【报告人简介】加藤琴，名古屋大学博士毕业，曾在牛津大学担任博士后研究员。现为日本立命馆大学教授，日本工程院院士和日本学术会议连携会员。专注于智能信息处理，计算机视觉和机器学习领域研究，发表多篇重要国际期刊（如PAMI, Pattern Recognition）和国际会议（如CVPR, ECCV, WACV, ICASSP）论文。
【报告内容摘要】近年来，人工智能领域经历了许多引人注目的突破，其中生成型人工智能的崛起（如ChatGPT和Bing）备受瞩目。生成型人工智能正快速改变着人类智力工作的面貌，同时也在塑造着人工智能未来的发展方向。在这个背景下，人工智能的发展出现了两个新的潮流：第四代人工智能和可信赖人工智能。每一个方向都带来了新的挑战课题。例如，在可信赖人工智能方面，我们面临着人工智能的“黑盒”问题，即深度模型的可解释性障碍。报告人将介绍一种基于全局“概念”的3维深度神经卷积网络（3D Convolutional Neural Network）的解释方法，并通过具体的研究案例展示如何通过对深度模型的解释来提高模型的性能和可靠性。这种方法使深度模型能够更广泛地应用于各个领域。?