研究

研究兴趣

我研究的终极目标，是推动人工智能（AI）系统朝着《2001 太空漫游》里的 HAL 9000、《钢铁侠》里的贾维斯（J.A.R.V.I.S.）那样的方向发展。这类系统通常是自主的交互式智能体，能够理解人的意图，并做出审慎的决策。要让智能体在医疗、自动驾驶等高风险领域中可信地落地，它们就必须从各类信息源中检索相关的证据，来支撑推理、规划或行动：从庞大而异构的外部数据库（维基百科、PubMed、知识图谱等）中提取领域知识，从网络和社交媒体获取最新的信息，或是从自身的内部记忆模块中回想起有用的过往经验，等等。人们对快速、准确地获取信息的需求与日俱增，这凸显了信息检索（IR）系统在通往通用人工智能（AGI）之路上的关键作用。

因此，我研究的核心是改进检索系统，既包括文本检索，也包括多模态检索（如图像、视频和音频检索）。文本检索是一个自然的起点：当前的大语言模型（LLM）虽然给许多自然语言理解与生成任务带来了变革性的影响，却还没有在检索领域引发根本性的范式转变，也没能带来持续而显著的性能提升。

推进检索系统的潜在切入点包括持续学习、课程学习，以及让预训练数据更加多样化，从而更好地覆盖各种检索场景和信息需求。在文本检索取得进展的基础上，下一步自然是发展多模态检索系统：或者在多个模态上联合训练，或者逐步引入更多的模态。

所以，自然语言处理、多模态学习、深度学习和认知科学的洞见与方法，对我的研究都十分相关、也十分宝贵。

如果你有令人兴奋的研究想法，或者有合作的意向，我都很乐意和你聊一聊。欢迎通过邮件联系我：yuchen[dot]hui[at]umontreal[dot]ca。