IEEE TNSE 杰出讲座系列首期回顾，Dapeng Oliver Wu教授分享知识中心网络相关内容

北京时间6⽉24⽇，⾸期 IEEE TNSE 杰出讲座系列活动在线上成功举办。此次，我们有幸邀请到⾹港城市⼤学 Dapeng Oliver Wu 教授分享关于知识中⼼⽹络（Knowledge Centric Networking, 简称 KCN）这⼀未来⽹络设计范式的基本理念、核⼼概念、潜在优势及未来研究⽅向。

本次讲座由 AIRS 副院长兼群体智能中心主任、香港中文大学（深圳）校长讲座教授、理工学院副院长、IEEE TNSE 主编黄建伟教授担任执行主席与主持人。

近年来，边缘计算（Edge Computing）、物联⽹（Internet of Things）、内容中⼼⽹络（Content-Centric Networking) 等新兴计算、通信技术与⼈⼯智能的结合，催⽣了丰富的智能应⽤场景，其有望为未来的社会治理、资源调度以及商业决策领域带来巨⼤的价值。要实现该⽬标，⽹络前端（边缘侧）实时感知的海量数据与⽹络后端的知识提取与管理必须进⾏有效融合，进⽽赋能未来社会智慧楼宇、⻋联⽹、智能电⽹、智能家居、智能制造业等应⽤技术。

为此，吴教授及其团队提出了以知识为中⼼的⽹络设计范式 KCN。该范式通过引⼊知识创建、知识整合、以及知识发布三个核⼼概念，旨在有效达成“从感知数据中提取知识、再利⽤知识促进系统智能化运作”这⼀控制闭环。吴教授分别以⽹络控制、通信编码、城市安防等具体场景为例，阐释了知识创建与整合的核⼼概念（如具体场景中的⽬标定义与意图表达），并以现有⽹络控制技术（如⽹络切⽚）与⼈⼯智能结合为实例，分享了知识发布的核⼼理念。

问答环节，吴教授的精彩报告也引来了⼤家的热烈讨论。例如，在⾯对关于如何权衡系统运作的智能性与⽤户隐私担忧的问题时，吴教授表示：这不仅是技术问题。尽管通过前沿隐私与安全技术⾜以解决部分问题，但我们仍需要技术、流程规范与监管机制的共同配合，才能更好地享受智能信息社会的福利。此外，为了实现在海量数据中的知识提取、利⽤与控制，仅依赖于传统的基于符号或当下基于深度神经⽹络的⼈⼯智能，都是不充分的。毕竟，在意图表示与理解、特征提取与识别⽅⾯，⼆者各有优势。为了充分释放 KCN 的潜⼒，⼆者的结合是未来的⼤势所趋。

视频回顾

Recording

IEEE TNSE 杰出讲座系列

IEEE TNSE Distinguished Seminar Series

IEEE TNSE 杰出讲座系列由 IEEE TNSE 期刊和深圳市人工智能与机器人研究院（AIRS）联合主办，香港中文大学（深圳）、网络通信与经济学实验室（NCEL）、IEEE 联合支持。该系列活动旨在汇聚网络科学与工程领域的国际顶级专家学者分享前沿科技成果。

*特别鸣谢黄曦提供相关内容