唐杰，清华大学计算机系教授，北京智源人工智能研究院副院长，他是ACM/IEEE Fellow，研究兴趣包括通用人工智能、数据挖掘、社交网络、机器学习和知识图谱，谷歌学术引用量已达到2.6万次，曾获 ACM SIGKDD Test-of-Time Award（十年最佳论文），北京市科技进步一等奖、人工智能学会一等奖、KDD 杰出贡献奖。此前，唐杰主持研发了超大规模预训练模型悟道，参数规模超过1.75万亿，他还研发了研究者社会网络挖掘系统 AMiner，吸引全球220个国家 / 地区2000多万用户，担任国际期刊 IEEE T. on Big Data、AI OPEN 主编以及 WWW’23 大会主席、WWW’21、CIKM’16、WSDM’15 的 PC Chair。个人主页：http://keg.cs.tsinghua.edu.cn/jietang/
2 其他当选学者
Kristian Hammond
Kristian Hammond，美国西北大学计算机科学教授，本硕博就读于耶鲁大学，他的研究领域包括自然语言生成、计算机与新闻、伦理和人工智能等，谷歌学术引用量已经达到1.22万次。他也是 Narrative Science 公司的联合创始人，该公司致力于利用人工智能和新闻学将信息从原始数据转化为自然语言，是一家初创公司。个人主页：https://www.mccormick.northwestern.edu/research-faculty/directory/profiles/hammond-kristian.html
Deborah McGuinness，目前就职于伦斯勒理工学院（RPI），是计算机、认知和网络科学、工业和系统工程的教授，她也在 Tetherless World Constellation 担任捐赠主席，该机构是 RPI 内的一个多学科研究机构，专注于研究万维网的理论、方法和应用。1980年，Deborah McGuinness 在杜克大学获得学士学位，1981年获得加州大学伯克利分校的计算机科学硕士学位；1997年，她在罗格斯大学获得计算机科学博士学位，论文课题为“Explaining Reasoning in Description Logics”。她的专业领域包括跨学科数据集成、人工智能，特别是知识表示和推理、描述逻辑、语义网等领域。当前，Deborah McGuinness 的谷歌学术被引用量已超过5.1万次。个人主页：https://scholar.google.co.jp/citations?user=PLJ0L4QAAAAJ&hl=zh-CN&oi=ao
Risto Miikkulainen
Risto Miikkulainen，IEEE Fellow，他目前就职于德克萨斯大学奥斯汀分校，是计算机科学教授，同时他也是 Cognizant AI Lab 进化智能副总裁。1986年，他先后在赫尔辛基理工大学（现为阿尔托大学）获得工程学硕士学位和博士学位；1990年，又获得加州大学洛杉矶分校计算机科学博士学位。Risto Miikkulainen 的研究重点是神经进化的方法和应用，以及自然语言处理和视觉的神经网络模型，当前他的谷歌学术引用量已超过2.5万次。个人主页：https://www.cs.utexas.edu/users/risto/
Ana Paiva
Ana Paiva 是里斯本大学计算机科学与工程系的教授，同时她也是GAIPS（Group on Artificial Intelligence for People and Society）的协调员。Ana Paiva 的研究兴趣包括自治代理和多代理系统、情感计算、虚拟代理和人机交互领域。Ana Paiva 认为，要实现智能机器，则必须建立机制并开发赋予机器“社会能力”的技术，因此在多年以来，她展开的大部分研究都集中在代理的情感和社会方面，以及它们如何为实现社交智能机器做出贡献。个人主页：https://ana-paiva.com/
Ronald Parr
Ronald Parr，杜克大学计算机科学系的教授。1990年，他在普林斯顿大学获得学士学位后，又于1998年获得了加州大学伯克利分校的计算机科学博士学位。毕业后，Ronald Parr 前往斯坦福大学做了两年博士后研究员。Ronald Parr 于2003年被选为斯隆研究员，随后又在2006年获得了 NSF CAREER 奖，并在 DARPA 的计算机科学研究组 (CSSG) 任职。Ronald Parr 的研究方向包括强化学习、机器学习等，当前谷歌学术引用量已超过1万次。个人主页：https://users.cs.duke.edu/~parr/
Csaba Szepesvàri 是阿尔伯塔大学计算机科学系教授，加拿大 CIFAR AI Chair，在强化学习与人工智能实验室担任首席研究员。2017年，他加入 DeepMind 公司，任基础团队高级研究科学家兼团队负责人。他的研究方向包括机器学习、强化学习、在线学习等，当前谷歌学术被引用量已达到2.6万次。个人主页：https://sites.ualberta.ca/~szepesva/
Kiri Wagstaff
Kiri Wagstaff 的研究背景跨越计算机科学、行星科学和地质学三大学科：1997获得犹他大学计算机科学学士学位，后又在2000年和2002年，于康奈尔大学计算机科学系获得硕士和博士学位；2008年，她前往南加州大学攻读地质科学硕士，又于2017年获得了圣何塞州立大学图书馆与信息科学硕士。她对这些领域之间的接口问题，例如使用行星数据（轨道和原位）研究科学问题的自动化方法（人工智能、机器学习）等非常感兴趣。2003年至2022年期间，Kiri Wagstaff 曾就职于加利福尼亚州帕萨迪纳的喷气推进实验室，担任机器学习和仪器自主小组的研究员，研究机器学习可用于增加太空任务自主性的方法。个人主页：https://www.wkiri.com/
李梅