□ 本报记者 谢诗涵
长期以来，如何让机器理解复杂语义，是人工智能领域的一块“硬骨头”。日前，东南大学计算机科学与工程学院、软件学院、人工智能学院耿新教授团队，凭借在“标记分布学习理论与方法”上的原创性突破，荣获2025年度吴文俊人工智能科学技术奖自然科学奖一等奖。这个“中国智能科技最高奖”背后，是团队近20年的持续深耕。
“机器学习，就是利用算法从数据中自动归纳规律，并利用这些规律对未知数据进行预测或决策。”谈及获奖项目，耿新介绍，以机器学习中的核心分支——监督学习为例，传统监督学习在面对一个复杂对象时，往往只能给出简单的“是或否”的判断，“比如，一幅图像里有猫、狗、大树等多个元素，传统的标注会告诉我们‘有猫、有狗、有树’，但它不会告诉我们，不同元素在画面里占多少比重，‘显著程度’分别有多高，这可能导致机器在面对真实世界的复杂场景时，理解出现偏差。”
面对这一痛点，耿新教授团队创新提出标记分布学习的理念，其雏形最早可追溯到2007年。经过近10年的积累与打磨，团队终于在2016年将一个完整范式推向学界。该范式的核心突破在于：不仅是给图像打上标签，还要为每一个标签赋予“描述度”。这相当于让AI完成一次认知升维：从判断图像里“有什么”，进阶到理解每个元素“有多少”，从而对复杂对象进行更细腻、更精确的刻画。
“提出想法还不够，想要让它立得住，还得建立基础理论、开发相应算法、推进应用落地……从理论到应用都得走通。”耿新回忆，“最难的就是构建基础理论这一块。比如一个核心点叫‘标记增强机制’。现实中，大家为了节省标注成本，往往只标一个简单的逻辑标记，并没有给出描述度信息。我们要做的，就是通过数据分析，把这些缺失的描述度给恢复出来。”为了保证恢复出来的效果是可靠的，团队耗费3年多构建完整的理论框架；而另一个核心点“标记分布泛化理论”，团队同样打磨近3年。
作为机器学习领域的一个新兴研究方向，标记分布学习吸引了大量国际同行跟研，其中包括哈佛、斯坦福、耶鲁、牛津、剑桥等世界顶尖大学。
自2018年起，美国宇航局（NASA）在“好奇号”火星车的矿物分析任务中，就采用了标记分布学习作为核心算法。团队成员、东南大学计算机学院副教授徐宁介绍，火星矿物的化学成分非常复杂，以前的统计方法很难预测超过3种元素的化学成分。该算法通过分析矿物晶体的X射线衍射数据，能精准预测多种化学元素及其丰度，帮助科学家还原火星地质历史。
此外，标记分布学习还被应用于集成电路领域，支撑构建芯片设计大模型，助力芯片设计自主化。目前，团队正在将这一技术应用于大模型的“安全对齐”研究。“大模型生成的内容，有时候可能不安全，或者跟人类的价值观有冲突。”徐宁透露，如何让大模型与人类的价值观“对齐”，使其更符合人类预期，恰好是标记分布学习未来可以发挥作用的方向。