中国科学院 院士
伦敦大学学院 教授
汪军，英国皇家工程院院士、伦敦大学学院（UCL）教授，是享有国际声誉的人工智能科学家，致力于推动机器学习与智能决策领域的基础研究，并促进相关成果在商业与科学研究领域的规模化应用。他已发表论文300余篇，获得8项最佳论文奖，研究领域涵盖生成式人工智能、强化学习、多智能体系统、大语言模型智能体、推荐系统、信息检索与贝叶斯优化。其开创性贡献推动了基于神经网络的序列生成，以及大语言模型中基于搜索的推理方法的发展。作为 MediaGamma 的联合创始人、Genie AI 的顾问，并通过其他创业相关工作，他推动了人工智能研究成果的技术转化与规模化应用。MediaGamma 的创新成果为伦敦大学学院在英国2021年科研卓越框架（REF2021）评估中的一项研究影响力案例提供了支撑，并通过收购交易的成功完成推出，其产品Genie AI 已服务超过15万名用户，支持起草超过20万份文档；Nozzle.ai 平台所分析的数据则覆盖超过4400万名亚马逊客户。他研发的优化算法已集成至 Ray Tune、Optuna 等重要人工智能软件生态，并已应用于欧洲核子研究组织（CERN），以及药物发现、自主实验室和材料设计等领域。他还培养了20余名博士研究生和博士后研究人员，并成长为学者、人工智能领域的领导者及科技创业者。
人工智能如今已能够生成语言、识别图像、解决复杂问题并作出决策。然而，这些能力也引出了更深层次的问题：智能是否需要意识？对于机器而言，拥有心智究竟意味着什么？
本报告从计算机科学、神经科学与认知科学的视角出发，探讨人工智能与意识之间的关系。报告首先辨析智能与主观体验的区别，并进一步讨论快速、自动化的反应，与涉及反思、规划及有意识控制的较慢推理过程之间的差异。
记忆是本报告的核心议题之一。智能体不仅存储信息，还会将连续的经验划分为有意义的事件，提取相关记忆，并逐步将具体经验转化为一般性知识。同时，遗忘可能与记忆同等重要，因为遗忘能够滤除非关键细节，保留对未来决策具有重要意义的信息。近期研究表明，这些原理能够为构建具有更长时程记忆和更强经验学习能力的人工系统提供启发。
本报告还将探讨人工心智可能涉及的其他构成要素，包括用于整合信息的共享工作空间、关于世界的内部模型、针对其他智能体进行推理的能力，以及反思既往决策的能力。这些机制可能有助于人工智能超越反应式的模式识别，表现出更具适应性与连贯性的行为。
上述任何一种能力本身都不足以证明机器具有主观体验。不过，这些能力使我们能够将有关意识的哲学问题转化为可实现、可检验的计算假说。因此，对人工心智的研究既可能帮助我们构建更好的人工智能系统，也可能为探究人类意识的本质提供新的途径。
杨耀东，北京大学人工智能研究院研究员（博雅青年学者）、院长助理，灵初智能有限公司联合创始人兼首席科学家。研究方向为人工智能对齐：让智能系统的行为可靠地符合人类意图，重点关注领域——智能体之间的对齐，以博弈论与多智能体强化学习，让大规模智能体群体形成稳定、合作的集体行为；人与模型之间的对齐，以带约束的偏好学习与后训练，让大模型既有用又安全；与物理世界的对齐，让具身智能体在真实环境中安全地感知、操作与持续学习。三者共享同一方法内核：带约束强化学习与多体博弈建模。
在 Nature Machine Intelligence、Matter、AIJ、JMLR、TPAMI 等期刊和会议发表论文三百余篇，谷歌学术引用逾 20,000 次（h-index 63）；自 2022 年起位列 CSRankings 北大 AI/ML 方向首位，入选 Scopus 全球前 2% 顶尖科学家。五次获最佳论文级奖项（ACL 2025 最佳论文奖、UKRI AI 2026 年度最佳论文、ICCV 2023 最佳论文入围、CoRL 2020 最佳系统论文奖、AAMAS 2021 最佳前瞻性论文奖），入选国家级优秀青年人才、中国科协青年托举计划、国家人社部高层次留学人才，获麻省理工科技评论「AI 100 青年榜」、福布斯中国 2025 科创革新力人物、吴文俊人工智能科技进步奖。
论文之外，其开源工具 Safe-RLHF、OmniSafe、MARLlib、Bi-DexHands 被全球研究组广泛使用；通过校企联合实验室孵化了灵初智能（具身基础模型）、逆矩阵科技（世界模型）两家独角兽企业（估值 10 亿美金+），并主持国家自然科学基金、科技部、北京市科委项目五十余项。主讲《大语言模型基础与对齐》《多智能体系统》课程，获北京大学教学成果奖、全国计算机教学案例大赛奖；指导学生获北大五四奖章、校长奖学金、年度人物，以及腾讯混元、商汤奖学金。
IEEE 高级会员，现任 ICML、ICLR、NeurIPS、AAAI、IJCAI、AAMAS、IROS 等会议（资深）领域主席，TMLR、Neural Networks、Scientific Reports 期刊编委。加入北大前，曾任伦敦国王学院助理教授、华为英国研究所主任研究员、美国国际集团高级经理。本科毕业于中国科学技术大学，硕士毕业于帝国理工学院，博士毕业于伦敦大学学院，获校唯一提名角逐 ACM SIGAI 优秀博士论文奖。
大模型正在进入能够持续完成长程任务的新阶段，但当智能体走向真实物理世界，一个更根本的问题出现了：模型不仅要理解人类想做什么，还要真正把事情做成。本报告将围绕“虚实对齐”展开，讨论具身智能从语言理解走向物理执行所面临的关键挑战：机器人如何预测世界变化、如何选择能够改变世界的动作、又如何用自己的身体稳定完成复杂操作。报告将结合灵巧操作、具身人类数据、世界模型、VLA/WAM 与强化学习等最新进展，分析具身智能落地的“最后一公里”为何在于长程、闭环、可泛化的物理操作能力。