近日，人工智能领域著名杂志 IEEE Intelligent Systems公布了 2022 年度「人工智能十大新星」（AI’s 10 to Watch）名单 ，其中有九位都是华人研究者。2022两年一度的版本与之前的版本略有不同：评选委员会向10年前获得博士学位的个人征求意见（而之前的所有版本都是5年）。评选委员会最终不得不从30+竞争激烈、实力雄厚的提名中选出10名杰出贡献者，这使得评选决定相当困难。经过通过电子邮件和现场会议进行的多轮讨论，经过仔细而详细的选择过程，委员会一致投票选出了10名顶尖候选人，这些候选人都在人工智能的不同领域表现出杰出的成就。
人工智能十大新星介绍
李博博士是伊利诺伊大学厄本那-香槟分校计算机科学系的助理教授。曾获得IJCAI计算机和思想奖的获得者;阿尔弗雷德·斯隆研究奖学金;美国国家科学基金会（NSF）职业生涯奖;马萨诸塞州理工学院技术评论TR-35奖院长卓越研究奖; C.W. Gear杰出青年教师奖等，并在多个顶级机器学习和安全会议上获得最佳论文奖。她的研究集中在可信机器学习、安全性、ML和博弈论的理论和实践。她为稳健的学习和保护隐私的数据发布设计了几个可扩展的框架。她的作品曾被《Nature》、《Wired》、《Fortune》和《The New York Times》等主要出版物和媒体报道。
个人主页：http://boli.cs.illinois.edu/
刘同亮博士是澳大利亚悉尼大学高级讲师，同时也是阿联酋穆罕默德·本·扎耶德人工智能大学机器学习系客座副教授，于悉尼科技大学获得博士学位。
他的研究兴趣在于理解和设计可信赖ML领域问题的ML算法。他于2022年获得ARC未来研究金奖，2020年被《The Australian》评为早期成就者排行榜，并于2018年获得ARC发现早期职业研究员奖（DECRA）研究金奖。他经常担任ICML、NeurIPS和ICLR的区域主席。他是《Transactions on Machine Learning Research》的行为编辑，也是《Journal of Machine Learning Research and Machine Learning》的编委会成员。
联系方式：tongliang.liu@sydney.edu.au
聂礼强博士是哈尔滨工业大学（深圳）计算机科学与技术学院院长及教授，主要致力于多媒体内容分析和搜索，特别强调数据驱动的多模态学习和知识引导的多模态推理，开创了多模态之间建模一致（modeling of consistent）、互补（complementary）和部分对齐（partial alignment）的关系。聂博士发表了100多篇论文和5本书，在谷歌上被引用17000多次。他是IEEE知识与数据工程汇刊、IEEE多媒体汇刊、视频技术电路与系统汇刊和计算机械协会（ACM）多媒体计算、通信与应用汇刊的地区主席或高级项目委员会成员。同时，他是ACM MM、NeurIPS、ICML、IJCAI和AAAI的常规AC或SPC。他是IEEE ICME指导委员会的成员。在过去的几年里，他获得了许多奖项，如2020年SIGMM新星奖、2020年MIT TR35 China、2020年DAMO Academy青年研究员奖、2021年SIGIR最佳学生论文奖和2022年ACM MM最佳论文奖。
Soujanya Poria是新加坡科技与设计大学（SUTD）的助理教授，于英国斯特灵大学的计算机科学专业获得博士学位。在ACL、EMNLP、AAAI、NAACL、ECCV、Neurocomputing、IEEE Transactions on Affective Computing、IEEE Computational Intelligence Magazine、IEEE CIM和Information Fusion等前沿会议和期刊上发表了100多篇论文和文章，他的前沿研究得到了政府和行业的高度引用和大量资助。他的研究获得了国际认可，包括IEEE CIM杰出论文奖和ACM ICMI最佳论文奖荣誉奖。他在许多会议和研讨会上发挥了重要作用，包括担任ACL、NAACL和EMNLP的地区联席主席，以及AACL 2022的研讨会主席。他曾在2018年CICLing、2019年SocialNLP、2020年MICAI和2020年ICON等活动上受邀发表演讲。目前，他是《Cognitive Computation》、《Information Fusion》和《Neurocomputing》的副主编。
Deqing Sun博士是Google的研究科学家，其研究成果对计算机视觉做出了重大贡献，特别是在运动估计方面，他在布朗大学获得计算机科学博士学位。他曾担任CVPR/ICCV/ECCV的区域主席，并在CVPR/ECCV/SIGGRAPH共同组织了几次研讨会/教程。他获得了2018年CVPR最佳论文荣誉奖、2022年CVPR最好论文入围者、2020年PAMI青年研究员奖和2020年CVPR Longuet–Higgins奖。
联系方式：deqingsun@google.com
孙怡舟博士是加州大学洛杉矶分校计算机科学系的副教授，于2012年在伊利诺伊大学厄巴纳-香槟分校的计算机科学专业获得博士学位。
她的主要研究方向是挖掘图/网络，更一般地说，数据挖掘、机器学习和网络科学，重点是建模新问题，并提出可扩展的算法，用于大规模的现实世界的应用。
她是异构信息网络（HIN）挖掘的先驱，最近的研究专注于深度图学习、神经符号推理，并为多智能体动力系统提供神经解决方案。她的工作具有广泛的应用范围，从电子商务，医疗保健，材料科学到硬件设计。
联系方式：yzsun@cs.ucla.edu
汤继良博士是密歇根州立大学计算机科学与工程系的大学基金会教授。在此之前，他是雅虎研究公司的研究科学家，并于2015年在亚利桑那州立大学获得博士学位。他的研究兴趣包括图的ML及其在社交媒体和生物学中的应用。他与剑桥大学出版社合著了第一本综合性书籍《Deep Learning on Graphs》，并开发了各种广受欢迎的开源工具，包括用于特征选择的scikit功能、用于值得信赖的人工智能的DeepRobust和用于单细胞分析的DANCE。他获得了各种奖项，包括2022年IAPR J.K.Aggarwal奖、2022年SIAM/IBM早期职业研究奖、2021年IEEE ICDM陶力奖、2021 IEEE大数据安全初级研究奖、2020年ACM SIGKDD新星奖、2019年NSF职业奖和八项最佳论文奖（或亚军）。他在排名靠前的期刊和顶级会议论文集上发表了他的研究成果；这些文章被引用了数万次，h指数为77。
汪张扬博士是美国得克萨斯大学奥斯汀分校电子和计算机工程助理教授，2012年本科毕业于中国科学技术大学，2016年博士毕业于伊利诺伊大学厄巴纳-香槟分校。致力于高效可靠的机器学习，研究方向涵盖机器学习理论到应用的各个方面。
目前，他的核心研究任务是利用、理解和扩展稀疏性的作用，从经典优化到现代神经网络，其影响涵盖了许多重要主题，如大基础模型的有效训练/推理/转移、鲁棒性和可信度，学习优化、生成人工智能和图形学习。他获得了许多奖项和荣誉，包括美国国家科学基金会职业奖、ARO青年研究员奖、IEEE“AI’s 10 to Watch”奖、INNS Aharon Katzir青年研究员奖，2022年首届LoG大会最佳论文奖，以及其他几个行业教师研究奖和研究竞赛奖。他是ACM杰出演讲人和IEEE高级成员。
阴红志博士是昆士大学信息技术与电气工程学院的副教授，于北京大学获得博士学位。他在预测分析、推荐系统和去中心化机器智能领域做出了显著贡献，并因其研究成果获得了众多奖项和认可。他被《 Australian Research 2020》杂志评为数据挖掘和分析领域领导者，并获得2022年AI 2000数据挖掘最具影响力学者荣誉奖。此外，他还获得了Research.com 2022年科学新星奖、2022年澳大利亚研究委员会未来奖学金、2016年DECRA和2019年昆士兰大学基金会卓越研究奖。他入选了2022年和2021年斯坦福大学世界前2%的科学家（职业生涯和单年影响）。他的研究工作获得了第35届IEEE国际数据工程会议（ICDE 2019）的最佳论文奖、第25届高级应用数据库系统国际会议（DASFA 2020）的最佳学生论文奖，2014年北京大学杰出博士论文奖。
联系方式： db.hongzhi@gmail.com
Liang Zheng博士是澳洲国立大学的高级讲师，2015年博士毕业于清华大学。他最出名的是他在物体重识别方面的贡献。他和他的合作者设计了广泛使用的数据集和算法，如Market-1501（ICCV 2015）、基于部分的卷积基线（ECCV 2018）、随机擦除（AAAI 2020）和联合检测和嵌入（ECCV 2020）。他最近的研究兴趣是以数据为中心的计算机视觉，其中主要关注的是改进对数据的利用、分析和改进，而不是算法。他是CVPR人工智能城市研讨会系列和CVPR视觉数据集理解研讨会系列的联合组织者，并担任CVPR、ICCV和ECCV等重要会议的区域主席。他是IEEE视频技术电路与系统汇刊的副主编。
联系方式：liang.zheng@anu.edu.au
