西安交通大学特聘研究员杨乐 瞄准前沿科技 推动AI高效与安全.pdfVIP

INNOVATINGCHINA|创新中国

西安交通大学特聘研究员杨乐

瞄准前沿科技推动AI高效与安全

■文／朱琳

近年来，随着计算机视觉与大模型技术的飞速发展，基

于人工智能的智能系统能力逐渐接近人类水平，已在金融、

医疗、交通等多个国民经济重要领域发挥了巨大作用，受到

了学术界和产业界的广泛关注。尽管如此，人工智能技术在

实际应用过程中仍经常面临推理范式效率低下、落地场景算

力不足、模型安全问题频发等状况。因此，人工智能系统的

智能性、高效性和安全性已经成为制约其在诸多实际应用中

落地的重要因素。为了解决这些问题，众多科研工作者长期

致力于智能模型系统与人工智能安全相关领域的研究，力求

突破技术瓶颈，西安交通大学杨乐博士也是其中之一。

自主创新推动智能迭代更新能够通过低分辨率推理大幅节省计算资源，因此显著提高了

网络的整体计算效率。美国麻省理工学院教授、MIT-IBM

杨乐博士现任西安交通大学电信学部特聘研究员，于管WatsonAILab主管AudeOliva及其合作者，在后续论文中将

晓宏院士/沈超教授团队从事人工智能安全相关研究，入选RANet列为减少分辨率冗余的动态网络的代表性研究工作。

博士后创新人才支持计划（合作导师：管晓宏院士）。他于随后，针对落地场景算力不足的问题，杨乐博士基于密

2021年获得清华大学控制科学与工程专业博士学位，师从宋集连接神经网络的相关工作，提出了面向轻量化密集连接

士吉教授、黄高副教授。杨乐表示，自己非常幸运能够在当网络的稀疏重激活算子，并设计了轻量化网络CondenseNet

时加入清华大学自动化系工业智能与系统团队。这一经历不V2。与当时主流的研究思路不同，杨乐博士摒弃了传统的冗

仅帮助他在工业智能与系统领域明确了研究方向，还为他后余特征删除方法，创新性地提出通过修复和重新激活冗余特

续的科研道路奠定了坚实的基础。博士期间，在宋士吉教授征来复用密集连接网络中普遍存在的“过期”表征，从而显

和黄高副教授的指导下，他在人工智能和计算机视觉研究领著提升了轻量化网络的计算效率。该成果发表于计算机视觉

域取得了一系列突出的科研成果。高水平会议CVPR2021，并已成为轻量化神经网络的代表性

2020年，受黄高老师所提出的多出口动态神经网络启发，工作之一。IEEEFellow、欧洲人文和自然科学院外籍院士焦

杨乐博士创新性地提出了基于分辨率自适应的动态神经网络李成教授在其T-NNLS2024论文中，评价该稀疏重激活方法

RANet。该网络旨在通过采用自适应推理这一全新的推理范为“useful”，进一步证明了该方法的有效性。

式，实现智能识别系统对不同输入图像推理开销的个性化分加入西安交通大学后，杨乐博士在人工智能系统智能性

配，从而有效解决了神经网络效率低的问题。该成果已经发与高效性方面的探索持续深入，并取得了一系列重要成果：

表于计算机视觉高水平会议CVPR2020。与传统的卷积神经针对推理范式效率低下的问题，他提出了一种基于高斯边界

网络相比，RANet在智能性和高效性方面展现出独特优势。预测和目标熵值测算的置信度建模方法，成功构建了渐进式

RANet能够模仿人类的识别过程：对简单图像采用低分辨率早退目标检测自适应推理架构AdaDet；此外，他提出了面向

进行快速识别，而仅对复杂样本进行高分辨率推理。由于其压缩域视频行为识别的动态聚焦算法，有效解决了因空间无

2025年第7期中国高新科技15

创新中国|I