9月24日，印度统计研究所尼基尔·帕尔（Nikhil R. Pal）院士应邀为跨媒体大数据联合实验室师生作题为“计算智能领域若干亟待关注的重要问题”的学术报告。报告围绕计算智能领域的若干开放性问题展开，重点探讨了高维模糊系统中的规则特异性、规则冲突与冗余、降维与特征选择、“俄罗斯套娃式”表征学习以及计算智能系统的可信性等前沿方向。

帕尔院士指出，随着人工智能技术快速发展，模糊系统和神经网络在复杂任务中展现出了良好性能，但高维场景下规则特异性不足、规则冲突与冗余等问题，仍制约着系统的可解释性与可靠性。因此，计算智能系统不仅要追求预测精度，还应具备简洁清晰的知识表达和值得信赖的决策能力。

讲座聚焦于如何构建兼具准确性、可解释性与可信性的计算智能系统。帕尔院士围绕模糊规则特异性、规则冲突与冗余、降维与特征选择、“俄罗斯套娃式”嵌套模糊系统等问题展开分析，指出应从规则设计、表征学习和训练约束等方面改进现有方法，使模型在保持良好性能的同时，更加简洁、清晰且易于理解。

帕尔院士强调，上述问题兼具理论研究价值与实际应用意义。在医疗诊断、风险评估和复杂工程决策等领域，智能系统不仅要给出准确结果，还应具备识别未知类别、解释判断依据与保障算法公平性的能力。对这些开放问题的深入研究，将有助于推动计算智能理论创新及其在关键场景中的可靠应用。

报告结束后，帕尔院士与现场师生就规则冲突与冗余的数学刻画、特征选择的理论依据等问题进行了深入交流。他鼓励师生在理论方法创新与工程应用之间建立更紧密的联系，并结合自身研究经验给出了具有针对性和启发性的建议。

尼基尔·帕尔（Nikhil R. Pal），印度国家科学院院士、印度国家工程院院士和发展中国家科学院院士，国际模糊系统协会会士和美国电气与电子工程师协会会士。现任印度统计研究所电子与通信科学学部教授，并在该所人工智能与机器学习中心从事研究工作，主要研究方向包括脑科学、计算智能、机器学习和数据挖掘。曾任《IEEE Transactions on Fuzzy Systems》主编（2005—2010）、IEEE计算智能学会出版副主席（2013—2016）及主席（2018—2019），获2015年IEEE计算智能学会模糊系统先锋奖。

【编辑：马祥艺、张耀光】