第二十六期CCF秀湖会议在CCF业务总部&学术交流中心成功举办，来自学术界与工业界的二十余位专家围绕“神经网络之外的机器学习模型与先进芯片”展开了探讨和交流。本次会议的报告和讨论从非神经网络模型与计算芯片、脑启发模型与计算芯片、AI计算加速与芯片设计、符号与知识学习模型以及新型学习模式与计算加速五个方面展开，深入探讨了如何通过算法与硬件的紧密结合，构建更高效、可解释且低功耗的下一代人工智能系统。这些前沿方向不仅有望突破现有技术瓶颈，也为人工智能的未来发展开辟全新的路径。

▲周志华作特邀报告▲

南京大学周志华教授以“非神经网络深度学习模型的探索”为题带来了本次会议的第一个特邀报告。周志华教授从根本上重新审视深度学习模型，指出大家一般都认为深度学习模型就是深度神经网络，然而现实世界中并非所有规律性质都是可微的或者可以通过可微构件实现最优建模的，机器学习中也有很多不可微构件，无法通过反向传播算法进行训练。为此，周志华教授分享了团队在基于非可微构件、非神经网络的深度学习模型做的大量研究与探索，提出了“深度森林”模型。从学术上来说，这是第一个非神经网络、不使用反向传播算法训练的深度学习模型。

▲施毅作特邀报告▲

南京大学的施毅教授带来了“面向AI加速的二维半导体集成电路芯片”特邀报告。施毅教授从2004年石墨烯发现谈起，介绍了经过二十多年的研究，二维材料所取得的进步。接着，施毅教授分享了其团队在二维半导体集成电路芯片设计方面所取得的成果与前沿进展，最后，施毅教授强调未来在后摩尔时代，随着人工智能大算力的需求不断出现，二维材料集成电路芯片的发展能够为AI计算加速做出新的贡献。

▲蔡华作特邀报告▲

华为基带首席架构师、华为公司Fellow蔡华先生的特邀报告题为“AI推理系统的技术挑战与建议”，指出要构建万物互联的智能世界，需要研究脑启发的AI逻辑架构、需要全面的产学研合作，从神经网络的感知、AI大脑、具身智能三个层面建立连接，认为我们有望在2030年实现神经网络感知层面1000倍的成本下降，AI大脑层面100倍的成本下降，并对通用人工智能的发展做出展望。

左起：杨军、吴秀龙、韩军

左起：钱学海、李国齐、刘伟强、李秀星、孙亚男

左起：李凡长、张拳石、岳晓冬、戴望州

左起：苗夺谦、俞奎、钱鸿