周志华包揽AI领域会士大满贯|2017 ACM、AAAI、IEEE华人名单

今天 ACM 正式公布了今年新当选的 Fellow 名单,南京大学计算机科学与技术系副主任周志华教授是全部 53 名新 Fellow 中唯一的中国本土学者,也标志着周志华教授成为AI领域“大满贯”会士中国第一人。AAAI、IEEE 等顶会今年新当选的 Fellow 中也不乏中国大陆学者。在产业界,百度副总裁王海峰成为 ACL 50多年来首位华人主席,微软亚洲研究院首席研究员周明则是ACL的候任主席。近年来,中国力量在国际 AI 领域不断扩大,尤其是学术实力和研发投资,就连美国国会首次关于 AI 的听证会都将中国视为美国在AI领先的真正威胁。但是,学术实力逐渐增强,在产业上也应该有相应的发展和进步,才能确保中国在世界人工智能竞赛中的地位。

2016 年 12 月 8 日,世界领先的计算机学会、全球最大的计算机领域专业性学术组织 Association for Computing Machinery(ACM)正式公布了 2016 年新当选的 ACM Fellow 名单。今年共有 53 名成员入选。ACM 将于明年 6 月 24 日,在美国旧金山举行的年度颁奖宴会上正式表彰 2016 年的 Fellow。

ACM 主席 Vicki L. Hanson 表示,由于 ACM 成员近 10 万人,当选 ACM Fellow 也就意味着进入了“顶尖的1%,是真正的荣誉”。ACM Fellow 由同行评选产生,人员来自领先的大学、公司和研究实验室。Hanson 表示:“他们的灵感、见解和奉献精神为改善生活和辅助推动全球经济发展带来了无法估量的好处。”

查看 2016 及历届 ACM Fellow 详细信息,请访问官网:www.acm.org

周志华包揽AI领域会士大满贯|2017 ACM、AAAI、IEEE华人名单

ACM、AAAI、IEEE,成就 AI 相关领域“大满贯”会士中国第一人

今年新当选的 ACM Fellow 中,仅有两位华人:一位是美国微软首席语音科学家黄学东博士,贡献是“对口语语言的处理”;另一位是中国大陆学者、南京大学的周志华教授,当选理由是表彰他“对机器学习和数据挖掘的贡献”(for contributions to machine learning and data mining)。
今年年初,周志华教授因其在机器学习领域,尤其是集成学习与多标记及部分标记数据学习上的卓越贡献当选 AAAI Fellow,也是首位唯一在中国大陆取得博士学位的 AAAI Fellow——用周老师的话说,“是在中国大陆取得所有学位,在海外最多只连续呆过两个月,彻头彻尾的‘本土学者’”。

加上最新的ACM 会士,周志华已经拿下了AI 领域多个学会的会士。据不完全统计,其余的包括:国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE)、中国计算机学会等学会的会士。可以说,跟人工智能相关的领域基本都齐了。

根据南京大学官网 11 月 24 日报道,周志华教授日前还被美国科学促进会(AAAS)宣擢升为该学会的 Fellow。AAAS 成立于1848年,是世界上最大的综合科学学术组织,下设24个学部,拥有超过12万名会员,服务于1000万以上的科学家,是著名学术期刊 Science 的主办方和出版者。Fellow (会士)是该学会给予会员的最高荣誉,颁给世界范围内对促进科学及其应用进步做出卓越贡献的人士。2016年,“信息、计算与通讯”学部全球共有19位学者入选,周志华教授是该学部最年轻的,也是唯一入选的中国大陆学者。

周志华

周志华,男,1973年11月出生,博士。现任南京大学计算机科学与技术系副主任、南京大学计算机软件新技术国家重点实验室常务副主任、机器学习与数据挖掘研究所 (LAMDA) 所长,校、系学术委员会委员。美国计算机学会(ACM)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE)、 中国计算机学会等学会的会士 (Fellow)。

教育及工作经历:

1996、1998、2000年在南京大学计算机科学与技术系获学士、硕士和博士学位。
2001年1月起,在南京大学计算机科学与技术系任教。
2002年破格晋升副教授。
2003年获国家杰出青年科学基金,随后被聘任为教授。
2006年入选教育部长江学者特聘教授。
2007年11月成为南京大学机器学习与数据挖掘研究所(LAMDA)创始主任。
2010年11月担任南京大学新型软件技术国家重点实验室常务副主任。
2013年5月起担任南京大学计算机科学与技术系副主任。

周志华教授对此次当选 ACM Fellow 表示:侥幸而已,谢谢大家!!!

2017 年 ACM 杰出会员,中国大陆力量不容忽视

除了 Fellow,日前 ACM 也公布了 2016 年度杰出会员(ACM Distinguished Member)名单。ACM杰出会员必须是在计算机领域有 15 年以上从业经历,并做出重大成就和影响的研究人员,每年全球范围只有数十名科学家入选。

今年新当选的 ACM 杰出会员共有 45 人,其中有 11 名华人(超过 24%),有 4 位都出自微软亚州研究院:

刘铁岩博士,微软亚洲研究院首席研究员(同时获选 2016 IEEE Fellow)
华刚博士,微软亚洲研究院资深研究员(同时获选 2016 IAPR Fellow)
梅涛博士,微软亚洲研究院资深研究员(同时获选 2016 IAPR Fellow)
郑宇博士,微软亚洲研究院主管研究员

其中,刘铁岩博士、梅涛博士、郑宇博士都是完全在中国大陆接受教育成长起来的学者。

查看 ACM 历年杰出会员名单:http://awards.acm.org/distinguished_member/year.cfm

AAAI、IEEE、IAPR 新当选 Fellow 展现中国 AI 学界力量

除了周志华教授,2016 新当选的 AAAI Fellow 中,还有芝加哥伊利诺大学的刘兵博士和卡内基梅隆大学的邢波博士。其中,刘兵博士也是 ACM Fellow 和 IEEE Fellow。

就在南京大学官网报道周志华教授当选 AAAS Fellow 的同一天,11月 24日,微信公众号“IEEE清华分会”发布文章《【重磅】2017年IEEE中国大陆新当选 Fellow 18人》,第一时间整理出了 2017 年中国大陆新当选的 IEEE Fellow:

蔡自兴,中南大学,贡献是优化与智能机器人相关研究
简维廷(Wei-Ting Chien),中芯国际公司,贡献是可靠性管理相关工作
董新洲,清华大学,贡献是电力系统行波保护与故障定位相关研究
段广仁,哈尔滨工业大学,贡献是控制系统设计与应用相关研究
洪奕光,中科院系统所,贡献是分布式多智能体控制相关研究
黄如,北京大学,贡献是多栅硅纳米晶体管研究
金荣洪 ,上海交通大学,贡献是高效率平面天线阵列和小型化天线相关研究
康重庆,清华大学,贡献是不确定环境下的电力系统运行与规划相关研究
李力,清华大学,贡献是智能交通系统相关研究
李远清,华南理工大学,贡献是大脑信号分析与脑机接口相关研究
刘铁岩,微软亚洲研究院,贡献是网页搜索与在线广告机器学习相关工作
饶云江,电子科技大学,贡献是光电精密测量与光纤技术相关研究
王建勇,清华大学,贡献是高效数据挖掘算法研究
王志华,清华大学,贡献是医疗领域的电子系统相关研究
徐殿国,哈尔滨工业大学,贡献是电力电子与电力传动相关研究
张军,中山大学,贡献是计算智能与应用相关研究
张立宪,哈尔滨工业大学,贡献是切换系统控制相关研究
朱策,电子科技大学,贡献是视频编码和通信相关研究

同时,根据微信公众号“微软研究院AI头条”,以下三位华人学者、微软研究院院友也获选 2017 年度 IEEE Fellow:

张虹(Hong Tan),因对可穿戴触觉技术领域所做出的贡献获选
颜水城,因对子空间学习和视觉分类方面所做出的贡献获选
李航,因对信息检索和自然语言处理方面的机器学习研究所做出的贡献获选

ACM、IEEE、AAAI 说完,接下来自然是 IAPR。

2016年新当选的 IAPR Fellow 中有 4 个熟悉的名字:微软亚洲研究院的两名资深研究员华刚博士、梅涛博士,还有北京大学信息科学技术学院林宙辰教授、悉尼大学电子与信息工程学院徐东教授。

产业界:百度副总裁王海峰成为中国大陆首位 ACL Fellow

11月28日晚,国际计算语言学会(The Association for Computational Linguistics:ACL)公布了2016年 ACL 会士名单。

本年度全球共评出4位会士。其中,百度副总裁王海峰成为首位获此荣誉的中国大陆科学家,同时也是ACL目前最年轻的会士,因为他在机器翻译、自然语言处理和搜索引擎技术领域,在学术界和工业界都取得了杰出成就,对于ACL在亚洲的发展也做出了卓越贡献。ACL会士评选委员会在对王海峰的评语中写道:王海峰在机器翻译、自然语言处理和搜索引擎技术领域,在学术界和工业界都取得了杰出成就,对于ACL在亚洲的发展也做出了卓越贡献。

百度副总裁王海峰

资料显示,由王海峰领导研发的百度翻译产品目前支持28种语言、756个方向的自动翻译,并于2015年5月上线了全球首个融合神经网络机器翻译和统计机器翻译模型的大规模在线翻译系统。其领导的“基于大数据的互联网机器翻译核心技术及产业化”还荣获了2015年国家科技进步奖,这也是我国互联网企业首次获得该奖项。

除了机器翻译,作为百度技术副总裁,王海峰还负责百度搜索、语音搜索、图像搜索、信息流、手机百度、小度机器人、自然语言处理、知识图谱、互联网数据挖掘等业务,并曾创始了百度语音、图像、推荐及个性化、深度学习、度秘等多个技术方向。当谈及人工智能的未来发展时,王海峰表示,“如何利用人工智能实实在在地造福人类,一直都是百度的努力方向。未来,百度将在利用人工智能技术更好地帮助用户获取信息、找到所求方面进行更多的探索和创新。”

2010年底,王海峰当选ACL候任主席,并于2013年出任 ACL 主席(President),成为 ACL五十多年历史上唯一出任过主席的华人。在他的大力推动下,ACL学术年会于2015年登陆北京,首次在中国大陆召开。而此次王海峰当选ACL会士,则再次向世界发出一个讯号,人工智能的研究将进入“中国时间”。

同时,微软亚洲研究院首席研究员周明现在是ACL的候任主席。周明,微软亚洲研究院首席研究员、中国计算机学会理事、中文信息技术专委会主任、术语工作委员会主任、中国中文信息学会常务理事,哈尔滨工业大学、天津大学、南开大学、山东大学等多所学校博士导师。1985年毕业于重庆大学,1991年获哈尔滨工业大学博士学位。1991-1993年清华大学博士后,随后留校任副教授。1996-1999访问日本高电社公司领导中日机器翻译研究。他是中国第一个中英翻译系统CEMT-I(哈工大1989年)、日本最有名的中日机器翻译产品J-北京(日本高电社1998年)的研制者。1999年加入微软亚洲研究院,不久开始负责自然语言研究组。他的团队研制了微软输入法、英库词典(必应词典)、中英翻译、微软中国文化系列(微软对联、微软字谜、微软绝句)等著名系统,并对微软Office、必应搜索、Windows等产品中的自然语言技术做出了重要贡献。近年来他领导研究团队与微软产品组合作开发了微软小冰(中国)、Rinna(日本)、Tay(美国)等聊天机器人系统。周明博士发表了100余篇重要会议和期刊论文(包括45篇以上的ACL文章),拥有国际发明专利40余项。他多年来通过微软与中国和亚太地区的高校和学术团体在学术研究和人才培养等多方面紧密合作,对推动计算语言学和自然语言处理的研究在区域内的发展做出了杰出贡献。

对于当选ACL主席,周明博士表示:“我十分荣幸当选为新一届ACL候任主席。这次当选体现了国际计算语言学和自然语言处理研究领域对中国最近二十年来在相关科研领域所取得的惊人进步和卓越成就的认可。此外,中国与美国、日本等国家之间的广泛合作,大大推动了亚太地区迈向计算语言学和自然语言处理领域学术研究的最前沿。”面向未来,周明博士表示,他将认真履行主席职责,在任期内,积极推动自然语言处理研究的多样化创新,促进不同国家和地区之间的学术交流与合作,进一步推动本领域的人才培养和技术发展。更多人工智能解读:www.yangfenzi.com/tag/rengongzhineng

近年来,中国力量在国际学术组织和会议上的存在感和影响力愈发强大,可以看成是中国人工智能快速发展的一个标志。不仅如此,中国的人工智能产业也正在完成从0到1的崛起,在国际学术会议和产业市场中,中国人在人工智能领域的影响力越来越强。

但是,不容忽视的是学术研究过渡到产业上依然还存在很大的鸿沟,需要有更多的机制和渠道,保证二者的顺畅沟通。随着中国人工智能学术研究逐渐变强,产业也应该有相应的发展和进步,才能确保中国在世界人工智能竞赛中的地位。

【来源:acm.org、IEEE清华分会、微软研究院AI头条 作者:新智元 文强】

周志华包揽AI领域会士大满贯|2017 ACM、AAAI、IEEE华人名单

清华大学5位教师9位校友获选2017年度IEEE Fellow

董新洲(Xinzhou Dong),1983、1991、1996年在西安交通大学先后获得学士、硕士、博士学位,1999年天津大学博士后出站被引进清华大学电机系任教至今,现为清华大学电机系教授。研究方向为电力系统故障分析、继电保护、故障行波理论、行波保护、行波测距、小波变换应用、无通道保护、面向电网安全的系统保护、智能变电站集成保护等。因基于行波的输电线路保护及故障定位的贡献而获选。

康重庆(Chongqing Kang),1988年考入清华大学电机工程系,1993年获双学士学位(电机工程、环境工程),1997年获博士学位。毕业后留校任教,现为清华大学电机系教授。主要研究方向为电力系统规划、电力系统优化运行、低碳电力技术、可再生能源、负荷预测、低碳电力技术、电力市场。因不确定环境下的电力系统运行和规划做出的贡献而获选。

李力(Li Li),1999年在华中理工大学电信系获学士学位, 2005年在美国亚利桑那大学系统与工业工程系获博士学位。2006年8月任教清华大学自动化系,现为自动化系系统工程研究所副教授。研究领域为复杂系统和网络化系统、智能控制和感知、智能交通系统和智能汽车。因对智能交通系统和汽车的贡献而获选。

王建勇(Jianyong Wang),1999年4月在中国科学院计算所获博士学位,现为清华大学计算机系计算机软件研究所研究员。主要研究方向为数据挖掘及Web数据管理。因对开发高效的数据挖掘算法的贡献而获选。

王志华(Zhihua Wang),分别于1983、1985和1990年在清华大学电子工程系取得学士、硕士和博士学位。现为清华大学微电子学研究所教授。研究领域包含集成电路和系统的设计方法学,用于医疗和通信的低功耗模拟与射频集成电路设计,高速实时信号处理等。因对电路和微系统在医学中应用的贡献而获选。

戴怀宇(Huaiyu Dai),1991考入清华大学电子工程系,1996年和1998年先后获得学士和硕士学位;2002年在美国普林斯顿大学电子工程系博士学位。现为美国北卡罗来纳州立大学电子与计算机工程系教授。研究领域包括数字通信、数字信号处理、多媒体信号处理、无线网络。因对多变量控制系统通信和无线安全的贡献而获选。

邓镜(Jing Deng),1989年考入清华大学电子工程系,分别于1994年及1997年获得学士及硕士学位。2002年在美国康奈尔大学获得电机与计算机工程博士学位。现为美国北卡罗来纳大学计算机系副教授。研究领域包括网络安全、网络系统等。因对开发和优化无线安全和网络协议的贡献而获选。

黄振宇(Zhenyu Huang),1994年在华中科技大学电子工程系获学士学位,1999年在清华大学电机工程系获博士学位。现为美国西北太平洋国家实验室能源和环境局的高级研究工程师。研究领域包括高性能计算、相量技术和电力系统的稳定性及仿真。因对动力系统中的动态分析和高性能计算做出贡献而获选。

李京山(Jingshan Li),1989年在清华大学自动化系获学士学位,1992年在中国科学院自动化研究所获硕士学位,2000年在美国密歇根大学获得电气工程与系统博士学位。2000—2006年,在美国通用汽车公司研发中心工作;2006—2010年,就职于肯塔基大学的电子和计算机工程系;2011年起就职于威斯康辛大学麦迪逊分校。现为威斯康辛大学麦迪逊分校工业与系统工程系教授。研究方向是生产系统的建模分析和优化。因对制造系统自动化方面的贡献而获选。

刘江川(Jiangchuan Liu),1999年在清华大学计算机系获学士学位,2003年在香港科技大学获博士学位。现为加拿大西蒙•弗雷泽大学计算机学院教授。2013—2016年任清华大学计算机系讲席教授。研究领域包括计算机网络和多媒体的各个方面,从计算科学理论到系统设计、开发和优化的实际问题。因对互联网上的多媒体通信及内容分发做出贡献而获选。

刘铁岩(Tieyan Liu),1994年考入清华大学电子工程系,分别于1998年、2000年、2003年获得学士、硕士、博士学位。刘铁岩是排序学习领域的知名专家,现任微软亚洲研究院首席研究员。因对网上搜索和在线广告的机器学习的贡献而获选。

谭晓波(Xiaobo Tan),1995年和1998年在清华大学自动化系获得学士和硕士学位,2002年在马里兰大学电气及计算机工程系获博士学位。现为美国密歇根州立大学电气及计算机工程系、机械工程系教授、智能微型系统实验室主任。研究方向为智能材料、微型仿生机器人及自动控制。因智能材料和水下机器人的建模与控制的贡献而获选。

王真(Zhen Wang),1996年在清华大学电机工程系获学士学位,2000年和2002年在美国康涅狄格州立大学电机工程系获硕士和博士学位。2004年8月任教加拿大英属哥伦比亚大学电子与计算机工程系,现为该系教授。研究方向为统计信号处理理论和应用(多媒体安全,无线通信和生物医学问题)。因对多媒体安全和大脑数据分析的统计信号处理做出贡献而获选。

吴郢(Ying Wu),1994年在华中科技大学自动控制系获学士学位,1997年在清华大学自动化系获硕士学位,2001年美国伊利诺伊大学香槟分校电子与计算机工程系获博士学位。现为美国西北大学电气工程与计算机科学系教授、计算机视觉实验室主任。研究方向为计算机视觉、统计模式识别、多媒体处理、生物图形处理等。因对计算机视觉中的运动分析和模式发现的贡献而获选。

周志华包揽AI领域会士大满贯|2017 ACM、AAAI、IEEE华人名单

氧分子网www.yangfenzi.com)注:

中国人工智能学会(Chinese Association for ArtificialIntelligence,CAAI)成立于1981年,是经国家民政部正式注册的我国智能科学技术领域唯一的国家级学会,是全国性4A级社会组织,挂靠单位为北京邮电大学;是中国科学技术协会的正式团体会员,具有推荐“两院院士”的资格。

目前拥有40个分支机构,包括34个专业委员会和6个工作委员会,覆盖了智能科学与技术领域。学会活动的学术领域是智能科学技术,活动地域是中华人民共和国全境,基本任务是团结全国智能科学技术工作者和积极分子通过学术研究、国内外学术交流、科学普及、学术教育、科技会展、学术出版、人才推荐、学术评价、学术咨询、技术评审与奖励等活动促进我国智能科学技术的发展,为国家的经济发展、社会进步、文明提升、安全保障提供智能化的科学技术服务。

学会自主创办中国智能博览会、中国智能产业高峰论坛、中国人工智能大会、“华为杯”全国大学生智能设计竞赛、全国大学生计算机博弈大赛、IEEE云计算与智能系统国际会议等规模化、系列化学术活动。与此同时,学会带头发起成立了全国智能机器人创新联盟等创新联盟。为智能科学技术工作者提供了一个展示、交流、融合科研成果的平台,有效地促进了智能科学技术的发展。

学会主办有公开出版物《智能系统学报(CAAI Transactions on Intelligent Systems)》(中文核心期刊);内部刊物《智能技术学报(CAAI Transactions on Intelligent Technology)》、《中国人工智能学会通讯》、《学会通讯》青年专刊《AI学者》网络文摘等中文杂志,另有在日本出版的英文刊物《International Journal of AdvancedIntelligence》;2015年推出了学科白皮书系列以及三本颇具影响力的发展报告,同期年底还推出了以中国人工智能学会命名的“机器人与人工智能”书系。

·氧分子网http://www.yangfenzi.com)综合。

氧分子网(www.yangfenzi.com)是关注互联网生态圈的科技新媒体

·氧分子网http://www.yangfenzi.com)延伸阅读:

➤ 【nature】深度学习巨头看人工智能界人才迁徙

➤ 微软亚洲研究院院友会成立,李开复 张亚勤 沈向洋 洪小文论剑AI

➤ 青年女科学家胡海岚探秘头脑特工队,揭开抑郁症等情绪病密码

➤ 人工智能专家李飞飞、李佳加盟Google,领导谷歌云机器学习部门

➤ 人工智能先驱、LOGO语言创始人西蒙·派珀特(Papert)去世

分享给您的好友:

您可能还喜欢…

2 Responses

  1. 专访新智元AI年度人物周志华:不负责任的夸大渲染是人工智能最大阻碍说道:

    新智元2016中国人工智能年度人物评选活动昨夜结束,114名人工智能界专家参与投票。最终南京大学教授周志华以55票的得票数当选2016中国AI年度人物,得票率高达48%。新智元第一时间联系周志华并进行了采访,他谈到了目前中国人工智能的发展情况、遇到的最大阻碍和短板所在:部分媒体不负责任的夸大渲染,造成“人工智能威胁论”等无聊说法对社会大众造成负面影响。他认为,(目前的)短板是如何提高社会大众乃至政府部门对人工智能技术发展现状与前景的客观认识。

    新智元2016中国人工智能年度人物评选昨晚22时公布投票结果。南京大学教授周志华以55票的得票数当选年度学术人物,得票率高达48%。

    新智元2016中国人工智能年度人物的评选由新智元于12月底在新智元智库专家群中发起,提名阶段向专家征集10名候选人及提名理由,拟分学术和企业选出2016中国人工智能年度人物各一名。正式投票于2016年12月29日晚22时启动,投票截止日期为2016年12月31日。本次评选活动面向专家群体全程公正公开,所有专家都是实名投票(详细名单见文末)。

    12月31日晚22时,新智元在专家群发布了本次评选结果,在114张有效票数中,周志华拿到了55张,成功当选。消息一出,原本正在互相祝贺“新年快乐”的微信群忽然“歪楼”,众位专家纷纷发言,祝贺周志华当选。

    有专家表示:“祝贺周教授,众望所归”,也有专家说:“祝贺,实至名归”。粗略估算,至少50名专家在微信群中对周志华表示祝贺,形成“刷屏”之势。

    在一片“祝贺”的欢呼声中,周志华老师也亲自露面,用“红包”回应大家的支持,他保持了一贯低调谦虚的风格,写道:“惭愧,谢谢大家的厚爱!”

    票选结束后,在2016年的尾巴上,新智元第一时间联系周志华并进行了采访,他谈到了目前中国人工智能的发展情况、遇到的最大阻碍和短板所在:

    专访周志华,谈中国人工智能的最大阻碍和短板

    新智元:如果让你总结你的2016年,你认为关键词是什么?

    周志华:努力。侥幸。

    新智元:你认为2016年人工智能整体发展情况如何?

    周志华:技术上,正常,稳步前进。媒体上,过热,乱象丛生。

    新智元:哪件事最令你印象深刻?

    周志华:AlphaGo所掀起的社会大众对人工智能关注的热潮。

    新智元:你认为目前中国人工智能学术研究水平在国际上处于什么位置?

    周志华:某些方面已经达到国际前沿甚至局部领先,总体上已经成为国际上受到尊重、不容忽视的力量。但与领头强国相比,在厚度和广度上仍有很大差距。

    新智元:你认为一年以来,中国人工智能的最大阻碍是什么?目前短板在什么地方?

    周志华:部分媒体不负责任的夸大渲染,造成“人工智能威胁论”等无聊说法对社会大众造成负面影响。

    (目前的)短板是如何提高社会大众乃至政府部门对人工智能技术发展现状与前景的客观认识。

    新智元:展望2017年,你认为人工智能最有可能突破的方向?

    周志华:机器学习技术将在更多行业带来更大价值。

    理性的科学家

    在采访中,可以看到,周志华对人工智能的发展有着非常清醒的认知,希望媒体能够更专业客观地向社会描述人工智能的发展。这是以新智元为代表的人工智能垂直平台的责任所在。在对新智元年度回顾文章——《【2016新智元TOP10热文】AI简史一起回顾,这了不起的366天》进行点评时,他写道:

    这个平台体现了新媒体行业的高速发展。希望它能够成长发展得更专业,为人工智能向社会传递专业信息和正能量。

    在人工智能如此火热的今天,周志华对技术的发展也始终保持高度理性和清醒的认知。对于近年来最火热的技术——深度学习,以及人工智能未来的发展走向,周志华在多场报告中都提到过他的观点,主要概括如下:

    关于深度学习与人工智能:

    1.深度学习可能有“冬天”,它只是机器学习的一种技术,总会出现更“潮”的新技术。
    2.机器学习不会有“冬天”,只要有分析数据的需求,就会用到机器学习。

    关于未来的思考:

    1、技术上:一定是能有效利用 GPU 等计算设备的方法(未必是深度学习)。
    2、任务上:开放环境的机器学习任务特别重要(鲁棒性是关键)。
    3、形态上:希望是从现在的“算法 + 数据”过渡到“学件”的形态。

    周志华2016 新概念:学件(Learnware)

    “学件”(Learnware)一词是周志华的原创,在今年6月份前后首次提出,此前新智元曾对这一概念进行过报道。具体说来:

    学件(Learnware)= 模型(model)+规约(specification)

    根据周志华在报告中的介绍,学件致力于解决当下机器学习面临的几个局限。他说:“我们可以看到机器学习的技术局限性仍然很多,当然,我们可以针对每个问题一一解决,但这难免进入一种“头疼医头,脚疼医脚”的境地。所以我们是否可以跳出这个框架,从整体上来解决这些问题呢?”

    很多人可能在自己的应用中已经建立了这样的模型,他们也很愿意找到一个地方把这些模型分享出去。那以后一个新用户想要应用,也许不用自己去建立一个,而是先到“学件”的市场上找一找有没有合适的,可以拿来使用修改。

    比如说,要找一把切肉的刀,可以先看看市场上有没有这样的刀,不会说自己从采矿开始重新打一把刀。如果没有合适的刀,也许会选择一把西瓜刀,然后用自己的数据重新“打磨”一下,让它满足自己应用的需要。

    所以,这个想法就是希望能够部分地重用他人的结果,不必“从头开始”。

    有了“学件”的框架以后,很多之前提到的局限可能都会迎刃而解:

    “可重用”的特性能够获取大量不同的样本;
    “可演进”的特性可以适应环境的变化;
    “可了解”的特性能有效地了解模型的能力;
    因为是专家基础上建立的,所以比较容易得到专家级的结果;
    因为共享出来的是模型,所以避免了数据泄露和隐私泄露的问题。

    除了解决了原有的问题,“学件”很有可能会催生出一个新产业,类似于软件产业。因为大家可以把自己的模型放到市场上,提供给别人使用,如果被使用得很多,又很好用,用户很广泛,那么可以对这个“学件”定价使用,创造出经济价值。

    一本风靡人工智能圈的畅销书:西瓜书《机器学习》

    提到周志华,对于大众来说,一个不得不提的话题就是被称为“西瓜书”的机器学习入门教材《机器学习》。

    周志华所著的机器学习入门教材《机器学习》,俗称“西瓜书”,已经成为人工智能入门必读物。

    《机器学习》一书由周志华撰写,清华大学出版社出版,2016年1月1日第一版发行。根据亚马逊的统计数据,新书上市仅仅三个月销量便突破3万册,是人工智能领域绝对的畅销书。

    全书共16章,大致分为3个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2部分(第4~10章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索。

    如果要评选人工智能领域的“年度图书”,这本《机器学习》应该有一席之地。

    2016——周志华的大满贯之年

    2016年周志华在国际学术会议和组织中获得了广泛的认可,当选多个组织的Felllow,成就了AI领域“大满贯”会士中国第一人。

    今年年初,周志华教授因其在机器学习领域,尤其是集成学习与多标记及部分标记数据学习上的卓越贡献当选 AAAI Fellow,也是首位唯一在中国大陆取得博士学位的 AAAI Fellow——用周老师的话说,“是在中国大陆取得所有学位,在海外最多只连续呆过两个月,彻头彻尾的‘本土学者’”。

    加上最新的ACM 会士,周志华已经拿下了AI 领域多个学会的会士。据不完全统计,其余的包括:国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE)、中国计算机学会等学会的会士。可以说,跟人工智能相关的领域基本都齐了。

    根据南京大学官网 11 月 24 日报道,周志华教授日前还被美国科学促进会(AAAS)宣擢升为该学会的 Fellow。AAAS 成立于1848年,是世界上最大的综合科学学术组织,下设24个学部,拥有超过12万名会员,服务于1000万以上的科学家,是著名学术期刊 Science 的主办方和出版者。Fellow (会士)是该学会给予会员的最高荣誉,颁给世界范围内对促进科学及其应用进步做出卓越贡献的人士。2016年,“信息、计算与通讯”学部全球共有19位学者入选,周志华教授是该学部最年轻的,也是唯一入选的中国大陆学者。

    提名周志华的专家和理由

    【周志华】教授因其在机器学习领域的杰出成就,尤其是集成学习与多标记及部分标记数据学习上的卓越贡献而获此殊荣("For significant contributions to ensemble methods and learning from multi-labeled and partially-labeled data.")。周志华教授成为历史上第3位华人AAAI Fellow,也是此次入选的唯一来自美欧之外的学者,并且是唯一在中国大陆取得博士学位的AAAI Fellow。

    推荐人:华为传感器首席专家丁险峰

    【周志华】中国目前最顶级的世界知名机器学习专家,几大国际组织的Fellow,大满冠。其著作机器学习已成为经典著作。

    推荐人:中科院计算所研究员张云泉

    【周志华】中国目前最顶级的机器学习专家,在国际上有重要影响力和知名度,在国内为人工智能学科建设和人才培养作出了重要贡献。

    推荐人:上海阡寻白硕

    【周志华】中国本土培养成长起来的世界著名机器学习专家,囊括几大国际组织的Fellow。中国Al年度人物当之无愧。

    推荐人:北京大学教授封举富

    【周志华】对机器学习多个方向的理论研究做出了重要的贡献,也在实际场景中取得了多项有效应用。同时在学校潜心科研,著书立说教书育人,在当今社会尤为难得。今年取得相关领域国际顶级学术组织fellow大满贯,称得上实至名归。

    推荐人:肖京

    微软研究员郑宇、新泽西州立大学熊辉、360首席科学家颜水成、自动化所王亮附议。

    周志华简介
    周志华,男,1973年11月出生,博士。现任南京大学计算机科学与技术系副主任、南京大学计算机软件新技术国家重点实验室常务副主任、机器学习与数据挖掘研究所 (LAMDA) 所长,校、系学术委员会委员。美国计算机学会(ACM)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE)、 中国计算机学会等学会的会士 (Fellow)。

    教育及工作经历:

    1996、1998、2000年在南京大学计算机科学与技术系获学士、硕士和博士学位。
    2001年1月起,在南京大学计算机科学与技术系任教。
    2002年破格晋升副教授。
    2003年获国家杰出青年科学基金,随后被聘任为教授。
    2006年入选教育部长江学者特聘教授。
    2007年11月成为南京大学机器学习与数据挖掘研究所(LAMDA)创始主任。
    2010年11月担任南京大学新型软件技术国家重点实验室常务副主任。
    2013年5月起担任南京大学计算机科学与技术系副主任。

  2. 郑宇:这个时代不缺数据,缺得是足够开放的思维说道:

    本文转自:大数据文摘|bigdatadigest 作者 | 邓旭川 魏子敏

    郑宇,CCF杰出会员、CCCF编委、CCF ADL工作组组长。微软亚洲研究院主管研究员、“城市计算”领域负责人,美国计算机学会杰出科学家、ACM数据挖掘中国分会(KDD China)秘书长、上海交通大学讲座教授、香港科技大学客座教授、人工智能国际权威期刊(SCI一区刊物)ACM TIST主编,2013年被MIT科技评论评为“全球杰出青年创新者”(TR35),以主作者身份在顶尖国际会议和期刊上发表论文50余篇,论文被引用12000余次,Google Scholar H-Index 53(截至2017-3-10), 2016年论文单年被引用3200余次。他主持开发了多个城市大数据系统,其中Urban Air首次利用大数据来监测和预报细粒度空气质量,该服务覆盖了中国的300多个城市,并被中国环境保护部采用。2016年,他主持了城市大数据平台的设计和实施,并成功在中国大数据示范基地贵阳市部署。

    “数据分析师与数据科学家的区别 就像本科与博士做研究一样:本科生是老师手把手教题目,而博士生是自己找题目。”

    作为人群聚集区,城市是一个天然的数据集中池。

    社交媒体、交通流量、气象、地理等多种大数据都在这里汇聚,物联网、传感器的发展,也让这些数据得以被追踪存储。当这些时空数据集被组合起来,并与人工智能结合,这似乎是一条解决交通拥堵、环境恶化、能耗增加等城市问题的新的角度。

    “我们都生活在城市中,城市跟我们的生活密切相关。我是做计算机科学的人,那为什么不能想办法解决身边的那些最常见的问题呢?”在一次公开采访中,郑宇如此描述自己钟情城市计算的一个原因。

    近年来,城市计算(Urban Computing)逐渐走入公众视野,并且越来越受到社会关注。这是计算机科学以城市为背景,与城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。城市计算通过不断获取、整合和分析城市中不同领域的大数据来解决城市所面临的挑战。

    在2013年,郑宇因为在城市计算方面的杰出研究被《MIT科技评论评》评为全球杰出青年创新者。

    雅虎创始人杨致远、谷歌联合创始人拉里•佩奇、Facebook创始人马克•扎克伯格、Twitter联合创始人杰克•多西以及苹果设计师乔纳森•艾维等多位互联网明星都曾入选TR35。而郑宇是当年入选者中仅有的两位来自中国机构的创新者之一。

    微软研究院郑宇带领团队主持“城市计算”以来,通过分析和融合城市中的各种大数据,实现了一系列关于智能交通、城市规划、环境和能源的实际案例。相关技术不仅被应用于微软的产品,并且还在多个城市服务于中国政府。

    3月20日,微软亚洲研究院“城市计算”领域负责人郑宇博士近期在清华大数据讲座上分享了题为“大数据驱动城市计算”的讲座。

    演讲后,我们有幸针对“数据科学团队建设问题”对郑宇博士补充了相关采访问题,针对这样一个时空数据交杂的分析领域,郑宇在组建数据团队和数据人才培养方面有着自己的独到见解,此外,针对技术和研究方向上,他也给出了基于自己经验的看法。

    以下为问答实录——

    数据分析师与数据科学家的区别
    就像本科与博士做研究一样

    Q:数据分析师和数据科学家有什么区别?

    郑宇:很多公司的招聘广告上面写招聘数据科学家其实都不是招真正的数据科学家,而是数据分析师。数据分析师有明确的任务,明确的数据,结果也明确,他会用一些分析工具去跑一些报表,然后提交结果。而数据科学家要有能力自己找题目,首先要懂得行业问题,其次懂得数据背后的隐含信息,然后还要知道这个行业问题之后你要知道用什么数据如何解决这个问题。除此以外,还要对各种模型都很清楚,不光是机器学习,还有数据管理以及可视化,把很多模型要组合在一起。最后要对云计算平台有一定的了解,要学会怎么用,甚至要学会怎么改它,一个好的数据科学家是站在云平台上面看问题、想数据、关联模型,把这些模型有机组合起来部署到云平台上面,产生鲜活的知识,解决行业问题,这个才是大数据。其中的区别就像本科与博士做研究一样,本科生是老师手把手教题目,博士生是自己找题目。

    我通过两个例子讲述一下什么叫数据科学家,什么叫数据分析师:

    先举一个数据分析师的例子:银行向用户发信用卡,用户提交的表格上有他的年龄、职业、收入等信息,需要分析师判断是否给这个用户发信用卡。这是一个YES or NO的问题,分析师要做的是拿个人的信用记录去训练一个分类模型。任务明确,数据明确,决定也很明确。

    再说一个政府向数据科学家提出的需求:“徐汇区有一条路灰很多,怎么用大数据去处理?”、“北京市建副中心到通州以后对北京整个的经济、环境、交通有什么影响?”这个问题不是因果问题,不是预测问题,也不是关联问题,需要你去想找什么样的数据,怎么展现怎么实施。没有具体问题也没有具体数据,这就是数据科学家应该解决的问题。

    Q:您的团队大致有多少人组成?与数据相关的团队有多少人,有哪些不同的职位划分?

    郑宇:我的核心团队其实没有大家想象的那么大。有2位研究员、4名软件工程师和八、九名研究助理组成。根据城市计算的四个层面(城市感知、城市数据管理、城市数据的分析和挖掘、服务提供)以及每个人的特长和兴趣,我会给这些组员分配不同的工作。其中一位研究员带领几名研究助理和工程师,负责数据管理层面。另一位研究员带领几名研究助理和工程师,负责城市数据的挖掘和分析层面。另外几名研究助理会分布在城市感知以及服务提供两个层面。我会参与到城市计算各个层面的项目中去。此外,我们会跟一些合作伙伴展开合作,比如,会有一些高校的团队在某些项目中帮助我们做一些可视分析. 另外,我们也会经常跟市场部门的合作伙伴一起跟客户沟通,了解他们的需求,协调数据并最终部署技术。

    Q:数据相关团队在微软及您的整个团队中所处地位如何?

    郑宇:数据团队在一个项目的始终都扮演者及其重要的作用。从最开始的市场接入环节,我们的数据团队就要开始参与到其中,了解用户的需求和掌握的数据情况,甚至要帮助用户分析和提出他们的需求。在现在这些数据驱动和人工智能主导的项目中,单纯依靠销售和市场团队很难打开局面,也很难形成跟客户的有效配合。最后期,我们还要对第三方运维企业做有效的培训,确保他们能够维护我们部署的系统。

    大数据时代我们真的不再缺数据了
    缺得是我们的思维不够开放

    Q:一个好的数据科学家最关键的品质是什么?

    郑宇:你会发现在大数据时代我们真的不再缺数据了,缺得是我们的思维不够开放,思考问题A的时候不要一直看问题A的数据,其实会发现问题B和C的数据都可以拿来用,而且这个数据完全可以不是你这个领域的数据。只有你对这个问题理解深刻以后才能把别的数据背后的知识拿过来做融合。很多时候项目推动不了不是人数不够,而是因为缺乏中间灵魂的头脑,培养这样的人其实是非常困难的。以我个人的经验至少七到十年才能培养出这样一个真正的数据科学家来,这样一个人可以解决很多问题。所以我鼓励大家,你至少读一个五年PHD加两年的实战经验,基本上可以来做这样的事情。

    Q:那么算法的理论知识和实际项目的实践经验哪个更重要?

    郑宇:两个方面都很重要,但是后者的学习和获取过程更困难。

    数据挖掘的模型你可能拿本书学个两三年基本能学会一些模型,但是很多项目的经验,你的真的很少有机会接触到这样的项目。只有把系统部署到真实世界中用起来,拿到新的反馈,再改进模型,经过这几次迭代过程你会学到很多东西,但是这个机会特别少,特别难得。而且你从后者怎么吸取和提炼这种经验也很重要,如果没有总结能力和提取能力的话,换个新问题你还是不会做。所以我觉得这两者都重要,后者培养起来更加困难一点。

    Q:您怎么看待数据驱动?数据驱动在一个企业可以辅助商业决策,请列举在过去几年利用数据解决研究问题/发现观点的一个有趣的例子。

    郑宇:从商业选址到空气质量预测,数据驱动的方法已经多次作出了有效的决策。比如,合理的为商业店面选址可以带来更多的人气,提升商业的收益并降低企业的投入。通过数据驱动的方法为充电桩选址,可以让有限的资源为更多车服务,并且避免过度拥堵。另外,在住宅地产选址的过程中,我们发现除了学区房,影响小区价值的另一个重要因素是该小区通向最近高速公路入口的路网距离(或者通行时间)。位置很近的两个小区,其价值(根据同一市场环境下的涨幅比来确定)可以相差很远。
    关于数据模型资产的复用
    有两个东西可以转移

    Q:北上广这些城市的数据化基础设施比较好,那么在这些地区做城市研究会相对可操作,但是,在其他的比较落后的地区如何开展相关城市计算研究呢?

    郑宇:我们在研究中,会遇到有两个类似的模型应用场景的情况,但是我们不能直接把在A场景做的模型应用到B场景去,这时候,我建议基于迁移学习的方法来做不同场景间的知识的转移。有两个东西可以转移:

    第一,数据和数据之间的关系可以转移:比如说出现拥堵的时候空气质量会变坏,当湿度比较高的时候容易形成雾霾。这种数据和数据之间的关系在很多地方都是普遍存在的,可以在A 城市里面用丰富的数据训练出一些字典,然后以此为基准复用到B、C、D城市去。

    第二,利用隐含空间:数据本身可能不能转移,但是把数据投影到隐含空间以后,不同城市的数据就可以共享。我举个隐含空间的例子,比如北京市的交通流量和宁波市的交通流量肯定很不一样,但是它们投影到隐含空间里面可能都是早高峰堵、晚高峰堵中间不堵,如果都能投影到类似的隐含空间以后,不同城市的数据就可以共享和利用。

    Q:如何选择模型特征?

    郑宇:在做模型特征选择时,数据质量比特征重要,特征比模型重要。

    第一,如果你根本都没这个数据的话你可能费很大劲设计各种模型才能得到一点好的结果,如果你的数据质量很好,你有这个数据了,就很容易得到结果。

    第二,业务理解深度和对数据的敏感度决定了你能找到的特征好坏。如果提了很好的特征,可能根据两三个特征就能得到别人十几个特征的不得结果。我们提取什么特征完全取决于我们对问题本身的理解,所以我着眼在与行业知识结合,数据挖掘其实是一个发现知识的过程,我们需要有从数据里面提炼知识解决问题的能力。

    第三,数据越大、质量越好,特征的选择的必要性越低。在传统的数据挖掘里往往有很多参数但训练样本又很少,所以不得不进行特征优选,使得训练样本还是那么多,但是参数变少,这样可以保证训练效果跟以前不差甚至更好。而现在我们拥有海量数据了,哪怕多选了一些冗余的特征,也可以依靠后面模型的力量来通过权重参数的做约束,越来越多的机器学习算法本身就考虑了特征的冗余性问题,所以在你拥有足够大的高质量数据之后,是没必要花费太多的精力在特征剔除上。

    有问题的时候不要
    先去看别人怎么做的
    最重要的是你是否真的
    对用数据解决问题感兴趣

    Q:怎么决定研究方向?

    郑宇:我们基本上所有的工作都来源对生活的观察。最重要的一点是你是否真的对用数据解决问题感兴趣,你真正能够体会到这种乐趣的时候就进入状态了。

    通常我们在看到现实生活中真的有很难的题目后,会在设计完方法以后再看有没有相关的工作做过了,这避免了我们的思路跟别人重复。再此我也建议大家,如果你有问题的时候不要先去看别人怎么做的,很多学生喜欢这么想,看到一个题目马上就去搜别人怎么做的,然后马上跟着别人思路走进去了,很难有创造性的思维。

    Q、对于希望进入数据领域的工程师,分析师们,您希望他们加强哪方面的技能培养?

    第一,加强数据科学的基本技能培养,包括数据管理、机器学习和可视化技术以及云计算平台的使用。

    第二,加强对要解决问题所在行业的了解,借助行业现有的知识来设计合理的数据模型,明确行业传统方法为什么不行,并懂得跟行业专家有效沟通。

    第三,培养沟通和表达能力。现在的数据科学家不再是关起门来在家里闭门造车的工匠或者学者,他需要把深奥的问题和理论用最浅显的语言讲出来,让政府以及传统行业的客户能够明白。

    最后,培养自己的创作力。很多时候客户是提不出需求的,作为一个数据科学家要有超前的想象力和犀利的创造力。这点最难培养,跟一个人的成长经历有关,甚至要从娃娃抓起。

    我正在为MIT Press撰写一本《城市计算》的英文专著,里面涉及了数据科学家需要掌握的各种技能,以及实战案例。该书将作为美国该专业的第一本教材,预计年底出版,有兴趣的朋友可以关注。”

    附:CCF ADL活动预告及专委征文通知

    CCFADL79《存储器件与系统前沿》
    主题:存储器件与系统前沿
    时间地点:2017年6月14-16日 北京

    学术主任:舒继武 清华大学 、华宇 华中科技大学

    特邀讲者:钱学海 南加州大学
    演讲题目:Accelerating Neural Network and Graph Processing with Memory-Centric Architecture

    特邀讲者:华宇 华中科技大学
    演讲题目:高效检索的智能存储系统

    特邀讲者:李柏晴 香港中文大学
    演讲题目:On the Performance and Dependability of Large-Scale SSD Storage Systems

    特邀讲者:杨庆 罗德岛大学
    演讲题目:Introducing DPU – Data-storage Processing Unit –Placing Intelligence in Storage

    特邀讲者:谢源 加州大学圣芭芭拉分校
    演讲题目:Memory-Centric Architectures to Close the Gap Between Computing and Memory/Storage

    特邀讲者:江泓 德州大学阿灵顿分校
    演讲题目:Data Reduction in The Era of Big Data: Challenges and Opportunities

    特邀讲者:李涛 佛罗里达大学
    演讲题目:构建面向新技术和新兴应用的大数据时代下新型非易失性存储系统

    特邀讲者:陈海波 上海交通大学
    演讲题目:Scalable In-memory Computing: A Perspective from Systems Software

    特邀讲者:舒继武 清华大学
    演讲题目:基于非易失存储器的存储系统软件层优化

    报名二维码:
    报名二维码
    2017年全国高性能计算学术年会(HPC CHINA 2017) 征文通知
    主办:中国计算机学会
    承办:CCF高性能计算专业委员会、中国科学技术大学
    协办:北京并行科技股份有限公司、安徽大学

    大会共同主席:
    陈国良 中国科学技术大学 教授 中国科学院院士
    王晓平 中国科学技术大学 教授 副校长

    指导委员会主席:
    孙凝晖 中国科学院计算技术研究所 研究员

    程序委员会共同主席:
    许胤龙 中国科学技术大学计算机学院 教授 副院长
    金 海 华中科技大学 教授

    组织委员会共同主席:
    李 京 中国科学技术大学计算机学院 教授
    陈 健 北京并行科技股份有限公司 总经理

    展览展示主席:
    徐 云 中国科学技术大学计算机学院 教授
    袁晓如 北京大学 研究员

    论坛主席:
    安 虹 中国科学技术大学计算机学院 教授
    詹剑锋 中国科学院计算技术研究所 研究员

    征文涉及的领域包括但不限于:高性能计算机体系结构、高性能计算机系统软件、高性能计算环境、高性能微处理器、高性能计算机应用、并行算法设计、并行程序开发、大数据并行处理、科学计算可视化、云计算和网格计算相关技术及应用,以及其他高性能计算相关领域。会议录用论文将分别推荐到《计算机研究与发展》(EI)、《计算机学报》(EI)、《计算机科学与探索》(正刊)、《计算机工程与科学》(正刊)、《计算机科学》(正刊)、《太原理工大学学报》(正刊)和《计算机应用》(正刊)等刊物上发表。同时,会议所接收英文论文拟由Springer出版。会议还将评选优秀论文和优秀论文提名奖各4名。

    论文提交截止日期:2017年07月15日
    论文录用通知日期:2017年08月15日
    正式论文提交日期:2017年09月15日

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>