中大新聞中心

2023年9月20日

中大學者榮獲計算機協會頒發2023年最佳研究論文獎
首次有香港學者獲此殊榮

  • 大多數人工智能(AI)模型的指令框架只能執行語言指令。程鴻教授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。
2023年9月20日
分享
列印

程鴻教授(左)與孫相國博士(右)榮獲2023年ACM SIGKDD會議最佳論文獎(研究型)。

香港中文大學(中大)系統工程與工程管理學系副系主任(研究生課程)程鴻教授及其研究團隊於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1,400份投稿中脫穎而出,是SIGKDD史上首次有香港學者獲此殊榮。

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博士現為程教授的博士後研究員,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。」



程鴻教授(左)與孫相國博士(右)榮獲2023年ACM SIGKDD會議最佳論文獎(研究型)。

程鴻教授(左)與孫相國博士(右)榮獲2023年ACM SIGKDD會議最佳論文獎(研究型)。

 

下載所有相片