0
| 本文作者： 叨叨 | 2017-06-25 17:54 |
6月24日下午，鈦媒體和杉數(shù)科技主辦的2017 AI 大師論壇在京舉行，論壇邀請(qǐng)了五位算法優(yōu)化、機(jī)器學(xué)習(xí)領(lǐng)域的頂尖教授、學(xué)者出席并發(fā)表學(xué)術(shù)演講，他們分別是斯坦福大學(xué)李國(guó)鼎工程講座教授葉蔭宇，佐治亞理工學(xué)院終身教授藍(lán)光輝，紐約大學(xué)助理教授、Michael I.Jordan 的高徒陳溪，清華大學(xué)交叉信息研究院助理教授李建以及杉數(shù)科技 CTO、明尼蘇達(dá)大學(xué)助理教授王子卓。
論壇上，五位科學(xué)家圍繞算法、數(shù)據(jù)、應(yīng)用，結(jié)合各自的研究領(lǐng)域，暢談了現(xiàn)狀和未來的發(fā)展。
* 葉蔭宇
葉蔭宇教授是斯坦福大學(xué)李國(guó)鼎工程講座教授（K. T. Li Chair Professor），其研究領(lǐng)域?yàn)檫B續(xù)和離散優(yōu)化、數(shù)據(jù)科學(xué)和應(yīng)用、大規(guī)模算法設(shè)計(jì)和分析、計(jì)算博弈論/市場(chǎng)平衡，動(dòng)態(tài)資源分配和隨機(jī)和魯棒決策等，他也是優(yōu)化領(lǐng)域基石算法之一——內(nèi)點(diǎn)算法的奠基人之一。
因貢獻(xiàn)突出，他曾獲得美國(guó)運(yùn)籌與管理學(xué)會(huì)馮·諾依曼理論獎(jiǎng)，也是迄今為止唯一獲得此獎(jiǎng)的華人學(xué)者，也曾主持、參與美國(guó)波音、FICO、運(yùn)通、美國(guó)衛(wèi)生部、美國(guó)科學(xué)基金、美國(guó)能源部，以及美國(guó)空軍科研部門等多個(gè)科研項(xiàng)目。此外，在工業(yè)界，葉教授也多有涉獵，擔(dān)任優(yōu)化軟件公司 MOSEK 科技顧問委員會(huì)主席、杉數(shù)科技的首席科學(xué)顧問，同時(shí)也參與中國(guó)國(guó)家電網(wǎng)調(diào)度，華為、京東商城收益管理、無(wú)人倉(cāng)等項(xiàng)目。
在論壇上，葉蔭宇教授以“優(yōu)化算法的思想及應(yīng)用”為題做了演講。他早在1982年去美國(guó)斯坦福讀書、工作期間，就經(jīng)歷了一次 AI 的火爆和降溫，從最紅到無(wú)人問津，和現(xiàn)在的火爆有些相似，因此他認(rèn)為，AI 幾起幾落，但“優(yōu)化”始終如同不動(dòng)點(diǎn)，各行各業(yè)都需要。
針對(duì) AI 在大數(shù)據(jù)時(shí)代的商業(yè)決策，需要通過機(jī)器學(xué)習(xí)大量的數(shù)據(jù)，然后進(jìn)行建模、決策。但決策過程，或許會(huì)用到一些很傳統(tǒng)的優(yōu)化模型和運(yùn)籌學(xué)模型。反過來，AI 也對(duì)算法優(yōu)化領(lǐng)域提供了一條新的思路：
以前我認(rèn)為要搞出個(gè)萬(wàn)能的算法，解所有的線性規(guī)劃都能解得快，但是后來反觀 AI 研究者的思維并非這樣，它是非常定制的，什么方法對(duì)某一類問題用的好就用那個(gè)方法，不追求某一個(gè)統(tǒng)一的算法，或者類別法。所以這點(diǎn)上，AI 對(duì)我們的思維有所改變。
* 藍(lán)光輝
藍(lán)光輝教授為佐治亞理工學(xué)院博士、佐治亞理工學(xué)院終身教授，他目前還擔(dān)任計(jì)算優(yōu)化和應(yīng)用（2014年至今）、優(yōu)化算法頂級(jí)期刊 Mathematical Programming（數(shù)學(xué)規(guī)劃，2016年至今）雜志的副主編，是國(guó)際上機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法方向的頂級(jí)專家。藍(lán)光輝教授的主要研究領(lǐng)域?yàn)椋弘S機(jī)優(yōu)化和非線性規(guī)劃的理論、算法和應(yīng)用，包括隨機(jī)梯度下降和加速隨機(jī)梯度下降，用于解決隨機(jī)凸和非凸優(yōu)化問題。
在論壇上，藍(lán)光輝教授以“凸優(yōu)化，機(jī)器學(xué)習(xí)及深度學(xué)習(xí)”為題做了演講。在回顧了凸優(yōu)化的歷史之后，藍(lán)教授講解了優(yōu)化和機(jī)器學(xué)習(xí)之間的關(guān)系。他認(rèn)為，機(jī)器學(xué)習(xí)的本質(zhì)，就是要建立模型、描述數(shù)據(jù)，輸入和輸出，模型和算法結(jié)合的部位那就是優(yōu)化，用優(yōu)化來解模型。
此外，他還介紹了優(yōu)化的“黑匣子”：
除了機(jī)器學(xué)習(xí)用起來做預(yù)測(cè)以外，最重要是要做決策。建立模型再做決策，涉及到優(yōu)化的系統(tǒng)集成，不管是在機(jī)器學(xué)習(xí)過程中還是在決策過程中，都需要用到優(yōu)化模型或者算法，那么有沒有一個(gè)工具，或者黑匣子能夠解決這個(gè)問題，有，我們叫做求解器。
有了求解器可以幫助企業(yè)解決很多的問題，比如用在做前端數(shù)據(jù)分析和尋找規(guī)律，比如用來做局測(cè)問題，然后再用于經(jīng)濟(jì)、金融、軍事、工業(yè)工程、管理、互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用。根據(jù)問題的規(guī)模和問題的難度，求解精度的要求，可以設(shè)計(jì)不同類型的求解器，比如說中等規(guī)模的求解器，1000個(gè)到1000個(gè)變量或約束。更大規(guī)模的求解器你需要解10的9次方的這個(gè)變量或者6次方的變量，規(guī)模非常大，然后可能我們需要有不同的這個(gè)特定方法求解，加速算法、隨機(jī)梯度算法、坐標(biāo)梯度下降用來求解更大規(guī)模的問題。
頂級(jí)的機(jī)器學(xué)習(xí)求解器，第一個(gè)是H20，它發(fā)布最早，也是影響力最大的機(jī)器學(xué)習(xí)開源軟件之一，重要的客戶有思科、paypal、ebay；第二個(gè)是 TensorFlow，是谷歌全力開發(fā)并推的深度學(xué)習(xí)計(jì)算引擎，也可用通用的機(jī)器學(xué)習(xí)求解器，是 Github 排名第一的世界頂級(jí)開源項(xiàng)目，在語(yǔ)音識(shí)別、圖像識(shí)別、機(jī)器翻譯等AI領(lǐng)域隨處可見，重要客戶英特爾、高通、Airbnb等。
雷鋒網(wǎng)了解到，杉數(shù)科技也自主開發(fā)了一個(gè)求解器，和 TensorFlow進(jìn)行對(duì)比，在9個(gè)公開數(shù)據(jù)集上對(duì)兩種求解器進(jìn)行測(cè)試，比 TensorFlow 快了10倍-70倍。后續(xù)，雷鋒網(wǎng)還將持續(xù)關(guān)注該求解器的詳細(xì)消息。
* 陳溪
陳溪博士目前是紐約大學(xué)商學(xué)院助理教授，CMU機(jī)器學(xué)習(xí)系博士，也曾跟隨 Michael I Jordan 做了為期一年多的博士后研究。同時(shí)，陳溪博士拿過 Google Faculty Research Award，在2017年還獲得了福布斯雜志全美 30 under 30 最有影響力的青年科學(xué)家稱號(hào)。陳溪博士的主要研究領(lǐng)域?yàn)椋簷C(jī)器學(xué)習(xí)、高維統(tǒng)計(jì)和運(yùn)籌學(xué)。
在論壇上，陳溪博士以“從學(xué)習(xí)到?jīng)Q策”為主題的演講。陳溪博士最早就讀于CMU的商學(xué)院，一年后轉(zhuǎn)向機(jī)器學(xué)習(xí)的研究，并將機(jī)器學(xué)習(xí)的技術(shù)應(yīng)用于商學(xué)院的傳統(tǒng)問題中，嘗試進(jìn)行解決，在跟隨 Michael I Jordan 做完博士后研究后，他進(jìn)入紐約大學(xué)商學(xué)院，繼續(xù)利用機(jī)器學(xué)習(xí)的技術(shù)和方法解決商學(xué)院關(guān)心的問題。他認(rèn)為：
做大規(guī)模的統(tǒng)計(jì)推斷，和運(yùn)籌運(yùn)營(yíng)的管理，看似不相關(guān)，但其實(shí)非常有聯(lián)系。最根本的聯(lián)系是這些學(xué)科都是用數(shù)據(jù)驅(qū)動(dòng)的，并且最后都是要為數(shù)據(jù)服務(wù)的，挖掘數(shù)據(jù)核心的價(jià)值。我認(rèn)為這三個(gè)領(lǐng)域結(jié)合起來才能對(duì)數(shù)據(jù)有更深更好的理解，并且做出有效的決策。
此外，陳溪博士還認(rèn)為，真正商業(yè)的問題是極其復(fù)雜復(fù)雜的，光有機(jī)器學(xué)習(xí)是不夠的，要把機(jī)器學(xué)習(xí)和科學(xué)、統(tǒng)計(jì)結(jié)合起來，才會(huì)有新的數(shù)據(jù)產(chǎn)生。機(jī)器學(xué)習(xí)這幾年的發(fā)展，有圖像處理、文本處理的，通過數(shù)據(jù)可以得到更好的表現(xiàn)，這大大推動(dòng)了機(jī)器學(xué)習(xí)的算法發(fā)展。但商業(yè)上，大規(guī)模的公開數(shù)據(jù)集還是非常少的，以后會(huì)有更多的這樣的數(shù)據(jù)集，更多研究人員進(jìn)入這個(gè)領(lǐng)域，這樣我們就可以得到更多的知識(shí)，這樣可以推動(dòng)商業(yè)化下的機(jī)器學(xué)習(xí)或者說決策技術(shù)的發(fā)展。
* 李建
李建在美國(guó)馬里蘭大學(xué)取得博士學(xué)位，目前任職清華大學(xué)，是清華大學(xué)交叉信息研究院的助理教授。李建博士是 VLDB 2009 和 ESA 2010 最佳論文獎(jiǎng)獲得者，也是清華211基礎(chǔ)研究青年人才支持計(jì)劃以及教育部新世紀(jì)人才支持計(jì)劃青年學(xué)者，他的主要研究方向?yàn)椋核惴ㄔO(shè)計(jì)與分析、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、隨機(jī)優(yōu)化與組合優(yōu)化。
在論壇上，李建博士以“深度學(xué)習(xí)預(yù)測(cè)算法的思想及應(yīng)用”為題做了演講。在演講中他講道：
深度學(xué)習(xí)在圖像識(shí)別、語(yǔ)音識(shí)別這些領(lǐng)域，都取得了比較成功的進(jìn)展，也有很成功的商業(yè)化模式，但在時(shí)空大數(shù)據(jù)方面的研究，只是剛剛起步，還沒有非常成熟的一套方法論。
李建博士認(rèn)為，深度學(xué)習(xí)在時(shí)空大數(shù)據(jù)領(lǐng)域，有非常廣闊的應(yīng)用前景，例如網(wǎng)約車訂單預(yù)測(cè)、出行時(shí)間的預(yù)測(cè)、商店選址等問題。
時(shí)空大數(shù)據(jù)的特點(diǎn)是有很多類型的數(shù)據(jù)，要解決一個(gè)可以用到方方面面的問題，比如說預(yù)測(cè)，網(wǎng)約車的訂單供需量的應(yīng)用，數(shù)據(jù)的類型包含GPS、訂單數(shù)據(jù)、天氣數(shù)據(jù)、路況數(shù)據(jù)等等，這跟原來深度學(xué)習(xí)所處理的問題不一樣，做圖像識(shí)別只需要圖像就夠了，做語(yǔ)音識(shí)別只需要語(yǔ)音就夠了，現(xiàn)在有各種各樣的數(shù)據(jù)，這些數(shù)據(jù)都是不同質(zhì)的，需要組合起來，才能來進(jìn)行學(xué)習(xí)和預(yù)測(cè)。
* 王子卓
王子卓博士19歲從清華畢業(yè)，24歲就拿到了斯坦福的博士學(xué)位，目前執(zhí)教于明尼蘇達(dá)大學(xué)，還擔(dān)任杉數(shù)科技的 CTO 。他為 IBM 定制的定價(jià)策略系統(tǒng)獲得兩項(xiàng)美國(guó)專利，并且自上線以來，已為 IBM 創(chuàng)造過億美元的利潤(rùn)，另外此項(xiàng)目也被美國(guó)運(yùn)籌管理學(xué)會(huì)收益管理分會(huì)提名為 2015 年最佳實(shí)際應(yīng)用獎(jiǎng)。他的研究領(lǐng)域主要為：收益管理與運(yùn)營(yíng)管理、定價(jià)問題，優(yōu)化算法設(shè)計(jì)。
在論壇中，王子卓博士以“數(shù)據(jù)驅(qū)動(dòng)的定價(jià)策略系統(tǒng)詳解”為題做了演講。在演講中，他認(rèn)為，在比較廣泛的意義上來說，一個(gè)好的定價(jià)策略，需要在正確的時(shí)間，正確的地點(diǎn)，以正確的價(jià)格，把正確的服務(wù)和商品賣給正確的消費(fèi)者。這里包含很多需要做決策的地方，當(dāng)然價(jià)格是其中的最的一部分，這對(duì)企業(yè)來說，是非常重要的。
在行業(yè)里，哪個(gè)企業(yè)能夠利用有限的資源獲得更大的收益，就很可能決定這個(gè)企業(yè)在行業(yè)當(dāng)中能否脫穎而出，能否獲得成功，而定價(jià)策略可謂是很多公司的“生命線”。這里有很多新的機(jī)遇，有很多的挑戰(zhàn)，通過數(shù)據(jù)驅(qū)動(dòng)的方法，利用機(jī)器學(xué)習(xí)、人工智能技術(shù)、運(yùn)籌學(xué)的技術(shù)，就能來幫助新公司在新的時(shí)代更好的迎接挑戰(zhàn)。
記者：工業(yè)界相對(duì)學(xué)術(shù)界來說，有更多的資源優(yōu)勢(shì)，美國(guó)高校如何應(yīng)對(duì)學(xué)術(shù)人才流失的挑戰(zhàn)？
陳溪：美國(guó)高校提供更靈活的制度，以前不允許教授到企業(yè)，而現(xiàn)在允許在學(xué)校工作3天，企業(yè)工作2天，像文本分析確實(shí)企業(yè)做的比學(xué)校好，學(xué)校會(huì)回歸到更加基礎(chǔ)的研究，更多理解深度學(xué)習(xí)為什么取得這么好的效果，有哪些局限性，根據(jù)我們理解，會(huì)開發(fā)出新的算法，以后有更加需要?jiǎng)?chuàng)新的，更加基礎(chǔ)的東西會(huì)在學(xué)校里完成，而大規(guī)模的應(yīng)用企業(yè)會(huì)推出。
記者：怎么看國(guó)內(nèi)運(yùn)籌學(xué)這一塊人才緊缺這個(gè)事？
葉蔭宇：我覺得不是人才緊缺的問題，而是導(dǎo)向的問題。我個(gè)人認(rèn)為，中國(guó)學(xué)生學(xué)理工科都是很強(qiáng)的，但是，他們也是永遠(yuǎn)追那個(gè)最時(shí)髦的，我覺得這個(gè)風(fēng)氣要改一改。就像剛才講的說不定，過幾年 AI 就不那么火，所以我覺得學(xué)生還是要把基礎(chǔ)打好，我非常贊成這個(gè)教育，進(jìn)去不要就是搞 AI，或者搞機(jī)器學(xué)習(xí)，搞搞OR，搞搞統(tǒng)計(jì)（也可以）。
另外，理工科變得愈來愈受歡迎，這不僅在中國(guó)，在美國(guó)也是這樣。我們斯坦福大學(xué)，原來大部分本科生都在文理學(xué)院，而現(xiàn)在也都轉(zhuǎn)到工科學(xué)院，我覺得學(xué)文理學(xué)生去接觸一些理工科的知識(shí)，也沒有什么障礙。其實(shí)無(wú)非就是一些 1＋1=2 這些簡(jiǎn)單的術(shù)語(yǔ)就可以了。我記得我們斯坦福商學(xué)院的院長(zhǎng)，也叫他們 MBA 的這個(gè)學(xué)生去聽機(jī)器學(xué)習(xí)的課。
藍(lán)光輝：在我們學(xué)校（佐治亞理工學(xué)院）其實(shí)主體部分是運(yùn)籌學(xué)，包括優(yōu)化、學(xué)習(xí)過程、統(tǒng)計(jì)等等，我們那個(gè)系排名第一，我們整個(gè)學(xué)校 10% 的學(xué)生在我們系，在美國(guó)找工作非常好找，一般本科生畢業(yè)之后會(huì)有4-5個(gè) offer ，我們需要?jiǎng)?chuàng)造這樣的一個(gè)機(jī)會(huì)在國(guó)內(nèi)，讓大家知道這個(gè)是有很大的需求。
記者：人工智能三起兩落，是不是又會(huì)帶來人才的流動(dòng)，任何產(chǎn)業(yè)的變化一定是基于人才的流動(dòng)，怎么看這個(gè)趨勢(shì)？以及國(guó)內(nèi)產(chǎn)學(xué)研的結(jié)合，會(huì)不會(huì)對(duì)人才有新的要求？
李建：人才是一個(gè)很基礎(chǔ)又很復(fù)雜的問題，比如說 AI 這一波火了，像我是在負(fù)責(zé)我們?cè)旱恼猩ぷ?，明顯的感覺到一半多以上的學(xué)生都想學(xué) AI、機(jī)器學(xué)習(xí)，但其實(shí)其他學(xué)科的也都非常的重要，報(bào)名的學(xué)生馬上就變少。
我覺得學(xué)生也是被媒體影響，比例有點(diǎn)趨高，并不是它有所突破這個(gè)比例應(yīng)該增加，我的感覺是增加過多了，很多重要的方向就非常缺乏學(xué)生，但這些方向也非常重要。
學(xué)生面試的時(shí)候，我們會(huì)給他說這個(gè)方向非常非常的重要，大家都往這個(gè)方向來，我們做了很多開導(dǎo)的工作，重新疏導(dǎo)，雖然媒體沒有人報(bào)道，但是你學(xué)這個(gè)，以后也有可能非常成熟。媒體鋪天蓋地的宣傳，都想搞 AI，但是我們做的事情也都在做，至少對(duì)于我來說，即便跟我學(xué)深度學(xué)習(xí)、學(xué)AI，還是會(huì)讓他學(xué)優(yōu)化、學(xué)統(tǒng)計(jì)，把基礎(chǔ)打扎實(shí)。我們有一個(gè)術(shù)語(yǔ)叫煉丹，其實(shí)我們?cè)跓挼?，不確定性很大。我們希望學(xué)生，把基礎(chǔ)打好，從上到下，從理論到實(shí)際，都可以全面的應(yīng)對(duì)。
記者：未來 AI 的發(fā)展趨勢(shì)如何？
王子卓：這個(gè)其實(shí)是很難預(yù)測(cè)的，隨著科學(xué)技術(shù)的發(fā)展，實(shí)際上更多不是線性的往上去，而是一個(gè)爆發(fā)性的，可能某個(gè)點(diǎn)就有一個(gè)突然的進(jìn)度，而這個(gè)進(jìn)度之后，有些人就會(huì)跟著潮流解決相關(guān)的問題，解決完了之后又會(huì)停留在某個(gè)階段。
雖然這個(gè)事情很難預(yù)測(cè)，但企業(yè)需要提高效率的這個(gè)事情是永遠(yuǎn)都需要的，這里面應(yīng)該用什么方法提高效率，AI 的領(lǐng)先技術(shù)肯定是一種，我們現(xiàn)有的方式幫助他們提升。
葉蔭宇：我個(gè)人認(rèn)為，AI 肯定會(huì)發(fā)展，至于還叫不叫 AI 我就不知道了。大家仔細(xì)想一想，其實(shí) AI 要解決的問題，以前不叫 AI ，或者說叫 OR 要解決的問題，統(tǒng)計(jì)要解決的問題，或者說計(jì)算機(jī)要解決的問題，關(guān)鍵還是要服務(wù)于人類，提高效率，減少風(fēng)險(xiǎn)，而且應(yīng)用大量的數(shù)學(xué)或者量化的工具，這個(gè)趨勢(shì)是會(huì)越來越強(qiáng)的，在這點(diǎn)上，我說AI永遠(yuǎn)不會(huì)死，因?yàn)樗徒y(tǒng)計(jì)、運(yùn)籌學(xué)都一樣的，但是它會(huì)不會(huì)以另外一個(gè)名詞來出現(xiàn)，我覺得這個(gè)也是有可能的。
另外，我覺得中國(guó)的媒體或者所有的媒體都不需要局限于，這個(gè)叫 AI 還是不叫 AI，關(guān)鍵是它確實(shí)是用到了基于科學(xué)的決策上。反過來說在美國(guó)，我們剛剛開過一個(gè)會(huì)沒有多少人提 AI，國(guó)外根本還沒有 AI 這種專業(yè)，我們的專業(yè)還是數(shù)學(xué)、物理、統(tǒng)計(jì)、優(yōu)化，在我們計(jì)算機(jī)系，學(xué)生一樣要學(xué)很多課程。所以在這點(diǎn)上，我覺得容易把一個(gè)名稱去炒的很火熱，以它來畫線，好像非 AI不 可。
藍(lán)光輝：我補(bǔ)充一點(diǎn)，我覺得還是需要一些本質(zhì)的思考，因?yàn)樵跉v史上，也是因?yàn)槟骋豁?xiàng)技術(shù)，或者知名度，過于把期望值提高，導(dǎo)致它解決所有的問題都非常迫切。從研究角度來說，那只是一個(gè)名字而已，真正秉承的還是一些數(shù)據(jù)的辦法、建模，不要去叫 AI 或者說不叫 AI 。
為什么在中國(guó)AI這么火，我覺得可能在某種意義上我們民族的浪漫主義，我們想到 AI。什么都可以做，有這樣的感覺，我們小的時(shí)候看的動(dòng)畫片，都有這種民族的情懷，而很多的老美更加的實(shí)際一些。
雷鋒網(wǎng)后續(xù)還將奉上此次演講的全文整理以及對(duì)藍(lán)光輝教授、陳溪博士的專訪文章，敬請(qǐng)關(guān)注。
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。
