智客公社

标题: 和AIR一同！对话图灵奖得主John E. Hopcroft教授 [打印本页]

作者: 刺猬无刺 时间: 2021-7-5 10:57
标题: 和AIR一同！对话图灵奖得主John E. Hopcroft教授

我以为热爱你的专业和工作是非常重要的，你要想清楚它在你的生活中扮演着什么样的角色，对你的生活产生了什么影响。假如你想要好好享用你生命的每一天，就要去享用你所做的工作。一方面，这是一种愉快；另一方面，你在热爱的事情上更容易有所成就。— John Hopcroft 教授

【嘉宾简介】

(, 下载次数: 1454)

John E. Hopcroft是清华大学智能产业研讨院（AIR）学术委员会委员、康奈尔大学教授。研讨方向为计算实际，尤其是算法分析、自动机实际和图算法。Hopcroft教授还是1986年图灵奖获得者，美国迷信院、工程院、艺术与迷信院院士。

【活动内容】

6月29日下午，清华大学智能产业研讨院（AIR）荣幸地约请到了图灵奖获得者、康奈尔大学教授、AIR学术顾问委员会委员John Hopcroft与AIR的迷信家、学者及同窗们停止对话及参观交流活动。

对话末尾前，Hopcroft教授在清华大学智能产业研讨院（AIR）院长张亚勤教授的带领下，参观了清华大学智能产业研讨院（AIR）。

(, 下载次数: 1460)

张亚勤院长向Hopcroft教授引见AIR的状况

(, 下载次数: 1380)

马维英教授、赵峰教授陪同参观

参观结束后，对话正式末尾。本次对话为闭门分享会，是Hopcroft教授专门为AIR的迷信家、学者及同窗们带来的一场深度交流活动。Hopcroft教授希望经过与AIR师生们的分享与交流，为AIR带来更多关于人才培育及学术研讨方面的建议和想法。

对话分享会在图灵报告厅举行，由清华大学智能产业研讨院（AIR）院长张亚勤教授掌管。AIR的迷信家、学者及同窗们仔细倾听，并与Hopcroft教授停止了一场深化而又具有启示性的交流互动。

(, 下载次数: 1470)

张亚勤院长引见Hopcroft教授

(, 下载次数: 1435)

分享会现场

分享内容

01 兴味点与研讨方向的选择

本次对话会开篇，Hopcroft教授便从宏观的时代角度切入，阐述计算机迷信与人工智能范畴的教育及人才培育对于当下我们所处的信息化时代的重要性。提到人才培育的重要性，Hopcroft教授着重强调了兴味。Hopcroft教授说，大家都想知道诺贝尔奖或图灵奖获奖者的成功秘诀，其实这些获奖者大多存在这样的一个共同点——他们关注于本人所热爱的事物，并为之付出举动。这也是Hopcroft教授给青年人的建议：当我们选择了本人所热爱的研讨方向，便可以为之付出更多的心血、激发更多的创造力，我们的工作便更有能够获得成功。

02 人工智能和计算机迷信范畴的发展

随后，Hopcroft教授结合本身实践研讨阅历，由浅入深为我们讲述了近几十年内人工智能和计算机迷信范畴的发展和变迁。

从计算机迷信的发展来看，其重要的变化体如今研讨重心的转变及数据规模的扩展上，早期的计算机迷信研讨者关注于如何让计算机更具价值，并努力于研讨算法、编程、系统、数据库等等，而如今的计算机迷信研讨者关注于如何更好地运用计算机，并末尾将计算机迷信与金融、制造业等范畴相结合，寻觅计算机所能处理的新成绩；此外，如今的数据量和工程代码量相较于早期研讨曾经有了分明的规模增长，而统计学也在计算机迷信范畴发挥了更为关键的作用。

值得关注的是，新兴研讨方向的不断涌现也是计算机迷信范畴的变化之一。在如今高数据规模的需求下，分布式计算发挥着相当关键的作用。同时，一些研讨关注于如何进一步提升计算机的计算才能，不同于通用型的计算机结构，部分特化的结构被设计出来以应对于某些特定的计算状况，如被用于图像处理和深度学习训练的GPU及用于处理特定成绩的量子计算机构想等。

从人工智能范畴的发展来看，近年来，深度学习范畴正获得一个又一个打破，从AlexNet到ResNet，模型的参数量逐渐提升，准确率也逐渐降低，在ImageNet图像分类义务上曾经达到超越人类的程度。为应对更大的模型和更多的数据，新的优化器算法也逐渐得到运用，例如，经典的随机梯度下降算法(Stochastic Gradient Descent,SGD)采用mini-batch上的梯度代替全量数据梯度，减少了训练工夫，也缓解了全量数据梯度下降会堕入部分极小值的成绩。

同时，当前的人工智能范畴也存在着诸多亟待处理的成绩。Hopcroft教授提到了一个生动的比喻，他以为人工智能模型对运用者而言就像一个黑盒，我们能知道结果，却不知道过程，正如模型接收数据输入并给出输入，其执行过程往往难以直观了解，因此，为模型添加可解释性是一类关键的研讨方向；其次，模型往往会由于训练数据分布中的偏向而带来本身的偏向，如何缓解这一扰动也是一个值得考量的成绩；再次，如何将先验知识融入到模型之中，使得模型更好地应用常识处理成绩；最后，如何协助模型从更大批的样本中学到表征，对人类而言，我们可以运用一张简单的插图来认知一项新事物，那么如何让模型“学会学习”，从大规模数据中学到通用知识，并辅助到小样本学习当中，就成为了一项更为基础的、值得研讨的工作。

(, 下载次数: 1454)

Hopcroft教授讲话

问答环节

在发问环节中，Hopcroft教授从他数十年的教育阅历出发，提出了对高校人才的培育建议。他以为，在学术研讨上，中美两国大不相反：美国高校会聘用产业界迷信家和工程师来当教师，以此保证大学教授的研讨范畴与时俱进。在这里，Hopcroft教授也再次提到了基础型研讨和运用型研讨，在他看来，大学在协助政府、企业处理理想成绩，即停止运用型研讨之外，还需求拿出一些资源停止基础型研讨。而科研人员也需求拿出一些工夫来停止基础型研讨，由于这能够会启示运用型研讨。

同时，他也为研讨者们提出了应对压力的建议。Hopcroft教授发表论文应该建立在获得严重研讨成果的基础上，但严重研讨成果不可多得，一个研讨者一年内也最多得出一个这样的成果。所以说，一年发表多篇“严重研讨成果”论文的研讨者，就有为发表而发表之嫌。要看法到研讨失败并不是一件坏事，由于可以研讨出失败的理由，也是一种贡献。

谈到研讨过程中的信息杂音成绩，Hopcroft教授表示，我们或许需求应用一种人工智能算法来找出对我们真正有价值的论文，但目前这个范畴照旧有待探求。

而对于计算机和人工智能范畴的研讨人员和从业者如何获得打破和成功，Hopcroft教授一再强调，兴味和热爱是最好的教师，不要把研讨当成工作，而应该把它当成乐趣。假如我们都享用工作的话，就能成功。

(, 下载次数: 1411)

分享会现场

在信息化时代，科技发展终究是给人类沟通带来更多能够，还是切断了人们之间的联络？对于这个充满哲思的成绩，Hopcroft教授从历史角度给出了他独到的解答：在农业革命以后人们没有财物的概念，有了这一概念后就产生了和平。但农业革命异样也起到了扩展食物供给的作用。虽然能够有人会以为，每天下班花一个小时不如在家种地。但无须置疑的是，随着科技提高，人们的生活得到了长足的改善，科技的负面影响一定是有的，但人们都不情愿回到一百年前去。

针对数字革命如何使得第三世界受益的成绩，Hopcroft教授以手机通讯助力印度医疗事业的例子，阐明互联网和通讯对较不发达国家有很大协助。但他同时也以为，发达国家对于第三世界的协助依然重要，在全球化时代的当下，国家之间在科技层面也该当互相协助。

而对于人工智能范畴的将来，Hopcroft教授也与我们一样充满了等待，他说，有学者提出人工智能在发展到一定程度时分，也许会发展成为一个物种，但他还无法想象这种能够。但毫无疑问的是，15年后，人工智能会变得非常弱小，能处理我们如今的大多数成绩。

交流活动结束后，张亚勤院长还与Hopcroft教授一同观看了车路协同视频，并向Hopcroft教授引见了清华大学智能产业研讨院（AIR）近期与百度 Apollo共同推出的项目成果——全球首份车路协同技术创新白皮书《面向自动驾驶的车路协同关键技术与展望》。

(, 下载次数: 1415)

Hopcroft教授观看车路协同视频

在活动最后，AIR的师生们都表示，明天的交流分享会令人感到意犹未尽。Hopcroft教授给出的建议不只立足整个行业，更贴近大家实践的学习和研讨生活，就算是刚开启学术生涯的普通学子亦能播种颇丰。能与Hopcroft教授这样的国际人工智能范畴顶级专家学者停止交流，无疑是AIR学子们学术生涯中的难忘阅历。

John E. Hopcroft 教授是清华大学智能产业研讨院（AIR）学术委员会委员，AIR学术委员会还包含众多国内外人工智能相关范畴学术大咖。接上去，AIR也将不定期约请学术委员会委员及更多业界专家来与我们的师生停止面对面交流，欢迎大家多多关注！

(, 下载次数: 1498)

撰文 / 刘聆羽李若菲矫瑞

编辑排版 / 刘聆羽

校正责编 / 黄妍

点击“了解更多”阅读原文

作者: 彭小西﹐不河蟹 时间: 2021-7-5 10:59
学习了

作者: 哟西hgnd 时间: 2021-7-6 11:31
加油！不要理那些键盘侠！

作者: meteozwh 时间: 2021-7-7 07:41
报告！别开枪，我就是路过来看看的。。。

作者: 重庆地摊大王 时间: 2021-7-8 07:38
前排支持下

欢迎光临智客公社 (https://bbs.cnaiplus.com/)