北京
GAITC2025
6月6-8日，2025全球人工智能技術大會（GAITC2025）將在杭州舉辦。 “開放世界機器學習前沿技術專題活動”將邀請機器學習、計算智能、機器人等多個前沿領域的專家學者聚焦開放世界場景下的算法創新與工程實踐，為學術界與工業界搭建深度對話平臺。
機器學習在封閉世界中發展已久，其假設前提是環境穩定、類別已知、數據可控。然而，真實世界遠比訓練環境復雜，新類別不斷涌現，數據分布頻繁變化，模型必須具備持續適應、主動識別、動態決策的能力。
開放世界機器學習因此應運而生，它讓模型能處理未知、發現新事物并持續學習，像生物系統一樣不斷進化。計算機視覺是受益最明顯的領域之一，以往封閉世界中的物體檢測模型在新物種識別上力不從心，如今借助視覺基礎模型，無需新物種標注數據，就能實現新物種識別、定位與學習。
可以看出，開放世界的機器學習必須打破“閉集假設”的困境，面對未見過的類別，模型不應盲目分類，應該準確識別未知分類。這一任務不僅要求模型能處理已知數據，更需在推理過程中判斷樣本是否為新類別。
同時，開放世界還包含數據分布漂移、類別不平衡、噪聲干擾等實際問題，模型既要“見多識廣”，還要“舉一反三”，這對算法的泛化能力、可塑性、穩定性均提出了更高要求。
目前，開放世界機器學習的技術路徑包括開放集識別、增量學習、自監督適應等，其最終目標是讓機器構建“認知閉環”的系統能力。因此，模型需要有識別邊界、持續學習、資源調控、協同反饋等全方位的自成長能力和動力，達到可動態感知器與決策的水平。
開放世界機器學習代表著智能系統“從封閉走向開放”、“從靜態走向動態”的躍遷，其核心不在于訓練出更大的模型，而在于讓模型可以理解不確定性、適應新環境，以及持續進化。
可以說，誰能掌握開放世界的機器學習技術，誰就掌握了智能時代的主導權。此次專題活動誠邀學術界研究者、企業技術負責人及開發者一同分享開放世界機器學習的最新研究成果，深入探討技術創新與產業應用。
掃碼二維碼
前往大會官網
參會注冊詳情
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
