2021年12月22日，国家自然科学基金委员会（以下简称自然科学基金委）交叉科学部、数理科学部和信息科学部在北京西郊宾馆联合召开“可解释、可通用的下一代人工智能方法”研讨会。自然科学基金委交叉科学部主任汤超院士和数理科学部主任江松院士线上出席会议。交叉科学部常务副主任陈拥军研究员、数理科学部常务副主任董国轩研究员、信息科学部副主任何杰研究员和交叉科学部副主任潘庆研究员出席会议。来自北京大学、南京大学、复旦大学、中国科学院数学与系统科学研究院等多家高校和科研院所的三十余名专家代表参加了本次研讨会。研讨会开幕式由交叉科学部常务副主任陈拥军研究员主持。
陈拥军常务副主任在致辞中指出，人工智能已成为新一轮科技革命的核心驱动力，有效地促进了各科学领域的快速发展。然而人工智能作为科学工具还存在一定的局限性，亟需来自数学和信息等领域的科学家发展和完善该科学工具，同时也需要来自物理、化学、生命科学等领域的科学家结合各领域的应用提出实际需求，共同推动下一代人工智能方法的发展。
北京大学鄂维南院士作研讨会主旨报告，从目前机器学习模型缺乏可解释性、鲁棒性，对训练数据依赖过强和计算资源消耗过高等问题出发，详细阐明当前的机器学习只是经验的组成，不是系统的科学，亟需建立机器学习的理论基础，开发具有可解释和可通用特征的下一代人工智能方法，进一步拓展人工智能方法在合成化学、计算生物学、药物研发、材料设计等科学领域的应用。在大会研讨环节与会专家充分发表了各自的见解。南京大学周志华教授指出经典的机器学习和统计学习的机理是基本清楚的，但深度学习作为机器学习的分支，不具备良好的可解释性。复旦大学的龚新高院士指出可以考虑将人工智能方法用于模型抽象，刻画复杂多场作用下的物理本质，使复杂计算变简单。其他与会专家也结合各自的研究领域针对人工智能的理论、方法和应用进行了发言。自然科学基金委数理科学部董国轩常务副主任也指出人工智能的理论探索、方法建立和科学应用三方面要同步发展，下一代人工智能应争取在三个层面同时取得突破，力争在国际人工智能领域发出中国人的声音。
自然科学基金委交叉科学部、数理科学部、信息科学部和化学科学部相关人员也参与了此次研讨会。