12月13日，澳大利亚南昆士兰大学陶晓辉教授应邀来我院作题为《Exploring the Landscape of Machine Unlearning: State-of-the-Arts, Challenges, and Directions》的学术报告。我院部分师生参会，活动由肖奎副教授主持。

陶晓辉教授围绕机器非学习（Machine Unlearning）领域的最新技术、挑战以及未来发展方向带领大家进行了探讨。在对机器非学习进行全面回顾的过程中，他指出，机器非学习是一个新兴领域，主要通过从机器学习过程中删除私人或无关数据来解决数据隐私问题，但过时、私有和无关数据的使用会损害机器学习和非学习中模型的准确性和计算效率。

随后，陶晓辉教授介绍了一个新的框架——机器非学习框架FRAMU。他表示，该框架结合了自适应学习机制、隐私保护技术和优化策略，使其成为处理各种数据源（单模态或多模态）的全面解决方案，同时保持准确性和隐私。他强调，FRAMU优化了模型性能，应对了动态数据环境中的挑战，推动了机器非学习的发展。陶晓辉教授向我们充分证明了学术研究与实际应用之间的紧密联系，并为大家未来的学习和研究提供了借鉴和参考的实际案例。

本次报告让与会师生进一步了解了机器非学习领域，认识到该领域面临的风险挑战，明确了该领域未来的发展方向。

主讲人介绍：

陶晓辉，2009年毕业于澳大利亚昆士兰科技大学，获博士学位。现为澳大利亚南昆士兰大学数学、物理和计算学院教授，IEEE和ACM高级会员，IEEE智能信息学技术委员会（TCII）副主席，NLP Journal期刊主编，INFFUS期刊编辑等。主要研究领域包括数据分析、机器学习、自然语言处理和健康信息学。目前已在在TOIS、TKDE、INFFUS、IPM等知名期刊，以及AAAI、EMNLP、IJCAI、ICDE和CIKM等知名会议上发表论文180余篇。曾获澳大利亚研究委员会的项目资助和澳大利亚奋进号研究员等著名奖项。

(审稿：张龑）