MLA2026

报告信息

题目：生成式人工智能的数学基础与交叉应用

报告人：孙剑教授，西安交通大学

摘要：生成式人工智能旨在学习复杂数据的内在分布规律并实现高质量样本生成，是推动通用人工智能（AGI）以及 AI for Science/Engineering 发展的重要基础。随着大模型技术的快速发展，如何刻画高维、多模态数据的统计结构，构建具有可控性、泛化性与可解释性的生成模型，已成为当前人工智能领域的重要科学问题。针对生成式人工智能的底层数学基础，本报告将介绍生成式人工智能的数学与统计学原理及其面临的关键挑战，重点讨论以最优传输等数学工具为基础构建可控生成、条件生成以及多模态对齐的基础模型与算法，并介绍其在医学影像与报告生成、多模态图文对齐、分子结构设计等领域的应用进展。最后，对生成式人工智能的发展趋势与未来研究方向进行总结与展望。