2025年5月12日下午，上海交通大学自动化与感知学院博士生导师宫辰教授在学院213学术报告厅开展“面向开放场景的学习问题初探”主题讲座，学院党委书记孙先波教授主持讲座。

z

宫辰教授以人工智能技术在实际应用中的困境为切入点，直指当前机器学习研究的核心矛盾。他介绍，现有方法多基于“闭合世界”假设，即在类别已知、标注精确、数据分布一致的理想化公共数据集上进行训练和评测。这种模式下开发的模型虽在实验室环境中表现优异，但面对现实开放场景中复杂的非理想条件时，常因分布外数据、标注噪声、标注缺失等问题导致性能骤降甚至失效。宫辰教授强调，突破这一瓶颈的关键在于重新定义算法设计逻辑，推动机器学习从“理想实验”向“真实落地”跨越。

围绕开放场景的核心挑战，宫辰教授系统阐释了实际应用中亟待解决的三大难题：分布外数据的泛化能力不足、标注信息质量参差不齐，以及动态环境下的持续学习需求。他以团队研究成果为例，说明如何通过弱监督学习框架有效应对标注噪声和缺失问题，同时结合持续学习技术提升模型对新场景的适应能力。此外，他还探讨了算法评估体系的重构方向，提出需建立更贴近真实场景的评测标准，避免实验室数据与开放环境间的“性能鸿沟”。

在互动环节，现场师生与宫辰教授展开热烈讨论。针对听众提出的工业质检数据标注成本过高问题，宫辰教授建议采用半监督学习与主动学习结合策略，通过少量高质量标注引导模型自主学习，降低对标注数据的依赖。

此次讲座不仅拓宽了师生的学术视野，更为后续开展开放场景下的机器学习研究提供了理论支撑与实践启示。随着人工智能技术向纵深发展，如何让算法“走出实验室”服务千行百业，将成为学界与产业界共同探索的时代命题。

（宫辰，上海交通大学自动化与感知学院教授、博导；入选中组部万人青拔、IET Fellow；主要研究方向是弱监督学习及应用。已在世界权威期刊或会议上发表100余篇学术论文，主要包括JMLR, IJCV, IEEE T-PAMI, ICML, NeurIPS, CVPR, ICCV等。目前担任国际权威期刊T-IP、 T-CSVT、Neural Networks、Neural Processing Letters编委；ICML, ICLR, AAAI, IJCAI, ICDM, CIKM, AISTATS, ACM MM等多个国际会议的Area Chair或Senior PC member。主持国家自然科学基金重点项目、面上项目、专项项目等。获吴文俊人工智能优秀青年奖、中国科协“青年人才托举工程”、中国人工智能学会“优秀博士学位论文”奖、中国电子学会自然科学二等奖、上海交通大学“优秀博士学位论文”奖等，并入选百度发布的全球华人AI青年学者榜单以及斯坦福大学发布的全球前2%顶尖科学家榜单。）

（文字：张靖  图片：闫德隆  编辑：王宏  审核：沈济南）