5月8日上午，应计算机学院邀请，英国计算机学会和电子工程学会（IET）会士、英国布鲁内尔大学李茂贞教授做客聊大讲坛，做了题为《深度神经网络的可解释性和计算效率》（Interpretation and Computation Efficiency in Deep Neural Networks）学术报告。计算机学院骨干教师、研究生参加了报告会。

　　李李茂贞教授的报告聚焦于当前人工智能领域的重要议题。首先，李教授强调了人工智能可解释性的重要性以及其在实际应用中的意义，详细介绍了类别激活图（CAM）在增强人工智能可解释性方面的作用和局限。然后，李教授介绍了基于自注意力机制的类别激活图（SA-CAM）方法，这一方法通过引入自注意力机制来提高图像识别的准确性，从而弥补了传统CAM方法的不足之处。接着，李教授指出了大语言模型模型在计算复杂度方面存在的问题，回顾了轻量级模型的发展历程，并着重针对当前轻量级模型准确性低、普适性差的问题提出了解决方案。最后，李教授展望了大语言模型的发展前景，指出了当前大语言模型面临的挑战和机遇，并提出了未来的研究方向和发展趋势。李教授的报告论点新颖，逻辑严密，方法前沿，开拓了与会师生的学术视野，与会人员获益匪浅。

　　会后，李教授就学科建设、科研团队建设、研究生培养、国际合作交流等方面与师生进行了的深入交流，在场教师和学生积极提问，李教授进行了耐心解答，交流会在掌声中圆满结束。

　　李茂贞，1997年在中国科学院软件研究所获得博士学位，1999-2002年在英国卡迪夫大学的计算机科学与信息学院完成博士后研究，现为英国伦敦布鲁内尔大学电子与电气工程系教授。主要研究方向包括高性能计算、大数据分析、智能电网和智能城市中应用的智能系统。在相关领域出版专著5部，发表学术论文200多篇，现任英国计算机学会和电子工程学会（IET）的会士。

　　（审核 贾保先）