倪健同学是我院2019级博士研究生，也是吴曼青院士研究团队的首位博士研究生，近日在人工智能领域国际顶级学术会议—神经信息处理系统国际会议（Neural Information Processing Systems Conference， 即NIPS，最近更名为NeurIPS）—发表了一项重要研究成果。

根据最新的2018谷歌学术影响因子，在全部国际人工智能领域学术期刊/会议中，NIPS/NeurIPS位列第一，其H5指数高达134。NIPS/NeurIPS已经成为全球人工智能和机器学习领域最重要、最顶级的盛会，预计今年将吸引着超过10000名来自世界各地的顶尖人工智能研究人员和从业人员。倪健同学的研究成果被该顶级会议接受，代表了国际人工智能领域对网空学院吴曼青院士研究团队的科研成果及科研水平的认可。

在国际上，近年来人工智能技术研究和应用取得了诸多重要进展。然而，现有的人工智能技术和系统大多严重依赖和受限于大量的人工标注、高质量的样本数据。因此，如何减少人工在样本方面的处理工作，以及如何使模型快速适应层出不穷的新样本，成为人工智能领域内亟待解决的挑战和关键问题。为了应对这样的挑战，国际上提出了零样本学习（Zero-Shot Learning，ZSL），利用样本之间潜在的语义关系，使得模型可以处理一些之前从未处理过的样本，对于探索实现真正的人工智能具有非常重要的意义。

在吴曼青院士、谢海永教授指导下，倪健同学自2018年开始就针对上述挑战，联合中国电子科技集团公司电子科学研究院创新中心、社会风险安全感知与防控大数据应用国家工程实验室、美国卡内基梅隆大学等国内外一流研究团队，共同开展了相关研究工作。经过一年多的努力，所取得的研究成果以论文形式发表于NIPS/NeurIPS，论文题为“Dual Adversarial Semantics-Consistent Network for Generalized Zero-Shot Learning”，倪健同学是第一作者（部分工作是在中国电子科技集团公司电子科学研究院创新中心实习期间开展的，得到了该中心人工智能团队刘弋锋等博士的指导），第二作者是美国卡内基梅隆大学的仉尚航博士（今年加入卡内基梅隆大学刑波教授创立的人工智能初创公司Petuum，该公司已经获得超过1亿美元的投资），通信作者是谢海永教授。该研究成果也是中国科大-中国电科开展战略合作中产生的一个成果。

该研究成果提出了一种通用的先进零样本学习方法。现有的ZSL方法存在语义丢失严重、视觉语义交互欠缺、分类强偏置等重大问题，因而，在广义ZSL设置中部署模型后，性能很差。针对这些问题，吴院士研究团队提出了一种新颖的基于对偶对抗语义一致网络的新型框架。该框架通过构建两个生成对抗网络（GANs），分别负责视觉特征的生成以及语义特征的重建，并专门设计适用于ZSL的视觉-语义对抗损失函数，从而获得具有高度判别性语义特性的视觉特征，将ZSL学习问题转化为传统的监督学习问题。该模型有效地增强从已知类到未知类的知识转移，并有效缓解ZSL中固有的语义损失问题。大量的实验结果证明了该模型的优越性。