报告时间：2026年5月13日 15:30

报告地点：天府校区 图书馆一楼报告厅

题目：可控、可信、可用的AI系统

摘要：

以大语言模型为代表的人工智能技术正在深刻推动各行业的变革，但其在实际应用中仍存在显著局限性，例如模型幻觉频发、可解释性不足、逻辑推理能力有限、对大规模数据的高度依赖，以及难以同时兼顾准确性、公平性与鲁棒性等问题。这些瓶颈使得当前大模型难以直接支撑工业制造等高可靠、高约束场景中的智能决策需求。

本报告探讨构建可控、可信、可用人工智能体系的关键路径。首先，围绕机器学习与逻辑推理的深度融合，探讨如何构建低成本、高精度且具备可解释性的决策方法，以支撑工业产线中的实时智能决策。其次，针对训练数据质量这一核心瓶颈，分析如何通过自动化数据清洗与智能标注技术提升数据集质量，从而在减少对海量数据依赖的同时，显著提升模型的准确性、公平性与稳定性，并有效缓解大模型幻觉问题。再次，面向AI时代的数据基础设施挑战，讨论数据库系统在高维向量处理、结构化与非结构化数据融合查询以及实时动态更新等方面的关键技术问题与发展方向。通过上述问题的系统分析，报告旨在推动“机器学习+逻辑推理+数据治理”的多范式协同发展，探索面向工业智能化的新一代人工智能技术路径，并引发学术界与产业界对可信AI体系的深入研究与实践探索。

报告人介绍：

樊文飞, 英国爱丁堡大学信息学院讲座教授，中国科学院外籍院士、 英国皇家学会院士、 英国皇家工程院院士、英国爱丁堡皇家学会院士、欧洲科学院院士、世界计算机协会会士（ACM Fellow)。深圳计算科学研究院首席科学家、北京大学讲座教授、清华大学杰出客座教授、北京大学深圳研究生院南燕荣誉教授。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士）， 任职爱丁堡大学前为美国贝尔实验室科学家。

曾获得英国皇家学会Wolfson研究成果奖 (2018)、欧洲研究委员会ERC Advanced Grant(2015）、 英国 Roger Needham 奖（2008）、中国长江学者 (2007),

海外杰出青年学者（2003）、美国 CAREER Award（2001）, Elsevier网络科学刊物年度最佳论文和最杰出作者奖（2002）以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖: Alberto O. Mendelzon 时间检验奖/ACM PODS十年最佳论文奖 (2010、2015), ACM SIGMOD (2017)、VLDB（2010）和 ICDE（2007）最佳论文奖。

目前主要研究领域为数据库理论与系统， 包括逻辑推理与机器学习的结合，DB4AI，AI4DB, 数据质量、分布式计算、跨模计算、增量算法, 在线推荐。