雷鋒網(wǎng) AI 科技評論消息，2017 年 12 月 16 日-19 日，「2017 年數(shù)據(jù)驅(qū)動的優(yōu)化理論與實踐」國際研討會在上海財經(jīng)大學(xué)舉辦。本次研討會由上海財經(jīng)大學(xué)交叉科學(xué)研究院（RIIS）主辦，杉數(shù)科技有限公司協(xié)辦。接下來，雷鋒網(wǎng) AI 科技評論將從會議內(nèi)容和現(xiàn)場學(xué)生的參會體驗兩方面來介紹這三天的會議。

數(shù)據(jù)、算法加人工智能，以更好地實現(xiàn)產(chǎn)學(xué)研結(jié)合

雷鋒網(wǎng) AI 科技評論注意到，此次研討會不僅邀請到執(zhí)教于斯坦福大學(xué)、芝加哥大學(xué)、北京大學(xué)、上海財經(jīng)大學(xué)等多所國內(nèi)外知名高校的知名學(xué)者，還匯聚了多名業(yè)界領(lǐng)軍人物，大家共聚一堂，回顧歷史上重要的算法，展示自己的研究成果，分析當(dāng)前的產(chǎn)業(yè)熱點，探討在當(dāng)前形勢下，如何將算法與大數(shù)據(jù)、人工智能等結(jié)合起來進(jìn)行研究，以更好地實現(xiàn)產(chǎn)學(xué)研結(jié)合。

會議首日，上海財經(jīng)大學(xué)交叉科學(xué)研究院院長葛冬冬教授以「數(shù)據(jù)驅(qū)動的優(yōu)化決策實踐」為主題進(jìn)行演講。葛冬冬教授在本次演講中首先描述了大數(shù)據(jù)時代我們所面臨的挑戰(zhàn)，他也細(xì)致分析了當(dāng)今學(xué)術(shù)界與工業(yè)界的結(jié)合較之以往有何區(qū)別?！改壳翱梢詫嶋H中決策問題轉(zhuǎn)化為數(shù)學(xué)模型，并用高效的優(yōu)化算法求解?！顾f道，「運籌學(xué)正迎來黃金時代?！?/p>

圖：上海財經(jīng)大學(xué)交叉科學(xué)研究院院長葛冬冬

而在葛冬冬教授的演講結(jié)束之后，MOSEK 的創(chuàng)始人 Erling Andersen 發(fā)表了題為 Solving Conic Optimization Problem Using MOSEK 的報告，他與參會者們分享了 MOSEK 的開發(fā)經(jīng)驗，他們是如何應(yīng)對挑戰(zhàn)、解決問題的。作為一家創(chuàng)立 20 年、在世界范圍內(nèi)樹立標(biāo)桿地位的頂尖優(yōu)化算法軟件公司，MOSEK 目前已經(jīng)實現(xiàn)了歐洲的全覆蓋，為世界一流高校、研究院所和頂尖金融機(jī)構(gòu)提供服務(wù)。

圖：MOSEK 創(chuàng)始人 Erling Andersen 

在短暫的茶歇之后，迎來了此次研討會的特邀嘉賓——滴滴出行副總裁、滴滴研究院副院長葉杰平。他發(fā)表主題為 Big Data in Didi Chuxing 的精彩演講，詳細(xì)介紹了大數(shù)據(jù)、人工智能技術(shù)在滴滴平臺的應(yīng)用。滴滴自2015年就成立了機(jī)器學(xué)習(xí)研究院，后升級為滴滴研究院。滴滴研究院將大數(shù)據(jù)、機(jī)器學(xué)習(xí)、云計算結(jié)合起來，構(gòu)建了云端的人工智能交通引擎，滴滴大腦。滴滴大腦能實時學(xué)習(xí)城市交通出行規(guī)律，了解交通工具和道路情況，做出最優(yōu)的決策（路徑規(guī)劃、供需匹配、智能調(diào)度等）。不僅整體地最大化城市的交通效率，也盡可能地優(yōu)化每個人的出行體驗。以派單為例，滴滴的每一次派單，就如同下棋，會考慮之后N步的走法。滴滴大腦每2秒進(jìn)行一次全局判斷，在迅速的大量計算中，完成全局最優(yōu)的智能派單。

圖：密歇根大學(xué)教授、滴滴出行副總裁葉杰平

之后迎來了第一天的最后一位嘉賓，來自南加州大學(xué)的 John Carlsson 副教授。他做了主題為 Computational Geometry and Logistics 的演講。在演講中他指出，計算幾何學(xué)和邏輯學(xué)的研究幫助科學(xué)家從復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)幾何和邏輯上規(guī)律的特征，這些具有代表性的數(shù)據(jù)子集可以讓科學(xué)家用計算機(jī)算法更好地理解每個數(shù)據(jù)集的本質(zhì)以及不同數(shù)據(jù)之間的關(guān)系，最終幫助人類解決諸如生產(chǎn)調(diào)度、大數(shù)據(jù)醫(yī)療、選舉結(jié)果預(yù)測等問題。在 AI 時代，面對海量數(shù)據(jù)，他提供了系統(tǒng)的分析、建模思路。

而在正會第二天，明尼蘇達(dá)大學(xué)張樹中教授、斯坦福大學(xué)葉蔭宇教授、紐約大學(xué)張家偉教授分別上臺作了主題報告。

作為運籌學(xué)領(lǐng)域杰出的華人代表，張樹中教授的演講主題是 A Primal-Dual Perspective of The Optimization World，在演講中，他表示，他表示，優(yōu)化里一個很重要的概念是對偶，所有優(yōu)化問題里都存在著對偶問題，對偶問題里包含了很多信息，優(yōu)化問題里包含潛在問題里很多很重要的結(jié)構(gòu)。結(jié)合他在對偶問題上的多年研究，他表達(dá)了自己對對偶的理解，其實對偶本身并不是對立面，事情是自然的，原始即是對偶，對偶即是原始。

圖：明尼蘇達(dá)大學(xué)張樹中教授

接下來是馮?諾依曼理論獎得主、斯坦福大學(xué)管理科學(xué)與工程系、杉數(shù)科技首席科學(xué)家顧問葉蔭宇教授的精彩分享。眾所周知，在決策的時候存在不確定性，人們過去提出了很多方法，比如說基于數(shù)據(jù)等，但效果不是很好，葉蔭宇教授表示，使用魯棒優(yōu)化的方法，即使在決策時存在不確定性，仍然有比較好的效果。之后他介紹了自己這些年在分布式魯棒優(yōu)化方面取得的進(jìn)展，作為分布式魯棒優(yōu)化的奠基人，他表示魯棒性方法的應(yīng)用很廣泛。在當(dāng)前流行的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)當(dāng)中，魯棒優(yōu)化的方法和機(jī)器學(xué)習(xí)的正則化方法在某種情況下是等價的。

圖：斯坦福大學(xué)葉蔭宇教授

而接下來則是張家偉教授的分享，他的主要研究興趣包括商業(yè)分析、最優(yōu)化決策、供應(yīng)鏈和庫存管理等，他帶來的主題是 Online Resource Allocation with Limited Flexibility。他為我們描述了生產(chǎn)和銷售問題中靈活性的重大價值——在系統(tǒng)中增加一點點靈活性，就能帶來很大的收益。作為柔性系統(tǒng)靈活性研究方面的專家，他為我們描述了在生產(chǎn)制造、銷售和運輸?shù)倪^程中如何更好地去滿足需求。

圖：紐約大學(xué)張家偉教授

上午三位教授的精彩演講結(jié)束之后，下午是中國運籌學(xué)會的閉門會議——現(xiàn)代運籌學(xué)發(fā)展討論會，在會上，來自國內(nèi)外的各位專家教授簡要分享了自己近期的工作成果，對中國運籌學(xué)的發(fā)展各抒己見，提出具體的建議規(guī)劃。而他們研究的方向也各有側(cè)重，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、異步計算、量子計算、大規(guī)模稀疏優(yōu)化、供應(yīng)鏈管理、組合優(yōu)化、算法博弈論等多個問題，大家都各有研究和討論。除此之外，還有對當(dāng)前學(xué)術(shù)熱點比如 AlphaGo 的精彩討論。

值得一提的是，帶來分享的專家教授們大多是葉蔭宇教授的學(xué)生，而此次會議也恰逢葉教授的生日，借著討論會的契機(jī)，大家在分享自己的科研成果時也肯定了葉教授的學(xué)術(shù)成就，對葉教授表達(dá)了由衷感謝。而葉教授也在最后發(fā)表精彩演講，闡述了如何教育學(xué)生，怎么做出有品位的研究，以及對運籌學(xué)發(fā)展的一些建議。

而在會議最后一天，以斯坦福大學(xué)管理科學(xué)與工程系馮?諾依曼理論獎得主、 美國工程院院士 Peter Glynn 教授為首的16位來自芝加哥大學(xué)、普林斯頓大學(xué)、哥倫比亞大學(xué)、明尼蘇達(dá)大學(xué)、香港科技大學(xué)等國內(nèi)外高校的學(xué)者共聚一堂，在這短暫的一天中，接連帶來一篇篇精彩紛呈的學(xué)術(shù)報告。

作為第一個上臺的嘉賓， Peter Glynn 教授帶來了主題為 Robust Optimization, Empirical Likelihood, and Regularization 的報告。演講伊始，他表示，自己今天的報告是受到葉蔭宇教授等 2016 年的論文 Likelihood robust optimization for data-driven problems 的啟發(fā)。接下來，他介紹了魯棒優(yōu)化 (robust optimization)、經(jīng)驗似然 (empirical likelihood)和統(tǒng)計學(xué)習(xí)中的正則化(regularization)三個不同領(lǐng)域的重要方法的深刻聯(lián)系。隨著機(jī)器學(xué)習(xí)在眾多領(lǐng)域內(nèi)迅速得到廣泛應(yīng)用，現(xiàn)有機(jī)器學(xué)習(xí)算法缺乏穩(wěn)定性的不足逐漸暴露出來。Peter Glynn教授的這一最新研究成果為提高機(jī)器學(xué)習(xí)算法的穩(wěn)定性和可推廣性打下了堅實的基礎(chǔ)。

圖：斯坦福大學(xué)管理科學(xué)與工程系講席教授 Peter Glynn 

而在 Peter Glynn 教授的報告結(jié)束之后，精彩的學(xué)術(shù)報告一輪接一輪，包括 leaves 開源平臺的最新進(jìn)展、不確定型決策、資源分配、統(tǒng)計學(xué)等各個方面，活動一直持續(xù)到下午五點。至此，三天的會議圓滿結(jié)束。

「學(xué)術(shù)氛圍濃，數(shù)據(jù)驅(qū)動和優(yōu)化的吸引力無窮」

雖然此次會議在上海舉辦，但雷鋒網(wǎng) AI 科技評論在現(xiàn)場的交流中發(fā)現(xiàn)，參會人員中有來自香港、新加坡、美國等世界各地的學(xué)生，除了學(xué)生，還有多位產(chǎn)業(yè)界人士。這次會議究竟有著什么力量，能吸引到如此多的同學(xué)以及業(yè)界人士來到現(xiàn)場，雷鋒網(wǎng) AI 科技評論也與現(xiàn)場同學(xué)做了交流。

復(fù)旦大學(xué)數(shù)學(xué)系大四的一名學(xué)生對雷鋒網(wǎng) AI 科技評論說道，「這次會議聚集了國內(nèi)外的大師學(xué)者，做的問題很多都和我感興趣的 data-driven 以及 stochastic optimization 有關(guān)，覺得是很好的學(xué)習(xí)機(jī)會。」

在參會這兩天中，她更多的是感受到了學(xué)者們的人格魅力，她表示

很受整個會場學(xué)者氣質(zhì)的鼓舞，一直保持一顆熱愛學(xué)術(shù)、歡迎合作、并且平易近人的心。聽到老師們路上還在一直討論自己的學(xué)術(shù)問題，分享從之前會議上得到的靈感，感覺精神上受到很大感染，心潮澎湃。

而從學(xué)術(shù)研究的角度，她對 AI 科技評論說道：「老師們在講座中講了很多 idea 的角度，為什么 come up with 一個 idea，如何 formalize 一個 idea，如何從不同角度去 analyze 一個 idea，不管是張老師葉老師還是家偉老師，我覺得一個好的 idea 可以帶來很多方面的啟發(fā)，包括其他問題上的遷移應(yīng)用，也包括更深層次對以往不同方法的綜合再理解。對年輕的研究者來說，如何得到 idea 可能比如何進(jìn)行嚴(yán)格的論證更為關(guān)鍵。」

另一名來自香港的博士生也表達(dá)了類似的觀點，他表示，這次會議最吸引他的地方就是數(shù)據(jù)驅(qū)動和優(yōu)化?！高@個話題是當(dāng)前學(xué)術(shù)界比較火的話題，而這次會議既邀請學(xué)術(shù)大牛，從更高的角度了解學(xué)界的研究方向，也有年輕學(xué)者從不同角度出發(fā)展示自己的研究，還有企業(yè)高層展示學(xué)術(shù)與業(yè)界的融合，可以給相關(guān)方向的研究帶來很多啟發(fā)?！?/p>

他的研究領(lǐng)域是魯棒優(yōu)化，聽了兩天的會議后，他結(jié)合當(dāng)前的熱點做出了實際的思考：「機(jī)器學(xué)習(xí)現(xiàn)在確實很火，但并不完美，而我們 OR 領(lǐng)域的學(xué)者可以結(jié)合自己的研究出發(fā)，如 convex optimization 還有 robust optimization 等提升機(jī)器學(xué)習(xí)一些算法的效果。此外，OR 相關(guān)的研究也能借鑒機(jī)器學(xué)習(xí)最新算法，比如 AlphaGo 中的 reinforcement learning 還有 Monte Carlo Search Tree 的思想可以應(yīng)用于 OR 相關(guān)的研究中。正如滴滴出行副總裁葉杰平教授提到的，結(jié)合 AlphaGo 的思想來做 route planning?！?/p>

對于學(xué)術(shù)研究是否有帶來啟發(fā)呢，他對 AI 科技評論表示，雖然現(xiàn)在使用機(jī)器學(xué)習(xí)算法加上數(shù)據(jù)確實也能取得比較好的效果，但是要做到更好，更多的是要利用對模型的理解結(jié)合 robust optimization 。不過他也表示，需要機(jī)器學(xué)習(xí)領(lǐng)域相關(guān)的研究建立更深刻的理解。

而來自東北大學(xué)統(tǒng)計優(yōu)化方向的一名博士則表示，最吸引他的地方是共同研究的方法和問題特征。他們實驗室的研究方向是鋼鐵行業(yè)和電力能源互聯(lián)網(wǎng)等工業(yè)問題，他表示，雖然研究領(lǐng)域不同，但只有多多交流探討，才能共同進(jìn)步。

而在學(xué)術(shù)方面，他也和復(fù)旦大學(xué)的同學(xué)表達(dá)了同樣的看法：

收獲良多，不是簡單幾句能說完整的。簡單說，學(xué)術(shù)方面，肯定受到了葉老師葛老師等人報告的啟發(fā)。學(xué)風(fēng)建設(shè)方面，感慨財大百年活動的生活，和濃郁的學(xué)術(shù)交流氛圍。還有向葉老師學(xué)習(xí)，早日學(xué)成，幫助研究所和學(xué)校的發(fā)展。領(lǐng)域發(fā)展方面，希望借鑒他們的經(jīng)驗和感悟使中國工業(yè)快速發(fā)展，企業(yè)和學(xué)校良好結(jié)合之類的。

如何看待此次會議，他表示，「學(xué)術(shù)報告重在新思想啟發(fā)和分享。能結(jié)合自己實際項目經(jīng)驗講解科研過程，最后升華到理論，實為不易?！?/p>

會議雖然結(jié)束了，但大家的討論還在繼續(xù)，如何將算法、大數(shù)據(jù)與人工智能的研究結(jié)合起來，進(jìn)行更深層次的探討，這是值得所有業(yè)內(nèi)人士共同探討的話題。

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。