信息来源：高瓴人工智能学院 发布日期：2025-07-22

7月15日，中国人民大学高瓴人工智能学院2025国际暑期学校全球大师系列讲座第二讲举办。本期讲座中，国际理论计算机泰斗、两届哥德尔奖得主滕尚华教授做客中国人民大学，以“Proper Learnability and the Role of Unlabeled Data and Regularization”为题为全校师生带来了一场高水平的学术讲座。

滕尚华（Shang-Hua Teng）是南加州大学（USC）的教授以及Seely G. Mudd计算机科学与数学讲席教授，曾两次获得哥德尔奖。西蒙斯基金会称他为“世界上最具原创性的理论计算机科学家之一”，并在2014年授予他西蒙斯研究员（Simons Investigator）称号，以支持其长期基于好奇心的基础研究。他还获得了2009年福克森奖（Fulkerson Prize）、2023年中国计算机学会颁发的海外华人科学技术奖、2022年ACM SIGecom“时间检验奖”（Test of Time Award，因解决纳什均衡计算复杂性问题）、2021年ACM STOC“时间检验奖”（因平滑分析）、2020年Phi Kappa Phi教师表彰奖（因其著作《可扩展的数据与网络分析算法》）、2011年ACM STOC最佳论文奖（因改进最大流-最小割算法）。在产业界，他曾与英特尔（Intel）、IBM、Akamai和微软（Microsoft）合作，并在编译器优化、互联网技术和社交网络等领域获得了15项专利。

活动开场，高瓴人工智能学院执行院长文继荣教授首先对滕尚华教授的到来表示热烈欢迎。他表示，滕尚华教授是理论计算机科学领域的泰斗级人物，两次荣获该领域最高荣誉——哥德尔奖，这不仅彰显了他卓越的学术造诣，更是全球华人学界的共同荣耀。文继荣教授希望滕尚华教授今后能常来人大，持续为师生带来思想启迪，助力青年学子拓展学术视野、提升认知格局。

在讲座中，滕尚华教授深入阐述了正则化（regularization）在人工智能（AI）算法中所扮演的关键角色。他首先系统地分析了人工智能中“学习”（Learning）的基本概念，从理论计算的视角出发，探讨了学习如何在算法中被形式化建模，并指出其在现实应用中面临的种种挑战。紧接着，他引入了无标签数据在学习过程中的重要性，强调在数据日益增长但标注资源有限的背景下，如何有效利用大量未标注信息成为提升算法性能的关键突破口。

随后，滕尚华教授针对学习过程中常见的“过拟合”（overfitting）问题进行了深入剖析。他指出，过拟合是模型在训练数据上表现优异但在新数据上泛化能力差的核心症结。在此基础上，他引出了“正则化”的概念，阐明了其作为防止过拟合、提升模型鲁棒性的重要手段。通过理论推导与实际案例相结合的方式，滕尚华教授生动展示了正则化如何在保持模型表达能力的同时，有效控制复杂度，从而在人工智能系统中实现更加稳健和可解释的学习机制。

在提问环节，文继荣教授与高瓴人工智能学院祁琦长聘副教授、刘勇长聘副教授就当前备受关注的大语言模型及其他生成模型等问题，与滕尚华教授进行了研讨。其中一个核心问题是：“生成模型是否可以作为基线模型，并在后续的学习过程中发挥关键作用？”这一开放性问题引发了现场热烈讨论，几位老师从不同视角展开深入交流，探讨了生成模型在复杂学习任务中的潜力、在模型迁移与优化中的作用，以及其在未来人工智能研究中的广泛应用前景。滕尚华教授也结合自身研究经验，分享了他对生成模型与学习机制协同演化的独到见解。

滕尚华教授以其深厚的学术造诣，为人大师生呈现了一场关于人工智能学习机制与正则化方法的思想盛宴。讲座立足全球视野，以理论高度启迪未来，充分展现了高瓴人工智能学院"全球大师系列讲座"促进国际学术对话、汇聚世界智慧的宗旨。未来，学院将继续依托此类高端学术项目，广纳全球英才，搭建思想交流平台，以智慧火花点燃科技创新之光。