最近人工智能領域著名雜志 IEEE Intelligent Systems公布了 2022 年度「人工智能十大新星」（AI's 10 to Watch）名單 ，其中有九位都是華人研究者。

評選委員會由2名華人、5名非華人組成，從30多位提名競爭者中，根據科研質量、聲譽、影響以及博士畢業以來的專家認可度，通過電子郵件和現場會議進行的多輪討論后最終確定了這份幾乎全華人獲獎的名單。

不過獲獎的過程卻并非一帆風順。

由于沒有美國人和西方人獲獎，此次名單也引起了IEEE計算機協會領導層的極大不滿，并以政治正確為由，要求同為華人、Intelligent Systems主編、悉尼科技大學的操龍兵教授修改或重做獲獎名單。

但舉賢不避親，操龍兵教授在壓力下依然堅持原有的人選，不過代價卻是被中止了IS的主編工作。

恭喜九位華人獲獎者，這份榜單也充分顯示了華人科學家在人工智能領域的實力和潛力！

人工智能十大新星

李博

李博博士是美國伊利諾伊大學厄巴納-香檳分校計算機科學系的助理教授，曾獲得IJCAI計算機和思想獎的獲得者;阿爾弗雷德·斯隆研究獎學金;美國國家科學基金會（NSF）職業生涯獎;馬薩諸塞州理工學院技術評論TR-35獎院長卓越研究獎; C.W. Gear杰出青年教師獎等，并在多個頂級機器學習和安全會議上獲得最佳論文獎。

圖片

她的研究主要集中在可信機器學習（ML）、安全性、ML和博弈論的理論和實踐，將領域知識和邏輯推理能力集成到數據驅動的統計ML模型中，以提高學習的魯棒性，并為高維數據設計了可擴展的隱私保護數據發布框架。

她的研究成果為學習系統的可信度提供了嚴格的保證，并已被部署在工業應用中。

劉同亮

劉同亮博士是澳大利亞悉尼大學高級講師，同時也是阿聯酋人工智能大學機器學習系客座副教授，于悉尼科技大學獲得博士學位。

圖片

他的主要研究方向為理解和設計機器學習算法，以解決可信機器學習領域的問題。

在需要大規模有標簽數據的領域，往往存在嚴重的錯誤標簽問題，如計算機視覺、自然語言處理和數據挖據領域，他在有噪聲標簽的機器學習理論和算法方面的工作成果對這些領域有重大貢獻。

Soujanya Poria

Soujanya Poria是新加坡科技與設計大學（SUTD）的助理教授，于英國斯特靈大學的計算機科學專業獲得博士學位，曾在ACL，EMNLP，AAAI等頂級會議和期刊上發表了100多篇論文，并獲得IEEE CIM杰出論文獎和ACM ICMI最佳論文獎榮譽獎。

他對融合來自文本、音頻和視覺模態的信息進行了開創性的研究，可用于各種行為和情感任務，顯著改善了依賴多模態數據的系統，為各種新的研究途徑鋪平了道路。

他的最新研究方向是關于信息抽取、視覺語言推理，以及基于常識、基于上下文的因果解釋來理解人類對話。

Deqing Sun

Deqing Sun博士是Google的研究科學家，其研究成果對計算機視覺做出了重大貢獻，特別是在運動估計方面。

圖片

他在光流（Classic+NL和PWC-Net）方面的工作非常有影響力，并一直在為NVIDIA RTX平臺中的Super SloMo，Face Unblur和Google Pixel手機上的Fusion Zoom等商業應用提供支持。

他曾擔任CVPR/ICCV/ECCV的區域主席，并在CVPR/ECCV/SIGGRAPH共同組織了幾次研討會/教程。他是2018年CVPR最佳論文榮譽獎獲得者，2022年CVPR最佳論文決賽選手，2020年PAMI青年研究員獎以及2020年CVPR Longuet-Higgins獎。

孫怡舟

孫怡舟博士是加州大學洛杉磯分校計算機科學系的副教授，于2012年在伊利諾伊大學厄巴納-香檳分校的計算機科學專業獲得博士學位。

圖片

她的主要研究方向是挖掘圖/網絡，更一般地說，數據挖掘、機器學習和網絡科學，重點是建模新問題，并提出可擴展的算法，用于大規模的現實世界的應用。

她是異構信息網絡（HIN）挖掘的先驅，最近的研究專注于深度圖學習、神經符號推理，并為多智能體動力系統提供神經解決方案。她的工作具有廣泛的應用范圍，從電子商務，醫療保健，材料科學到硬件設計。

湯繼良

湯繼良博士是密歇根州立大學的校級教授，致力于圖ML和可信AI及其在教育和生物學中的應用，他的貢獻包括提出了行業內高引用的算法、開發了多個業內流行的系統。

圖片

他的研究興趣包括圖形機器學習及其在社交媒體和生物學中的應用，曾與劍橋大學出版社合作撰寫了第一本綜合性的書《圖深度學習》（Learning on Graphs），并開發了各種開源工具，包括用于特征選擇的scikit-feature，用于可信AI的DeepRobust，以及用于單細胞分析的DANCE。

他曾獲得多個獎項，包括2022年IAPR J.K.Aggarwal獎、2022年SIAM/IBM早期職業研究獎、2021年IEEE ICDM Tao Li獎、2021年IEEE大數據安全少年研究獎、2020年ACM SIGKDD星星獎、2019年NSF CAREER獎，以及八項最佳論文獎（或亞軍）。

汪張揚

汪張揚博士是美國得克薩斯大學奧斯汀分校電子和計算機工程助理教授，2012年本科畢業于中國科學技術大學，2016年博士畢業于伊利諾伊大學厄巴納-香檳分校，致力于高效可靠的機器學習，研究方向涵蓋機器學習理論到應用的各個方面。

圖片

他近期的研究方向是在經典優化到現代神經網絡中，利用、理解和擴展稀疏性的作用，研究成果涵蓋多個重要課題，如大型基礎模型的有效訓練/推理/遷移，魯棒性和可信度，學習優化，生成式人工智能和圖學習等。

他獲得過許多獎項和榮譽，包括NSF職業獎，ARO青年研究者獎，INNS Aharon Katzir青年研究者獎，首屆LoG會議2022最佳論文獎，以及多個行業教師研究獎以及研究競賽獎，同時也是ACM杰出演講者和IEEE高級會員。

陰紅志

陰紅志博士是昆士大學信息技術與電氣工程學院的副教授，于北京大學獲得博士學位，致力于可信的數據智能，將數據轉化為各種行業和場景中的隱私保護，以及可解釋和公平的智能服務。

圖片

他也是研究和開發下一代智能系統和算法的領先專家，可以用于輕量級設備上的預測分析以及對海量和異構數據的推薦和分散式（decentralized）機器學習。

他的研究成果曾獲得第35屆IEEE國際數據工程會議（ICDE 2019）最佳論文獎，第25屆國際數據庫系統高級應用會議（DASFAA 2020）最佳學生論文獎，第20屆國際數據挖掘會議（ICDM 2018）最佳論文提名，以及北京大學杰出博士學位。

Liang Zheng

Liang Zheng博士是澳洲國立大學的高級講師，2015年博士畢業于清華大學，致力于以數據為中心的計算機視覺，提高訓練和驗證數據的質量，預測沒有標簽的測試數據難度（test data difficulty），為以模型為中心的開發提供了一個補充的視角。

圖片

他最著名的成果是在物體重識別方面的貢獻，與合作者共同設計了廣泛使用的數據集和算法，如Market-1501（ICCV 2015），基于部分的卷積基線（ECCV 2018），隨機擦除（AAAI 2020）以及聯合檢測和嵌入（ECCV 2020）。

他最近的研究方向是以數據為中心的計算機視覺，其中主要關注的是提高利用率，分析和改進數據而非算法。