1
| 本文作者： 奕欣 | 2017-10-18 18:02 |
雷鋒網(wǎng)AI科技評(píng)論按：在 IJCAI 2017的 Early Career Spotlight 環(huán)節(jié)上，共有15位來自全球各地的杰出青年科學(xué)家來到現(xiàn)場(chǎng)分享他們的學(xué)術(shù)成果，其中有四位華人學(xué)者，他們分別是：
新加坡南洋理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院南洋助理教授安波；
清華大學(xué)交叉信息研究院青年千人助理教授唐平中；
美國(guó)倫斯勒理工大學(xué)計(jì)算機(jī)學(xué)院助理教授夏立榮；
美國(guó)亞利桑那州立大學(xué)計(jì)算信息和決策系統(tǒng)工程學(xué)院助理教授何京芮。
雷鋒網(wǎng)AI科技評(píng)論將先后放出這四位華人學(xué)者的系列專訪，夏立榮博士的本篇專訪為此系列的第三篇，往期報(bào)道可查看：
夏立榮，美國(guó)倫斯勒理工學(xué)院（RPI）計(jì)算機(jī)系助理教授，在 2013 年加入 RPI 之前，他是哈佛大學(xué)計(jì)算與社會(huì)研究中心的 CRCS fellow 和 NSF CI Fellow。他博士和碩士分別畢業(yè)于杜克大學(xué)計(jì)算機(jī)系和經(jīng)濟(jì)系。他的研究主要集中在計(jì)算機(jī)科學(xué)和微觀經(jīng)濟(jì)學(xué)的交叉研究。他是 Mathematical Social Sciences 的副主編和 Artificial Intelligence Journal 的編委會(huì)委員，曾任 Journal of Artificial Intelligence Research 的編委會(huì)委員。他獲得過 NSF CAREER award，Simons-Berkeley Research Fellowship, IEEE Intelligent Systems 的 AI's 10 to watch 之一。
在 IJCAI 2017 的 Early Career Spotlight 上，夏立榮博士發(fā)表了題為《Improving Group Decision-Making by Artificial Intelligence》的演講。從「人機(jī)合作」和「以人為本（human-aware）」兩個(gè)角度，如何理解改善群體決策的研究的？
夏立榮博士認(rèn)為，群體決策是人類社會(huì)中十分常見的問題。大到政治選舉，國(guó)防，醫(yī)療，經(jīng)濟(jì)等重要決策，小到企業(yè)招聘，朋友聚餐點(diǎn)菜等，都屬于群體決策的范疇?！咐щy之處在于人們的偏好經(jīng)常不一致，導(dǎo)致經(jīng)常不存在對(duì)所有人都最優(yōu)的決策。如何在整體效率和公平性之間找到一個(gè)平衡，甚至如何定義效率和公平性，是解決問題的關(guān)鍵。關(guān)于這個(gè)問題，傳統(tǒng)的研究主要集中于經(jīng)濟(jì)學(xué)領(lǐng)域尤其是社會(huì)選擇理論中（social choice theory）?！?/p>
先進(jìn)的群體決策理論和應(yīng)用與 AI 的發(fā)展方向密不可分。夏立榮博士告訴雷鋒網(wǎng) AI 科技評(píng)論，斯坦福大學(xué)的 AI 百年研究報(bào)告指出（雷鋒網(wǎng) AI 科技評(píng)論按：即《Artificial Intelligence and Life in 2030》，報(bào)告全文可在「AI 科技評(píng)論」微信后臺(tái)回復(fù)「2030」下載），未來 AI 的發(fā)展會(huì)更多地強(qiáng)調(diào)人機(jī)合作以及以人為本，而其中，群體決策就是一個(gè)典型的例子：智能系統(tǒng)需要從人類獲取偏好和信息，而最終決策必須考慮對(duì)人類的影響。「比如說，在群體決策這個(gè)問題上人機(jī)合作包括如何獲取人的偏好，如何更好的促進(jìn)信息共享，如何找到不一致的觀點(diǎn)等；了解人類方面包括如何做出公平和魯棒的決策，如何考慮人類的策略行為等?！梗ɡ卒h網(wǎng) AI 科技評(píng)論按：具體的研究?jī)?nèi)容，可參見新近出版的《Handbook of Computational Social Choice》，出版社提供免費(fèi) PDF 下載）
根據(jù)我們的認(rèn)知，在改善群體決策的過程中，AI 所承擔(dān)的風(fēng)險(xiǎn)與實(shí)際應(yīng)用的場(chǎng)景大小呈正比。越高風(fēng)險(xiǎn)的決策往往更加復(fù)雜，人類也會(huì)更加謹(jǐn)慎，那么人類如何在 AI 的幫助下，實(shí)現(xiàn)應(yīng)用層面的風(fēng)險(xiǎn)控制及效率提升的平衡呢？根據(jù)夏立榮博士的說法，我們首先需要一個(gè)人類對(duì)于風(fēng)險(xiǎn)和效率的偏好模型。所幸經(jīng)濟(jì)學(xué)，心理學(xué)以及決策論有許多成熟的準(zhǔn)則。在 AI 的幫助下，人類可以更好更快的探索風(fēng)險(xiǎn)和效率最好的平衡。但具體應(yīng)用的時(shí)候又是如何知道一個(gè)人對(duì)于風(fēng)險(xiǎn)和效率的態(tài)度呢？這里又回到前面提及的人機(jī)合作和以人為本?！钢悄芟到y(tǒng)需要知道人類的態(tài)度，理解人類的需求，從而設(shè)計(jì)有效的算法。」
Early career spotlight 是 IJCAI 2016 新增加的項(xiàng)目，報(bào)告者需要由 IJCAI 程序委員會(huì)成員提名。從夏立榮博士的個(gè)人感覺而言，有點(diǎn)像專門為青年學(xué)者準(zhǔn)備的特邀報(bào)告，研究做得越好，被邀請(qǐng)的幾率越高。今年能受邀參加 IJCAI 2017的 Early Career Spotlight 環(huán)節(jié)，夏立榮博士認(rèn)為于他而言是一個(gè)很大的榮幸，希望能借助這個(gè)機(jī)會(huì)，讓更多的人了解群體決策（甚至更廣義的經(jīng)濟(jì)與計(jì)算方向）的重要性。
同時(shí)，夏立榮博士也非常謙遜地告訴雷鋒網(wǎng) AI 科技評(píng)論，除了 Early Career Spotlight 演講嘉賓以外，還有很多非常值得關(guān)注的科學(xué)家，「比如 IEEE Intelligent Systems 每?jī)赡暌欢仍u(píng)選的 AI's 10 to watch。其中有不少華人，包括哈佛的陳怡玲老師，RPI 的季姮老師，清華的朱軍老師等。偏理論一點(diǎn)的上海財(cái)經(jīng)大學(xué)的陸品燕老師的工作也非常值得關(guān)注。」
在 Early Career Spotlight 的演講中，針對(duì)統(tǒng)計(jì)、計(jì)算及經(jīng)濟(jì)學(xué)三個(gè)維度，夏立榮博士向聽眾詳細(xì)介紹了自己的三個(gè)工作方向。
統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方面，夏立榮博士和合作者的貢獻(xiàn)主要在于刻畫和計(jì)算統(tǒng)計(jì)意義上最優(yōu)的群體策略。這個(gè)方向最經(jīng)典的結(jié)果是 1785 年的 Condorcet Jury Theorem：在一定的假設(shè)下，所有人投票選出的決策優(yōu)于單個(gè)人做出的決策。這個(gè)思想和機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)思想類似?！妇唧w來講，我們提出了廣義隨機(jī)效用模型的第一個(gè)參數(shù)估計(jì)算法，第一個(gè)主動(dòng)學(xué)習(xí)算法，以及第一個(gè)混合模型的可辨識(shí)性定理。我們第一個(gè)在群體決策的背景下用社會(huì)選擇理論中的公平性原則來衡量貝葉斯估計(jì)，并證明了第一個(gè)關(guān)于貝葉斯估計(jì)的不可能定理。我們還提出了一個(gè) Mallows 模型下貝葉斯推斷的蒙特卡洛算法，并第一個(gè)給出了混合時(shí)間的理論上界?！?/p>
計(jì)算方面，夏立榮博士及團(tuán)隊(duì)的主要貢獻(xiàn)在于研究如何用高計(jì)算復(fù)雜度防止群體決策中的操控現(xiàn)象（manipulation），即群體中的某些個(gè)體通過撒謊而獲得對(duì)他自己更加有利的結(jié)果。通過研究，團(tuán)隊(duì)的主要理論結(jié)果顯示：高計(jì)算復(fù)雜度在某些群體決策系統(tǒng)里可以比較好的防止操控現(xiàn)象，而在另外一些系統(tǒng)里則不是那么有效。
「在經(jīng)濟(jì)學(xué)方面，我們的一個(gè)主要研究方向是組合域投票（combinatorial voting）。即，人們經(jīng)常要對(duì)若干個(gè)相關(guān)的問題同時(shí)做出決策?！贡确秸f，假設(shè)我們要決定下一年度的財(cái)政支出計(jì)劃。對(duì)于國(guó)防，教育，醫(yī)療，養(yǎng)老，工業(yè)，金融，基建等問題都要決定是加大投入，減少投入，還是維持不變。由于決策空間過于復(fù)雜，如何獲取個(gè)體的偏好都成為了一個(gè)非常具有挑戰(zhàn)性的問題。夏立榮博士及合作者通過利用知識(shí)表示（knowledge representation）中的方法讓個(gè)體表達(dá)偏好，并在此基礎(chǔ)之上設(shè)計(jì)高效和公平的群體決策機(jī)制。
目前，夏立榮博士在計(jì)算方面的工作和經(jīng)濟(jì)學(xué)方面的工作可以在 《Handbook of Computational Social Choice》 的第 6 章和第 9 章找到。而他在統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方面的研究被 《Synthesis Lectures on Artificial Intelligence and Machine Learning》 邀請(qǐng)，計(jì)劃于 2019 年初出版。
而對(duì)于這三個(gè)工作方向，夏立榮博士向雷鋒網(wǎng) AI 科技評(píng)論表示，它們能主要應(yīng)用在日常生活中的群體決策場(chǎng)景。社會(huì)選擇理論和機(jī)制設(shè)計(jì)理論的傳統(tǒng)做法是對(duì)特定的場(chǎng)景單獨(dú)設(shè)計(jì)一個(gè)機(jī)制，經(jīng)典案例如總統(tǒng)選舉或拍賣環(huán)節(jié)。然而，隨著智能群體決策系統(tǒng)更加廣泛和深入地進(jìn)入我們的日常生活，每次群體決策都找專人單獨(dú)設(shè)計(jì)一個(gè)新的機(jī)制并不現(xiàn)實(shí)。夏立榮博士的想法是將這個(gè)設(shè)計(jì)過程自動(dòng)化：決策者可以隨意提出這個(gè)機(jī)制需要滿足的公平性原則以及其他要求，隨后框架能自動(dòng)計(jì)算出盡量滿足決策者要求的機(jī)制。這并不是一個(gè)簡(jiǎn)單的優(yōu)化問題，并且類似的想法在機(jī)制設(shè)計(jì)中已經(jīng)被提出，但以往的技術(shù)并不能用到群體決策問題中。
不過夏立榮博士也提及，其中最大的挑戰(zhàn)可能是如何勸說大眾使用機(jī)器設(shè)計(jì)出來的群體決策機(jī)制。「人們?cè)谧鰶Q策的時(shí)候還是傾向于使用自己能完全理解的機(jī)制，而機(jī)器設(shè)計(jì)的機(jī)制可能超出了一般人的可接受范圍。如何自動(dòng)設(shè)計(jì)簡(jiǎn)單的、可解釋的機(jī)制是我們正在研究的目標(biāo)?！?/p>
在決策中，不確定條件下決策分析是一個(gè)非常成熟的方向?！笍慕５慕嵌葋碇v，我認(rèn)為不確定條件下決策分析的難度在于，沒有一個(gè)統(tǒng)一的理論能完全解釋人類對(duì)于不同決策的偏好。實(shí)際應(yīng)用中，決策論中一些常用的目標(biāo)經(jīng)常被用到，比如 maximum expected utility, minimax regret 等。技術(shù)上來講，主要難點(diǎn)在于對(duì)應(yīng)的單目標(biāo)或多目標(biāo)規(guī)劃問題復(fù)雜的經(jīng)常很高。」
夏立榮博士表示，最近 RPI 和 IBM 合作建立了一個(gè)新的實(shí)驗(yàn)室 Cognitive and Immersive Systems Lab，旨在研發(fā)新一代的智能決策系統(tǒng)。實(shí)驗(yàn)室主任蘇輝教授的愿景是，希望這個(gè)系統(tǒng)能從人類參與者之間的自然交流獲取信息，搜索并將新的信息整合反饋，最終人機(jī)合作達(dá)到預(yù)設(shè)的目標(biāo)，比如做出一個(gè)群體決策。在這個(gè)系統(tǒng)中，智能系統(tǒng)通過對(duì)人類參與者的語言，動(dòng)作，表情等進(jìn)行分析，從而抽象出情感，偏好等相關(guān)信息?；谶@些信息的極大不確定性和決策空間的復(fù)雜性，各種方法都可以在其中發(fā)揮應(yīng)用余地，包括機(jī)器學(xué)習(xí)、多目標(biāo)規(guī)劃以及優(yōu)化等。
而在開源當(dāng)?shù)赖拇蟓h(huán)境下，夏立榮博士所在的研究小組也做了一些開源的嘗試。 這個(gè)名為「OPRA」（Online Preference Reporting and Aggregation）的開源系統(tǒng)。這個(gè)項(xiàng)目一開始是為了給討論課上的同學(xué)們安排文章和報(bào)告文章的日期。同學(xué)們對(duì)文章和日期的偏好有時(shí)候有很大沖突，所以很難找到一個(gè)讓所有人都滿意的日程安排。「這里的情況類似于組合域投票，很多問題都是現(xiàn)有的方法無法解決的。比如如何有效地獲取人的偏好，如何有效地找到?jīng)_突以及幫助人們解決沖突等等。當(dāng)時(shí)就在想建立一個(gè)平臺(tái)，整合最新的理論結(jié)果來幫助人們做群體決策，比如前面所講的，我們?cè)跈C(jī)器學(xué)習(xí)方面和組合域投票方面的工作。」
根據(jù)夏立榮博士的介紹，OPRA 目前主要用在 RPI 內(nèi)部幫助學(xué)生和老師做決策。除了制定討論課日程外，OPRA 還用于讓 RPI 計(jì)算機(jī)系學(xué)生通過投票選出最佳 poster 獎(jiǎng)，在課上讓學(xué)生決定答疑日期和復(fù)習(xí)題目，舉行課堂小測(cè)驗(yàn)等等。而夏博士表示，短期內(nèi)希望以 RPI 為平臺(tái)來開展更廣泛的應(yīng)用，比如基于偏好匹配老師和助教，幫助學(xué)生尋找兼職等?！肝覀冋谂c RPI 學(xué)生會(huì)合作，希望將 OPRA 用到一年一度的學(xué)生領(lǐng)袖選舉中。長(zhǎng)期來講，我們希望 OPRA 能成為最好的在線群體決策平臺(tái)。」
由于是完全開源的系統(tǒng)，如果任何人想使用部分或者全部代碼，或者有任何問題和建議，夏立榮博士表示非常歡迎給他來信。（OPRA地址：http://www.opra.io）
「有趣、有用」，這是夏立榮博士提及人工智能、多智能體及不確定性決策領(lǐng)域的最大感觸。他表示，經(jīng)濟(jì)學(xué)和其他社會(huì)科學(xué)給傳統(tǒng)的 AI 系統(tǒng)優(yōu)化帶來了很多有趣的角度，比如博弈論中考慮的人類參與者的動(dòng)機(jī)以及對(duì)整個(gè)系統(tǒng)的影響，又比如機(jī)器學(xué)習(xí)算法的公平性等。另一方面，夏立榮博士認(rèn)為 AI 技術(shù)的發(fā)展幫助我們解決了許多問題，比如幫助人們更好的做出群體決策。同時(shí)又派生出了很多新的研究方向，比如 AI 和道德，AI 和可持續(xù)性發(fā)展等等。
而研究的下一步，夏立榮博士計(jì)劃按照斯坦福 AI 百年研究報(bào)告所揭示的，以更好的人機(jī)合作和以人為本為目標(biāo)，繼續(xù)發(fā)展群體決策理論和構(gòu)建群體決策系統(tǒng)（比如 OPRA），特別是從統(tǒng)計(jì)、計(jì)算、以及經(jīng)濟(jì)學(xué)的角度來設(shè)計(jì)并衡量群體決策系統(tǒng)。
夏立榮博士認(rèn)為，因?yàn)樾碌氖挛镄枰ㄒ欢ǖ臅r(shí)間才能被人們接受，因此決策機(jī)制的實(shí)際應(yīng)用和很多其他 AI 系統(tǒng)一樣，直接廣泛應(yīng)用的難度很大。所以，他近期計(jì)劃將研究重點(diǎn)放在其中相對(duì)風(fēng)險(xiǎn)比較低的日常生活場(chǎng)景上，當(dāng)人們逐漸習(xí)慣并接受之后，再擴(kuò)展到更重要的決策場(chǎng)景。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
