香港首位學者獲ACM頒最佳研究論文獎分享到：
      香港新聞網9月20日電 香港中文大學20日公佈，系統工程與工程管理學系副系主任（研究生課程）程鴻及其研究團隊於2023年知識發現和數據挖掘特別小組（SIGKDD）國際會議上榮獲計算機協會（ACM）頒發的最佳論文獎（研究型）。 獲獎論文“All in One: Multi-task Prompting for Graph Neural Networks”從全球超過1400份投稿中脫穎而出，是SIGKDD史上首次有香港學者獲此殊榮。
圖片來源：香港中文大學。 目前，大多數人工智能（AI）模型的指令框架只能執行語言指令。程鴻的團隊提出了一種嶄新的指令學習方法，使AI能夠理解、處理和輸出圖表及關係網絡等非線性數據。新方法有效將AI模型的準確率提升1%至8%。該研究可促進通用AI的發展，使其能應用於處理複雜的地理與交通分析、利用生物信息數據庫加速疫苗和藥物的開發，以及促進社交網絡大數據分析等。 推進訓練人工智能（AI）方法的發展 打造處理關係網絡數據的通用AI 目前，市場上開發的多功能AI主要局限於語言模型，即透過預先學習海量的語言數據，訓練出能理解文字指令並生成類似人類語言的回應。如要進一步訓練出可學習圖表或關係網絡等非線性數據，並同樣作出非線性形式回應的新一代AI模型，仍然要面對不少挑戰。 獲獎論文提出了一種嶄新的AI訓練方法，令AI有效學習海量且非線性數據，包括複雜的地理網絡圖、病毒學中的抗體和抗原的關係圖、社交網絡上交流數據等。與目前的訓練方法相比，新的訓練方法有效將AI模型的準確率提升1%至8%。 論文第一作者孫相國現為程鴻的博士後研究員，他對獲獎深感榮幸並表示，嶄新的預先訓練方法有望促進通用大型AI的發展，使它能一站式地理解圖表、處理圖表指令，並輸出圖表形式的結果，有望為公共交通政策提供複雜的地理和交通分析、幫助研究人員更好地利用生物信息數據庫加速疫苗和藥物開發，以及提升社交網絡大數據分析的性能。 SIGKDD的評委小組肯定了獲獎論文的貢獻，並表示業界目前有迫切的需要開發更高效的方法以預先訓練AI處理圖表的數據。此論文通過統一指令格式去處理圖表、關係網絡和語言數據，設計了有效的指令標記、標記結構和輸入模式來解決上述的重大問題。實驗評估證明論文提出的方案改進了現存的的演算方法。這項工作為未來建立通用型圖表AI模型奠定了基礎，並可能對神經科學等應用產生深遠的影響。（完） 【編輯：崔靜雯】
相關新聞 |
視頻更 多
貴州“村T”閃耀香港T台！從大山到國際時尚舞台 “村民模特隊”讓世界看見中國非遺之美
英皇25週年演唱會 容祖兒李克勤等當家天王天后齊聚
“半年前就已規劃五一來香港！”內地遊客跟著社交平台打卡黃金周
【你不知道的香港】五一來香港 留點時間給這五處山海秘境
刷新全球車展規模紀錄！2026北京國際車展不止於“車”
“踢”碎刻板印象！巴西教練：從U7到U12香港足球可以踢任何歐洲隊
【通說環球】“天宮”開門迎客 中國太空“朋友圈”不斷擴大
來論更 多評論更 多
論壇更 多閱讀排行
|
