机器学习的三大疑难杂症，因果学习是突破口
发布时间：2022-07-29 09:06:56 所属栏目：大数据 来源：互联网
导读：重庆和许多西部城市一样，常常被诟病为互联网荒漠，但它却有着很好的物联网土壤。 有数据显示，重庆有着近2000家物联网相关企业，其中核心企业超过600家，且在物联网产业细分领域实力强劲、影响力大。 而除了企业之外，重庆还有一支特殊的物联网技术力量：由
|
重庆和许多西部城市一样，常常被诟病为“互联网荒漠”，但它却有着很好的物联网土壤。 有数据显示，重庆有着近2000家物联网相关企业，其中核心企业超过600家，且在物联网产业细分领域实力强劲、影响力大。 而除了企业之外，重庆还有一支特殊的物联网技术“力量”：由刘礼负责的重庆大学物联网体感大数据实验室。 刘礼，现为重庆大学大数据与软件学院教授，博士生导师。 而他在2018年成立这个实验室，是希望搭建因果学习与机器学习之间的桥梁。 这个方向也是目前包括Bengio、Pearl等大牛也在重点投入的领域。 从更具体的应用角度来看，刘礼相信，这个目标实现之后，AI和大数据分析技术能在医疗、教育、制造业等领域有更大的用武之地。 我们有幸和他进行了一次深入对话。 图片 一位典型学者的“三步走” 对于刘礼来说，一直有一个明确的方向指引着自己的职业成长，那就是将自己的所学与国家层面的重大实际问题相结合。 尤其是近几年国家曾多次针对大数据、人工智能、工业互联网等推出重磅举措，希望能够实现人、机、物的深度互联，实现全要素、全价值链的连接，进而推动新的工业生产制造和新的服务体系。 而重庆就是老牌工业城市，由此，刘礼回国牵头在重庆大学成立了物联网体感大数据实验室，旨在围绕国家重大的需求，展开大数据分析特别是因果学习的基础研究和应用。 图片 事实上，建立物联网体感大数据实验室之前，他已经和大数据打了数十年的交道。 本科和硕士阶段，刘礼师从兰州大学李廉教授。 李廉教授是国内计算机教育的领军人物，长期以来坚持推动以计算思维为核心的计算机人才理念和新模式，也因此在2020年获了CCF杰出教育奖。 受他的影响，刘礼本科后半段和硕士阶段参加了中国教育科研网格项目，网格可以视为云平台的前身，解决数据的存储和处理问题。 这段经历奠定了他的思维方式：以计算思维为主导，围绕数据的存储和处理来解决问题。 但他更真正树立起自己的科研梦想，是在异国他乡求学时。 2007年，刘礼在巴黎十一大读博期间，诺贝尔物理学奖花落巴黎十一大教授吉勒阿尔贝·费尔，当时全校沸腾，这个消息振奋了全校的师生，包括刘礼。 刘礼说到： 这让我对选择学术之路更加坚定了。 当时巴黎十一大名校已经走出了2个诺贝尔奖，4个菲尔兹奖。学校提倡以科学问题为导向的基础研究方式。 更重要的是，这些问题不一定是全来自应用方向，反而多是基础方向的。 与此同时，法国整体轻松自由的环境，让他能有更多时间去自主思考基础研究和技术应用之间的疏同。刘礼回忆道： 法国春天有各种假期，到了夏天不论职业贵贱所有人都会去度假，秋天开始罢工，到了冬天又开始准备圣诞了。 这种氛围下，在塞纳河畔边晒晒太阳，时间就这么过去了。有时我们中国学生晚上想去实验室多做一会儿，警察还要来问加班权益有没有得到保障，没有特殊的审批还不能加班。 这种氛围的熏陶下，我们也沉下心来思考自己应该如何做基础研究。 图片 在那之后，刘礼已经完成了计算思维的树立，基础研究的认可。但是他又在一个新的坐标上找到真正属于自己的一片天地。 告别浪漫悠然的巴黎，在热带国家新加坡，刘礼与新加坡国立大学计算机院长David S. Rosenblum院士共同开启了一项名为“舒适计算”（FelicitousComputing）的研究。 这个概念的要义是根据不同的场景去调整计算的能力。 此时，计算已经变得比刘礼刚刚接触大数据分析时要更丰富了。不但延伸至无处不在，还呈现出以人为中心的人、机、物三元融合的特点。 如何处理这些新的大融合大数据，成为了刘礼和他的同事们最关注的问题。 期间他和所在团队也做出了不少代表性的研究，例如From action to activity: sensor-based activity recognition这项研究中。 他们便创新性地将人的短时动作（action）数据和更广时空维度上的活动（activity）数据关联起来，弥合了人的动作和人的活动之间的差距，成功编码了动作之间的时间相关性，并捕获活动的内在属性。 也正是在这个阶段，刘礼真正确立了自己要深耕的研究方向，即围绕物理世界和人本身的数据进行采集和分析。 从计算思维的树立、基础研究的认可到确立具体方向，期间的多元化经历，也让他对大数据乃至数据科学有着更立体的视角和感受。 这也是为什么重庆大学的这个物联网体感大数据实验室，会有着如此具象的一个名字。 刘礼认为，从应用角度来理解大数据分析，可以把它看成一台车： 这台车里面必须有很多部件来支撑大数据分析，发动机就是CPU、GPU等算力平台；有了算力之后要跑起来，就要有油，就是数据；而车轮就像应用，即到底车往哪开，朝着什么目标前进。 实现这些应用、达到目标，就需要有方向盘，也就是用算法指挥所有的这些东西。 用他的话来说，这些年自己所做的工作既涉及发动机、油、车轮，也涉及方向盘，包括早期写了大量数据处理的底层框架。 但在这个新的实验室，自然不会全是自己经历过的、熟悉的研究，依然还有很多事情需要从0开始做，甚至还不乏和学生们一起自己动手DIY适配物联网研究的手套和手表。 对于整个团队来说，远方还有一个更大的目标，那就是建起因果学习与机器学习之间的桥梁。 机器学习的3大“疑难杂症”，因果学习是突破口 目前，机器学习和大数据已经发展到了你中有我、我中有你的交融阶段。 尤其以深度学习为代表的机器学习已经取得了很好的进展。与此同时，这类方法的“缺陷”也日益突出。 特别是这几个最主要的问题：可解释性、可泛化、稳健性。 （编辑：阜新站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
