研讨会主题:人工智能与管理
研讨会主席:吴俊杰教授 北京航空航天大学
♦ 报告1:面向管理决策的数据智能
吴俊杰
教授
wujj@buaa.edu.cn
北京航空航天大学
报告人简介:吴俊杰,北京航空航天大学教授。获国家自然科学基金委杰出青年基金、全国百篇优秀博士学位论文、中国电子学会技术发明一等奖、中国商业联合会科技进步一等奖。担任“数据智能与智慧管理”工信部重点实验室主任,国务院学位委第八届学科评议组(管理科学与工程学科)成员,国家自然科学基金委重大研究计划(大数据驱动的管理与决策)指导专家组成员,管理科学与工程学会“人工智能技术与管理应用”分会主任委员。长期从事管理科学和信息科学的交叉创新研究,主要研究兴趣为数据挖掘、机器学习、信息系统,学术论著近30篇发表于MISQ、ISR、TKDE、KDD、AAAI等期刊和会议,成果应用于社会治理、智慧城市、金融科技、智慧医疗等领域。
报告摘要:近年来,以深度学习为标志的数据智能技术得到了管理学者的广泛关注,如何有效利用该技术提升复杂动态场景下的管理决策水平,也成为管理领域的前沿热点问题。报告将围绕该问题展开讨论,力图让听众理解面向管理决策的数据智能关键问题并探讨其发展趋势。
♦ 报告2:大数据分析视角下的区块链应用与发展
赵玺
教授
Zhaoxi1@mail.xjtu.edu.cn
西安交通大学
报告人简介:赵玺,西安交通大学管理学院教授,陕西省医疗健康大数据工程研究中心主任,大数据算法与分析技术国家工程实验室的社会大数据分析与应用研究中心主任,中国管理科学与工程学会人工智能技术与管理应用研究会秘书长,入选省级特支人才计划、仲英青年学者。2007年赴法国中央理工大学攻读计算机科学博士学位,2010年赴美休斯顿大学任研究助理教授,研究成果80余篇发表于国际顶级期刊IEEE T.PAMI、IEEE T. Cybernetics和管理领域国际著名期刊JOM、DSS、TM等。先后承担了促进大数据发展重大工程、国家自然科学基金重点项目、教育部-中国移动科研基金项目、陕西省发改委创新能力建设项目、陕西省科技厅重点产业链项目、陕西省科协咨询项目,国网、中兴、华为、腾讯等国际知名企业研发课题等20余项研究开发项目。研究工作多次受到中美媒体的广泛关注,其中大数据行为分析的工作在2018年中央电视台一套综合频道聚焦于智能科技的节目“机智过人”中得到专题报道。
报告摘要:在新兴的 Web 3.0 时代,基于区块链的平台正在重塑数字经济。去中心化的区块链技术为平台组织和管理机制开辟了新天地,催生了DAO——一种去中心化、自治、自动化的平台治理模式。最新的运营管理文献呼吁了研究与 DAO 相关的分布式平台治理问题。我们在本研究中探讨了DAO管理工作与分布式平台运营表现之间的关系。具体来说,我们提出并阐明了DAO中分布式投票任务是种新兴的组织方式。利用来自七个来源的线上和链上数据,我们在稳定币发行平台 MakerDAO 的情景下实证研究了投票任务划分、任务分配、奖励提供和信息提供等构念如何影响平台性能。
♦ 报告3:基于用户价值感知的推荐方法研究
刘冠男
副教授
liugn@buaa.edu.cn
北京航空航天大学
报告人简介:刘冠男,北京航空航天大学经济管理学院副教授、博士生导师。北航数据智能研究中心副主任,研究方向为数据挖掘与商务智能,人工智能与智慧管理。研究成果主要发表于数据挖掘领域的顶级期刊IEEE TKDE、ACM TKDD,以及国际数据挖掘领域顶级会议KDD、ICDM等,同时担任KDD、AAAI等顶级会议的程序委员。主持及参与国家自然科学基金项目3项,同时主持了“国家信息安全计划”项目4项,带领团队研发的基于人工智能的电信反诈骗系统落地实施。2019 年入选北航青年拔尖人才计划,2022年入选百度AI华人青年学者榜单(AI+管理交叉方向)。
报告摘要:近年来推荐系统已经成为了信息服务平台不可缺少的工具,然而传统的推荐系统通常基于用户的购买记录,忽略了用户的多维价值感知特点。实际上,用户的购物决策受到了多维属性,特别是产品价格的影响。本报告将结合期望理论中的参考效应,探讨用户对多维价值的感知及价格敏感性,介绍一种新颖的推荐方法。最后,将对价值感知的推荐系统的发展潜力进行讨论。
♦ 报告4:基于设计科学的深度学习对抗鲁棒性增强方法研究
柴一栋
研究员
chaiyd@hfut.edu.cn
合肥工业大学
报告人简介:柴一栋,合肥工业大学研究员,博士生导师。博士毕业于清华大学管理科学与工程系,主要研究机器学习方法及其在信息系统安全(医联网安全)、智慧医疗管理、商务智能管理等领域的应用。研究成果发表于MISQ、ISR、JMIS等管理信息系统顶刊,以及IEEE TDSC、IEEE TPAMI等CCF-A计算机科学顶刊。出版学术专著一部,授权专利五项。荣获国际信息系统权威会议WITS 2021 best paper award。担任Industrial Management & Data Systems (SCI)编委,担任PACIS 2023 Design Science in IS Track联合主席。
报告摘要:深度学习已在智慧医疗、商务智能、网络安全管理领域取得了的优异性能。然而,深度学习同时也遭受着对抗攻击(adversarial attack)带来的安全隐患,即攻击者对原始样本进行轻微扰动生成对抗样本(adversarial samples),诱使深度学习做出错误的决策,从而给智能管理带来威胁。因此,如何提升深度学习的对抗鲁棒性成为重要的研究问题。本报告将基于设计科学的范式,围绕如何提升深度学习模型的对抗鲁棒性分享自己的研究工作,并讨论潜在研究方向。