为人工智能模型发展的关键因素。在诸多场景中资源是人工智能大面积推广应用必须考虑的要素，如何实现有限资源场景的超级智能成为一个迫切而极具挑战性的任务。生物群体可以通过弱小个体之间的社会协作，涌现出远强于个体的智能行为。他们通过观察、模仿、交互，向群体中的其他个体学习，实现群体的成长和进化，此类行为被称为社会化学习。本报告尝试将生物群体的社会学习行为形式化为社会化机器学习范式，并将其引入到多智能体系统的终身学习，构建具有自进化能力的智能体社会，进而探索智能体社会学习的理论与算法，为智能无人集群、模型网络、边缘智能网络的优化提供技术支持。