2009 年，葛冬冬博士畢業(yè)于斯坦福大學，師承運籌學泰斗葉蔭宇教授。2013 年，他進入上海財經(jīng)大學信息管理與工程學院，并受命牽頭成立管理科學與量化信息研究中心，后在學校大力推動下，籌建交叉科學研究院（X 院），并擔任院長。在學校高度支持下，X 院在短短數(shù)年時間內(nèi)便引入何斯邁等學界「紅人」擔任教職。目前，X 院科研成果累累，與工業(yè)界聯(lián)系緊密，同時，從 X 院走出來的學生很多在斯坦福大學、普林斯頓大學、芝加哥大學、卡耐基梅隆大學等國外一流大學繼續(xù)深造。短短四年時間，X 院便成為上海財經(jīng)大學的一道獨特風景線。

「每年復旦數(shù)學院的前五名學生中，一般會有兩個在我們這邊學習。今年是前兩名，去年是第二、第三名。」X 院院長葛冬冬教授對雷鋒網(wǎng) AI 科技評論直言。

「我當時在復旦讀數(shù)學，聽了葛老師在我們學校的一場講座。之后慕名來財大找他，想申請在他的門下學習?！鼓壳熬妥x于斯坦福大學，明年就要去 Facebook 工作的一位同學如是說道。她曾在葛冬冬教授門下讀研。復旦與財大只有一條馬路之隔，借助地理優(yōu)勢，復旦數(shù)學系有不少學生慕名來找葛冬冬教授。

除了致力于讓學科建設國際化，讓更多的人才走向更廣闊的天地，葛冬冬教授目前也作為杉數(shù)科技的首席科學家，同時活躍于學界和業(yè)界。

他是如何在四年時間內(nèi)把 X 院打造成這樣一個在口碑和品質(zhì)上都得到學生們高度認可的學院？籌建 X 院的初衷是什么，有什么不一樣的人才培養(yǎng)模式？而同時投身于學界與業(yè)界，他對于科研又有什么不一樣的看法？帶著這些疑問，雷鋒網(wǎng) AI 科技評論對上海財經(jīng)大學 X 院院長葛冬冬教授進行了一次專訪，以下為訪談內(nèi)容，雷鋒網(wǎng) AI 科技評論做了不改變原意的編輯整理。

葛冬冬：2009 年在斯坦福大學管理科學與工程系獲博士學位，導師葉蔭宇教授。在運籌優(yōu)化和計算機理論科學的國際一流期刊與會議，如 Operations Research, Mathematics of Operations Research, Mathematical Programming, FOCS, SODA, ICML 等發(fā)表過多篇論文。主持過國家自然科學基金青年基金，浦江計劃等基金。擔任過多個國際著名期刊的特約審稿人，參與過波音，谷歌，上海通用等國內(nèi)外公司的多個優(yōu)化項目。近期的主要研究課題為稀疏優(yōu)化、組合優(yōu)化、健康管理、運營管理、網(wǎng)絡與大數(shù)據(jù)。

Part 1 交叉科學院

運籌學本身就是交叉性學科，我們當時覺得學習學習姚期智先生的模式也挺好的

運籌學本身就是一個交叉學科，它自身的基礎理論其實很清晰。運籌學主要的特點是需要聯(lián)系各個學科，解決實際問題。我們在致力于科研時，特別是接觸到一些大的實踐性項目的過程中，發(fā)現(xiàn)其中交叉的知識點特別多，所以就萌生了需要重視交叉學科的想法。

實事求是地講，我感覺現(xiàn)在很多問題都會跟多個學科產(chǎn)生交叉，比如說在解決運籌學領域的問題時，你得了解數(shù)據(jù)科學、人工智能很多方向的知識。而運籌學在歷史上跟經(jīng)濟、金融、管理、數(shù)學、統(tǒng)計等學科都有很多交叉，所以我們決定成立交叉科學院，把多個學科都放進來，做一個兼容開放的平臺。當時就是這么考慮的。

之前也有很多現(xiàn)成的例子，像清華姚期智先生的交叉信息研究院。目前我們財大的教員中，從他們那出來的有陸品燕、王子賀、還有一個要畢業(yè)的博士生。我們覺得學習姚先生這個模式也挺好的。

每個研究所的存在都要有一定的合理性，盲目掛牌占名字沒有意義

我們交叉科學院的研究水平，從科研上來講是非常強的。我們老師們今年發(fā)表的論文涵蓋管理學、運籌學、優(yōu)化理論、機器學習、應用數(shù)學，甚至營銷學等各方面的頂級期刊，大家基本上都是奔著國際一流的科研內(nèi)容去的。

理論和實際兩方面是交叉科學院考慮問題的出發(fā)點：

• 我們跟滴滴等經(jīng)濟共享體有合作，又有明大共享經(jīng)濟研究所來尋求合作，因此成立了共享經(jīng)濟研究中心。

• 學院下屬的金融科技研究中心與招商銀行、國金證券都有大規(guī)模、穩(wěn)定的合作關系，此外我們長期跟很多金融機構(gòu)也有合作。近期的這些合作都是針對于金融科技方面的問題，比如說征信、風控、AI 如何跟量化投資結(jié)合。

• 并行優(yōu)化國際實驗室主要負責 leaves 求解器的建設。我們覺得大規(guī)模并行優(yōu)化算法的設計，對機器學習和深度學習很需要的一些底層算法、大規(guī)模優(yōu)化加速算法有重要的意義。隨后我們就主動去推動、開發(fā)這些算法和軟件。并行優(yōu)化國際實驗室現(xiàn)在的這些工作，對行業(yè)也有提前的指導意義。

• 人工智能實驗室是我們和杉數(shù)科技聯(lián)合成立的，旨在幫助他們解決目前存在的很多實際問題。例如從順豐，京東，永輝等企業(yè)來的很有意思的問題。

每個研究所都是根據(jù)實際問題去考慮，進而設計運行機制。比如金融科技在很大程度上是項目驅(qū)動的，因為目前金融領域的容錯性很小。雖然目前對金融科技喊的很兇，但在我們看來，這個領域的實際做法比較保守。這里面存在很多新概念，你去做一個與金融相關的系統(tǒng)，用了 AI 技術的，往往是黑箱子，可解釋性差，很難往下推。像我們做金融科技，就是先摸著石頭過河。

我們覆蓋的領域有很多，確實體現(xiàn)了交叉學科的特點。外面有比較值得去做的事情，我們就去做，一邊做一邊積累經(jīng)驗，根據(jù)需求將我們的研究所發(fā)展起來。每個研究所的做法都不大一樣，都要有一定的合理性，并不是說盲目的掛牌占一個名字。很多研究所就是為了占個位子，那沒有意義。

Part 2 人才培養(yǎng)

冠冕堂皇的話不講，我們離國際水平還存在差距

我們在 X 院的學術建設上是一個比較良性的循環(huán)，我們成立的不只是一個學院，更像一個平臺和樞紐，連接國內(nèi)和國際學界。冠冕堂皇地說，就是縮小國內(nèi)外差距。

我們一直比較鼓勵學生去做科研，特別是本科生。但感覺國內(nèi)整體的科研氛圍還是偏弱，至少現(xiàn)在的很多科研都是教師之間互相合作，或者跟國外合作。僅僅依賴跟學生合作，然后指導學生做出很好的東西，我覺得困難。沒有培養(yǎng)體系，基礎建設沒完成，再聰明的學生也很難幫你做事情。

培養(yǎng)體系的差距體現(xiàn)在哪呢？就比如博士培養(yǎng)，這需要一個很成熟的體系——一群水平很高的年輕人集中在一起，有一個完善的體系，每一門課都能高質(zhì)量地完成，此外還需要一些很好的老師，能夠給學生以全世界最高水平的指引。前面提到的這些像一個生態(tài)系統(tǒng)，這個生態(tài)系統(tǒng)缺一環(huán)都建設不好。國內(nèi)的大學，包括我們自己在內(nèi)，可能是某一環(huán)某兩環(huán)做的比較好，但是想要達成整個生態(tài)系統(tǒng)的良好建設，都有這樣或那樣的缺陷。

坦白來說，我覺得我們的老師大多數(shù)還不具備用全世界一流的眼光來指導學生做事情的能力，包括我本人，我覺得都有一定差距。

盡自己所能來幫助學生，讓他們得到更好的發(fā)展

國內(nèi)教育的最大好處是基礎訓練得很好，是吧？你看數(shù)學系的學生，理論學得很好，但不是每個人都會去做純數(shù)學。將學生吸引過來之后，我們會花很多時間跟國外的教授合作，指導學生確立科研方向，培養(yǎng)他們的興趣，適合的同學，會把他們送到國外去讀博士。

我本人算是小城市出來的，在九十年代出國，那時候算很早就出國了，在國外待了十幾年才回來?；叵肫饋?，出國、去世界名校念書，給我?guī)韽氐椎母淖儭Ｎ矣X得這種機會確實非常寶貴，非常難得。

人的生活環(huán)境不要一成不變。把學生留在身邊，可能對你個人幫助更大，對你要做的事情幫助更大。但很多時候不見得就好，至少對我來說，我不覺得是一件很好的事情。這樣做至少在我這兒，對某些學生是虧的，我們還是盡可能的希望幫助學生。特別有天賦的學生，或者說比較適合出國繼續(xù)深造的學生，你何必把他圈在國內(nèi)呢？他出去待幾年，會對他有更大的好處。

前幾年我們老師也少，自己培養(yǎng)高質(zhì)量博士也比較困難，所以我們的做法是把最好的學生從全國各地吸引過來。到目前為止，北大、清華、華東五校，南科大，甚至一些國外的本科或者碩士畢業(yè)生，例如Oxford，UCLA，都有學生在我這，通過我們這個平臺出國深造。

總有一天條件會成熟，現(xiàn)在我們的老師已經(jīng)很多了，跟國外的合作也很成熟，這時候我覺得可以招錄學生了。今年我們招了相當于是第一批真正的學生——八個碩博連讀生。

Part 3 產(chǎn)學研結(jié)合

在運籌學和交叉科學這個領域，為了造 paper 而造 paper，沒有意義

談到學界和業(yè)界，這是比較大的題目了，下面我說說葉老師（葉蔭宇教授）常常給我們談到的。

葉老師曾表示自己也做了幾十年算法的研究，實際上會發(fā)現(xiàn)很多算法就是紙上談兵。說得很好，理論也很漂亮，結(jié)果證明得還不錯，但其實你自己心里清楚，實用性有時候存疑。雖然從科學研究的角度來說，可以允許這種不實用，但是要有創(chuàng)新性，有前瞻性，來源于生活但又高于生活。

現(xiàn)在很多時候，大家為了造 paper 而造 paper。運籌學和交叉科學具有強烈現(xiàn)實應用背景，你去做這些東西沒有意義。

最近這幾年，大數(shù)據(jù)和人工智能興起以后，很多問題都改頭換面，和以前不一樣了。如果你還只是坐在這里講講十年前、二十年前的那些東西，或者去報紙上看看有哪些案例，再拿出來跟學生去講，沒有說服力的！這些東西學生不信，你也不信，對不對？

我們需要看到產(chǎn)業(yè)界發(fā)生了什么事情，就像葉老師倡導成立杉數(shù)科技，他想觀察目前最新的業(yè)態(tài)，找到一些比較先進的理論，指導大家去適應這個潮流。

我覺得這是一個很好的機會，既然去做這件事情了，你就能清楚地知道產(chǎn)業(yè)界在關注哪些實際問題，哪些理論能給他們提供幫助。

時代在變，也出現(xiàn)了很多新的機遇和挑戰(zhàn)

另外，最近幾年，特別是數(shù)據(jù)驅(qū)動類問題，它們的形態(tài)、量級跟以前完全不一樣了。這帶來了很多新的科研機會，比如說很多時候，整個算法體系需要重構(gòu)，整個理論體系也需要重構(gòu)。

在很多領域，很多重要的問題都是非常新的。就像李飛飛在前幾天的演講上所表達的觀點——這個領域里最具變革性的成果還有待發(fā)現(xiàn)。我覺得她說的其實挺對。

你會發(fā)現(xiàn)經(jīng)濟、管理、金融等領域普遍呈現(xiàn)這種情況：新的工具一直在發(fā)展，大家也在嘗試，這些工具很有效，但根本性的理論卻沒發(fā)展起來。

所以接下來就是產(chǎn)業(yè)界推動學界來思考一些新的問題。

此外，對學生的教育也會比較明確。一方面，可以知道學會什么樣的技能你的學生才有就業(yè)競爭力；另一方面，可以培養(yǎng)學生的科研意識，培養(yǎng)起他對未來不會被淘汰的重要科研的興趣。

總體來講，產(chǎn)學研這三者結(jié)合會形成一個良性循環(huán)。在這個過程中，杉數(shù)、順豐等公司都能得到價值，意識到科研的重要性。下一步他們會擴大科研團隊，增加科研投入的力度，從經(jīng)濟上支持高校，形成一個很好的循環(huán)。

當然，目前也需要一心投身學界的老師

幫業(yè)界做項目，從我們的經(jīng)驗上來看，很多時候會很累。不光是工作量大，會存在很多非創(chuàng)造性的工作。比如說幫企業(yè)做項目時，需要跟業(yè)務去對接，需要理解他們的業(yè)務邏輯，還要關心如何落地。當成果轉(zhuǎn)化成軟件，還需要去關心穩(wěn)定性，抗干擾性，怎么工程化等問題。

這些事情其實跟科研關系不大，所以有些做科研的老師只關心創(chuàng)新性，不愿意從事這種項目，這無可厚非，甚至應該鼓勵。而且這也沒什么不好，大學之所以為大學，是需要有這樣的老師存在的。

在與順豐、京東、滴滴等大公司合作的過程中，我們請了很多國內(nèi)外的高校教授幫忙。在這個過程中我們發(fā)現(xiàn)，解決問題的能力往往與科研水平還是有關系的。絕大多數(shù)情況下，論文寫得好的老師對實際問題的理解其實更深刻，給出來的指導會更有用。

Part 4 運籌學與人工智能

回到運籌學，它與機器學習相互促進

機器學習、深度學習底層的算法，在很大程度上都是依靠運籌學來設計的。學科之間需要良好的互動，結(jié)合起來促進底層算法的大規(guī)模發(fā)展。AI 會為運籌學提供很多軟件、硬件體系結(jié)構(gòu)上的支持，促進算法效率的快速提升。運籌學優(yōu)化算法里的結(jié)論，也可以幫助 AI 來設計算法。

現(xiàn)在 AI 社區(qū)里有很多人在從事算法方面的工作，因為不能光等著運籌學來輸出，他們自己也會去設計。特別是深度學習，深度學習本質(zhì)上就是個非凸優(yōu)化，在這一領域他們做了很多工作。

運籌學發(fā)展到現(xiàn)在，說白了，經(jīng)歷過那么兩三次大的算法誕生，對學科產(chǎn)生了很大的推動作用。下一個推動性的算法的產(chǎn)生，我覺得會得益于 AI 。我們能借鑒 AI 提供的一些工具，倒逼運籌學產(chǎn)生新的算法，飛躍解決一些根本性的模型。我們實驗室現(xiàn)在從事的研究，就借鑒了很多 AI 方面的想法。

在未來，我認為這個改變很可能會在接下來五年甚至是三年之內(nèi)發(fā)生。這個預言可能有很多人不信，特別是在運籌學領域。但我最近看到一些例子，呈現(xiàn)的結(jié)果遠遠超乎我的想象。我個人的觀念大概幾個月就刷新一次，而我現(xiàn)在很相信這一點。

說深度學習像中醫(yī)，并不是否定

葉老師在今年六月份的時候就說過深度學習像中醫(yī)，當時我們沒敢讓媒體報導，現(xiàn)在有人挑頭出來說它像煉金術，我們就可以說了。當然，我要聲明，葉老師說這句話不是否定，而是肯定。深度學習確實能解決問題，它也不是沒有理論依據(jù)，而理論就像李飛飛說的，『現(xiàn)在我們還處于很早期，正在發(fā)展?！?/p>

實際上這是個機會，像數(shù)據(jù)科學，包括機器學習，將來一定是最重要的學科，沒有之一。深度學習的實用性，確實推動著各個方面，不光是理論，包括軟件和硬件的飛速發(fā)展。人工智能和數(shù)據(jù)科學基本上會主導人類發(fā)展的方方面面，但現(xiàn)在基礎理論建設并不健全，有很多事情可以去做。我覺得現(xiàn)在是一個黃金時期。

整體說來，大家從事科研的時候，都要去想想，自己現(xiàn)在做的事情跟 AI 有多大的關系，怎么去更好的結(jié)合它。你不去結(jié)合它，你就一定會被 left out。我們成立 X 院也是這個原因——我們要主動擁抱它，而不能坐等著，被動消極地去 follow。此外，還需要更進一步，自己主動去引導潮流，預言潮流，走到最前列去。

運籌學要發(fā)展，要加緊輸入新鮮血液

運籌學在今年受重視程度明顯提升了，我知道很多公司，像順豐、滴滴、京東、美團、餓了么等，他們現(xiàn)在對于 運籌學有明確的崗位需求，并且需求也變多了，這一年工資漲了快一倍，這顯然是一個非常大的提升。一旦需求變強，我相信就會帶動學科培養(yǎng)人才的積極性，發(fā)展也會更快。

但是整體來講，學界的反應會慢一些。

我最近和港中大深圳校區(qū)的羅智泉副校長聊了聊，發(fā)現(xiàn)他們在運籌學上的建設速度、雄心和規(guī)模，用一個詞來形容就是非常可怕，如果照目前這個進度，不要說全國第一，亞洲第一都指日可待，他們招了很多全世界重量級學者回來。羅校長有影響力，他也懂行，水平高，有一定的權利來招聘人才，港中大的制度也比較靈活。可以看到，他們的發(fā)展會很快。我覺得我們的發(fā)展速度跟人家還是不能比，這讓我感到很焦灼。我們畢竟是個小學校，對一個學科的重視，再怎么超常規(guī)，還是有局限性的。

任何一個地方，如果你還是固步自封，不加緊輸入新鮮血液，很快就會掉隊的。

（完）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。