“琶洲π”是海珠区委人才办和琶洲管委会联合南方都市报社共同打造的人才资讯主题品牌，设有“一刊一号”——《琶洲π》月刊和“琶洲派”微信公众号。“广州海珠发布”微信公众号也上线“琶洲π”栏目，点击菜单栏“微观海珠”——“琶洲π”，即可阅读。

  陈俊龙现任华南理工大学计算机科学与工程学院院长、兼任琶洲实验室副主任，曾任得州大学圣安东尼分校电机及计算工程系系主任/副院长，是欧洲科学院院士和欧洲科学与艺术院院士，曾任IEEE Trans. on Cybernetics 顶级SCI期刊主编，IEEE Trans. on Systems, Man, and Cybernetics: Systems 期刊主编。

  7月16日至18日召开的第十一届吴文俊人工智能科技奖颁奖盛典暨2021中国AI产业年会上，陈俊龙教授因提出了“宽度学习系统”而获得2021年度吴文俊人工智能杰出贡献奖。

  “吴文俊人工智能科技奖”被誉为“中国智能科学技术最高奖”“AI领域皇冠上的明珠”，它的荣誉含金量之高是我国人工智能领域内其他奖项无可比拟的。

  奖项主办方是这样形容陈俊龙教授所提出的宽度学习系统(BLS)的：陈教授是宽度学习系统(BLS)和动态结构神经网络等理论的开创者和奠基人。

  早在上世纪80年代，陈俊龙在攻读博士学位的时候就有涉及“深度学习网络”。

  “深度学习网络”建立了很多层的神经网络，几十层到百层神经网络，每层有数百个神经元，例如面对图片时，不断去调节参数做识别，提高识别的准确率。

  “深度学习网络”固然是好，但也有短处，他说：“遇到开放数据时，调试网络就得设计新结构，从头计算，在大多数情况下要用一天、两天、甚至一周时间。”这也就是“提名理由”当中所讲到的“深度神经网络计算资源消耗严重、扩展难的瓶颈”。

  “宽度学习系统”作为有别于“深度学习网络”的新提法，在横向拓展和增量学习方面有着非常明显优势。宽度学习对开放环境跟数据不需要从头计算，因为单层的网络结构要做的是横向扩展神经元，做增量的计算，让系统更精准。对数据流的增加，也不用重新调节网络结构。

  “宽度学习系统”应用起来将在边缘端的智能学习方面起到非消极作用。举个例子，当下的智能驾驶实现何时加速、刹车的决定是在云端计算好的，然后放进汽车端去执行。假设汽车遇见没有看过复杂的新情况，边缘端只是依照之前学习过的经验去做判断，这种判断可能会出错。

  如果有快速的边缘计算去做判断，那么在复杂的情况下可以正确地做出决策，云端的再计算可以在离线的时候再学习更新，这就是“宽度学习系统”将在边缘端的智能学习方面起到的作用。

  边缘端的智能学习逐渐重要。我国“十四五”规划中明白准确地提出要“协同发展云服务与边缘计算服务”，《“十四五”数字化的经济发展规划》同时指出要“加强面向特定场景的边缘计算能力”。中国信息通信研究院《边缘计算市场和用户洞察报告（2022）》多个方面数据显示，2021年我国边缘计算市场规模达到436.4亿元。

  2010年，陈俊龙教授踏上回国的第一站，任澳门大学科学与技术学院院长。期间，澳门大学工程学科及计算机工程获得国际【华盛顿协议】及【首尔协议】的认证，是陈教授对澳门工程教育的至高贡献。

  2019年，他依然选择留在湾区，赴华南理工大学担任计算机科学与工程学院院长。

  2020年，陈俊龙兼任琶洲实验室副主任，陈俊龙教授在琶洲率先牵头成立算法产业联盟，琶洲科技型头部企业加盟，构成了琶洲算法实力的强势代表。