10 月 30 日上午，南加利福尼亚大学计算机科学与数学系的滕尚华教授到访微软亚洲研究院，带来以“Intelligent Heuristics Are the Future of Computing”为主题的讲座分享，这也是理论中心前沿系列的第十四期讲座。本次讲座同时设置线上 Teams 会场，50 余人在线上参与研讨。

微软亚洲研究院理论中心主任、首席研究员陈卫出席本次活动，并为滕尚华教授颁发聘书，聘请滕尚华教授担任微软亚洲研究院理论中心顾问。北京大学智能学院副院长林宙辰、北京大学智能学院副院长陈宝权、中国科学院研究员孙晓明、清华大学计算机系副教授王宏宁也参与了研讨。

微软亚洲研究院理论中心主任陈卫（右一）、资深学术合作经理孙丽君（左一）为滕尚华教授（右二）颁发聘书

与会嘉宾合影

（从左到右依次为：北京大学智能科学系教授林宙辰、北京大学智能学院教授陈宝权、南加利福尼亚大学计算机科学与数学系教授滕尚华、中国科学院研究员孙晓明、微软亚洲研究院理论中心主任陈卫、微软亚洲研究院资深学术合作经理孙丽君）

滕尚华教授首先以自己的亲身经历来探讨什么是启发式的方法，它和传统的基于理论分析的算法设计有什么不同。他指出，智能启发式的核心思想是利用数据和真实应用的具体场景，设计出适合具体场景的高效算法。

智能启发式是计算科学的一个重要分支，尤其是在面对大规模、丰富、复杂和多面向的数据和模型时，它可以与科学、工程、人文和社会等领域进行广泛的交互，提供有效的解决方案。在过去的几十年中，研究人员们一直在探索如何使用智能启发式来解决各种问题，包括图像识别、自然语言处理、机器学习、数据挖掘等。

滕尚华教授进行分享

滕尚华教授介绍了一些针对智能启发式的理论尝试，包括谱分割、多层方法、进化算法和单纯形法等，并分析了它们的理论特征和在实际数据上的表现，这些智能启发式方法都具备使用局部信息、利用随机性、考虑数据结构和特征等共同点。滕尚华教授还讨论了一系列评价智能启发式的标准，包括平滑分析、超越最坏情况分析和公理化方法等。

讲座现场

最后，滕尚华教授讨论了智能启发式领域的机遇与挑战，包括：如何设计更智能、更灵活、更具备可解释性的启发式方法，如何利用深度学习、大语言模型等新兴技术来提高智能启发式的效率和效果，如何将启发式方法应用到更广泛和更复杂的问题领域中。

滕尚华教授与现场观众互动

提问环节，观众积极提问。滕尚华教授与观众探讨了启发式方法的理论原理、研究方法、应用空间、未来发展思路等问题。

现场研讨

理论中心前沿系列讲座是微软亚洲研究院的常设系列讲座，邀请全球站在理论研究前沿的研究者介绍他们的研究发现，主题涵盖大数据、人工智能以及其他相关领域的理论进展。讲座以线上直播与线下研讨的形式呈现，通过这一系列讲座，微软亚洲研究院期待与各位一起探索当前理论研究的前沿发现，并建立一个活跃的理论研究社区。

想了解往期讲座详情，请点击阅读原文，或访问

关于微软亚洲研究院理论中心

2021 年 12 月，微软亚洲研究院理论中心正式成立，期待通过搭建国际学术交流与合作枢纽，促进理论研究与大数据和人工智能技术的深度融合，在推动理论研究进步的同时，加强跨学科研究合作，助力打破 AI 发展瓶颈，实现计算机技术实质性发展。目前，理论中心已经汇集了微软亚洲研究院内部不同团队和研究背景的成员，聚焦于解决包括深度学习、强化学习、动力系统学习和数据驱动优化等领域的基础性问题。

想了解关于理论中心的更多信息，请访问

https://www.microsoft.com/en-us/research/group/msr-asia-theory-center/