一、基本情况
北京大学智能学院前身为智能科学系,为国内第一个智能科学系,2007年形成国内首个完整的AI专业人才培养体系,2021年凝聚优势,服务国家人工智能战略,于12月18日成立智能学院。智能学院拥有智能科学与技术一个一级学科,并联合北京大学人工智能研究院共同建设北京大学智能学科。
北京大学智能学科教学研究实力雄厚,拥有一支高水平的师资队伍,现有教职员工41人,包括院士1人,讲席教授1人,教授/研究员18人(含兼职博导1人)、副教授/副研究员8人、新体制助理教授/助理研究员9人、讲师1人、高级工程师1人,其中国家级人才5人(含中国工程院院院士1人),国家级青年人才8人,北京大学“百人计划”入选者3人,IEEE会士3人,长江学者3人,杰青、万人领军各2人,优青2人,海优6人。智能学院拥有机器感知与智能教育部重点实验室,在2012年、2017、2022年三次评估中都被评为“优秀类”实验室。
北京大学智能学科有着悠久的历史。1985年,由学部委员程民德院士和石青云教授、迟惠生教授等发起,以数学系、计算机系、无线电系为主体,联合心理、中文等十余个系所,成立了北大第一个多学科交叉研究机构——信息科学中心(为智能科学系前身)。1986年,北京大学建立了北大第一个也是国内智能领域最早的三家国家重点实验室之一——视觉与听觉信息处理国家重点实验室,在视觉与听觉智能算法(如指纹识别、人工耳蜗等)方面达到了国际先进水平,1994年及1995年两次荣获国际神经网络学会颁发的“神经网络领导奖”,1998年、2006年两次荣获何梁何利基金科学与技术进步奖。
学科共建单位北京大学人工智能研究院成立于2019年,作为统筹全校相关资源、建设世界一流智能学科、服务国家人工智能重大战略、培养智能学科一流人才的主要支撑平台。研究院现有18个研究中心,形成人工智能与心理、医学、数学、人文、社科等强交叉、深融合的科研平台。作为北大“新工科”“新文科”“新医科”战略的抓手,开创了以智能学科为核心的多学科交叉与协同发展的新生态。
2022年10月,北京大学智能学科共建单位与北京通用人工智能研究院联合成立了跨媒体通用人工智能全国重点实验室,探索通用人工智能新理论、新范式、新平台。2022年11月,北京大学武汉人工智能研究院成立,建设国家智能社会治理实验综合基地。2023年11月,国家人工智能产教融合创新平台获批。北京大学智能学科正乘风破浪、扬帆远航。
二、2026年智能学科招生导师
序号 |
研究方向名称 |
方向介绍 |
博士生导师 |
硕士生导师 |
1 |
计算机视觉 |
视觉是人类了解外部环境结构及其变化的重要感知通道。作为人工智能的核心领域之一,计算机视觉试图充分利用认知科学原理与计算机技术来实现人类的视觉功能,使智能机器能够自主理解环境及其变化,并与环境进行高效的互动。该方向的研究内容包括:图像识别与检测、图像与视频的语义分割、生物特征识别、三维场景重建、动态视觉与主动视觉、人体行为分析与意图理解等。主要目的是赋予智能感知系统可靠的环境分析与理解能力,使其能够在复杂的现实场景中具有高度的环境与任务自适应性。 |
陈宝权、封举富、林宙辰、王立威、王奕森、许超、英向华、曾钢、赵卉菁、朱松纯、朱毅鑫、裴玉茹 |
崔锦实、裴玉茹 |
2 |
机器学习 |
机器学习是研究如何使计算机模拟或实现人类学习活动的学科,它一方面研究学习机制,注重探索模拟人的学习机制,另一方面研究如何有效地利用信息,注重从数据中获取隐藏的、有效的、可理解的知识,其方法与技术支撑了人工智能的诸多领域。主要研究内容包括:机器学习理论、监督学习、弱监督学习、无监督学习、强化学习、高效训练算法、机器学习应用等。主要目的是赋予机器自主建模和决策的能力,并在运行中逐步自我提升自主建模和决策的能力。 |
邓志鸿、方聪、封举富、贺笛、李红燕、梁一韬、林宙辰、谭营、童云海、王立威、王奕森、许超、杨耀东、张牧涵、宋国杰 |
林通、马秀莉 |
3 |
自然语言处理 |
自然语言处理是研究利用计算机对人类特有的书面形式与口头形式的 自然语言进行分析、理解、生成与交互等技术,是计算机与人工智能 学科的重要研究方向,主要研究内容包括:自然语言语义分析、信息 抽取、自然语言问答、文档摘要、自然语言生成、人机对话系统等。 本方向的研究目的是让机器能够理解人类语言,用自然语言的方式与人类交流。 |
邓志鸿、贺笛、张岩、朱松纯 |
|
4 |
认知推理 |
认知推理是以发展心理学、神经科学、语言学、人类学等社会科学为基础,研究如何对物理与社会常识进行计算建模,以构建通用的、与人协作的智能体。作为帮助人工智能迈向类人和通用人工智能的核心领域之一,认知推理基于多模态落地的感知模型和常识推理框架(如因果推理),实现类人的多步复杂推理能力。研究内容包括:概率建模、因果推论、直觉物理、功能性与可供行、意图、心智模型、抽象推理、可解释人工智能等。本方向的研究目的是赋予智能体理解物理法则、社会规律的能力,使其深度地理解周边环境中各事物的功能、属性及相互直接的联系,帮助其在新环境中做出符合常识的合理反应,并与人类协作完成复杂的任务。 |
梁一韬、朱松纯、朱毅鑫、宋国杰 |
崔锦实 |
5 |
多智能体 |
多智能体系统是以博弈论、优化控制、人工智能等为基础的研究领域 ,主要研究系统中单智能体互相之间关系表达的形式:控制、通讯、 协调、合作、竞争对抗。作为帮助人工智能迈向类人和通用人工智能 的核心领域之一,研究内容包括:开放环境下的通用单智能体、多智 能体强化学习理论、方法与应用;智能群体机器人与工程应用;游戏 环境和游戏智能体的设计、分析及相关算法研究;计算经济中的智能 体建模与人工智能算法;面向供应链的人工智能决策方法;基于融入 行为特征的风险度量的强化学习方法;大规模、智能化、网络化、多 层次、多尺度、多模式、非线性、不确定时变动态系统的建模、分析 、模拟、预测、优化和控制。本方向的研究目的是让若干个具备简单智能却便于管理控制的系统能通过相互协作实现复杂智能 ,使得在降低系统建模复杂性的同时,提高系统的鲁棒性、可靠性、灵活性。 |
杨耀东、方聪、谭营、朱松纯、罗定生 |
罗定生、马修军 |
6 |
智能机器人 |
智能机器人综合了计算机、控制论、信息和传感技术、人工智能、仿 生等多学科技术,是计算机与人工智能学科的重要研究方向,主要研 究内容包括:环境感知、自主定位、地图构建、任务与运动规划、行 为决策、机器人控制、人-机-环境交互、机器人体系结构、分布式机 器人等。本方向的研究目的是使机器人能够像拥有“大脑”一样智能化地工作、为人类服务。 |
杨耀东、英向华、赵卉菁、朱松纯、朱毅鑫、罗定生 |
罗定生 |
7 |
听觉、言语与音乐 |
听觉、言语与音乐方向以通用智能为目标,基于脑科学与类脑智能的 研究范式,采用身体与环境交互的具身学习进路,重点开展复杂声学 环境的场景分析、人机言语交互、音乐智能创作等方面的理论、方法 和应用研究,构建和完善听知觉加工模型、言语知识表达与心智发展 的新框架。主要研究内容包括:听觉的机理与建模,机器人复杂声学 环境中主/被动目标声源检测、定位和增强,言语知觉、理解与生成 ,音乐信号多声源分离、分析,以及自动作曲、配器、演奏、混音与 3D虚拟声场等。本方向的研究目的是赋予智能机器人自主环境分析与理解的听感知和心智 能力,并在真实环境中发展出通用目标、适应策略和有效方法。 |
吴玺宏、曲天书、陈婧、罗定生 |
陈婧、罗定生、曲天书 |
8 |
数据智能与计算智能 |
数据智能与计算智能研究数据驱动与知识引导相结合的人工智能新理论和方法,开展基础和应用基础研究,发展可泛化、可解释、可推理的数据智能计算范式。主要研究内容包括:多模态数据的语义表征、语义分析与挖掘;计算智能与深度学习;知识获取、表示与管理;面向关键领域的智能系统等。本方向以计算智能和深度学习为手段,以数据与知识为核心,围绕知识表征和推理等关键科学问题,与机器学习、自然语言处理、社交网络、多媒体、多智能体等专业方向交叉融合,研究从数据到知识、以知识促进应用的新模式,为通用人工智能及其应用提供核心方法和技术。 |
邓志鸿、方聪、李红燕、谭营、童云海、英向华、袁晓如、张牧涵、张岩、宋国杰 |
马修军、马秀莉 |
9 |
智能图形与交互 |
智能图形与交互是研究如何数字化创造、模拟、展示高逼真世界并与之自然交互的学科,广泛应用于数字娱乐与影视媒体领域;随着数字孪生、具身智能等相关领域的快速发展,与人工智能技术结合越来越紧密。主要研究内容包括:几何表达、动态模拟、真实渲染、人机交互等对真实世界的建模、仿真与交互方法和技术。本方向以计算机图形学、可视化与人机交互为基础,与计算机视觉、语言等认知学科互为表里,与心理学、机器人、机器学习与虚拟/增强现实等专业方向交叉融合,是推动人工智能发展的核心方向之一。 |
陈宝权、英向华、袁晓如、朱松纯、裴玉茹、楚梦渝、刘利斌 |
裴玉茹 |
导师介绍:https://sai.pku.edu.cn/szdw/zzjs.htm
地址:北京市海淀区颐和园路5号(62755617) 反馈意见:its@pku.edu.cn
Copyright 版权所有©北京大学智能学院 All Rrights Reserved.