中國機器學(xué)習(xí)發(fā)展現(xiàn)狀和出路 - 機器學(xué)習(xí)的發(fā)展歷程及啟示,你知道嗎？

我國機器學(xué)習(xí)發(fā)展現(xiàn)狀和出路

機器學(xué)習(xí)在我國得到了廣泛的關(guān)注，也取得了一定的成績，但我覺得大多數(shù)研究集中在數(shù)據(jù)挖掘?qū)用?，我國從事純粹機器學(xué)習(xí)研究的學(xué)者屈指可數(shù)。在計算機學(xué)術(shù)界，理論、方法等基礎(chǔ)性的研究沒有得到足夠重視，一些理論背景深厚的領(lǐng)域甚至被邊緣化。而一些“過剩學(xué)科”、“夕陽學(xué)科”則聚集了大量的人力、財力，這使得我國在國際主流計算機領(lǐng)域中缺乏競爭力和影響力。

統(tǒng)計學(xué)在我國還是一個弱勢學(xué)科，最近才被國家定為一級學(xué)科。我國統(tǒng)計學(xué)處于兩個極端，一是它被當(dāng)作數(shù)學(xué)的一個分支，主要研究概率論、隨機過程以及數(shù)理統(tǒng)計理論等。二是它被劃為經(jīng)濟學(xué)的分支，主要研究經(jīng)濟分析中的應(yīng)用。而機器學(xué)習(xí)在統(tǒng)計學(xué)界還沒有被深度地關(guān)注。統(tǒng)計學(xué)和計算機科學(xué)仍處于沃塞曼所說的“各自為戰(zhàn)”階段。

我國計算機學(xué)科的培養(yǎng)體系還基本停留在早期發(fā)展階段，如今的學(xué)生從小就與計算機接觸，他們的編程能力和國外學(xué)生相比沒有任何劣勢。但由于理論知識一直沒有被充分重視，而且統(tǒng)計學(xué)的重要性沒有被充分認識到，這些造成了學(xué)生的數(shù)學(xué)能力和國外著名高校相比差距很大。我國大多數(shù)大學(xué)計算機專業(yè)的本科生都開設(shè)了人工智能課程，研究生則開設(shè)了機器學(xué)習(xí)課程，但無論是深度、寬度還是知識結(jié)構(gòu)都落后于學(xué)科的發(fā)展，不能適應(yīng)時代的需要。因此，人才的培養(yǎng)無論是質(zhì)量還是數(shù)量都無法滿足工業(yè)界的迫切需求。

目前數(shù)據(jù)科學(xué)專業(yè)在我國得到了極大的關(guān)注，北京大學(xué)、復(fù)旦大學(xué)和中國人民大學(xué)等依托雄厚的統(tǒng)計學(xué)實力紛紛建立了數(shù)據(jù)科學(xué)專業(yè)或大數(shù)據(jù)研究院，并已經(jīng)開始招收本科生和研究生。但是目前還沒有一所大學(xué)開設(shè)機器學(xué)習(xí)專業(yè)。機器學(xué)習(xí)對其他應(yīng)用或理論學(xué)科有輻射作用，也是連接兩者的紐帶。一方面它可以為理論端儲備人才，另一方面可以結(jié)合不同領(lǐng)域問題，比如醫(yī)療數(shù)據(jù)、金融數(shù)據(jù)、圖像視頻數(shù)據(jù)等，為應(yīng)用端輸送人才。因此，我認為在計算機科學(xué)本科專業(yè)中，增加機器學(xué)習(xí)的訓(xùn)練是必要的。

機器學(xué)習(xí)集技術(shù)、科學(xué)與藝術(shù)于一體，它有別于傳統(tǒng)人工智能，是現(xiàn)代人工智能的核心。它牽涉到統(tǒng)計、優(yōu)化、矩陣分析、理論計算機、編程、分布式計算等。因此，建議在已有的計算機專業(yè)本科生課程的基礎(chǔ)上，適當(dāng)加強概率、統(tǒng)計和矩陣分析等課程，下面是具體課程設(shè)置和相關(guān)教材的建議：

1．加強概率與統(tǒng)計的基礎(chǔ)課程，建議采用莫里斯·德格魯特（Morris H. DeGroot）和馬克·舍維什（Mark J. Schervish）合著的第四版《概率論與數(shù)理統(tǒng)計》（Probability and Statistics）為教材。

2．在線性代數(shù)課程里，加強矩陣分析的內(nèi)容。教材建議使用吉爾伯特·斯特朗（Gilbert Strang）的《線性代數(shù)導(dǎo)論》（Introduction to Linear Algebra）。吉爾伯特·斯特朗在麻省理工學(xué)院一直講述線性代數(shù)，他的網(wǎng)上視頻課程堪稱經(jīng)典。后續(xù)建議開設(shè)矩陣計算，采用特雷費森·勞埃德（Trefethen N. Lloyd）和戴維·鮑（David Bau lll）著作的《數(shù)值線性代數(shù)》（Numerical Linear Algebra）為教科書。

3．開設(shè)機器學(xué)習(xí)課程。機器學(xué)習(xí)有許多經(jīng)典的書籍，但大多不太適宜做本科生的教材。最近，麻省理工學(xué)院出版的約翰·凱萊赫（John D. Kelleher）和布瑞恩·麥克·納米（Brian Mac Namee）等人著作的《機器學(xué)習(xí)基礎(chǔ)之預(yù)測數(shù)據(jù)分析》（Fundamentals of Machine Learning for Predictive Data Analytics），或者安得烈·韋伯（Andrew R. Webb）和基思·科普塞（Keith D. Copsey）合著的第三版《統(tǒng)計模式識別》（Statistical Pattern Recognition）比較適合作為本科生的教科書。同時建議課程設(shè)置實踐環(huán)節(jié)，讓學(xué)生嘗試將機器學(xué)習(xí)方法應(yīng)用到某些特定問題中。

此外，我建議設(shè)立以下課程作為本科計算機專業(yè)的提高課程或者榮譽課程。特別是，國內(nèi)有些大學(xué)計算機專業(yè)設(shè)立了拔尖人才項目，我認為以下課程可以考慮列入該項目的培養(yǎng)計劃中。事實上，上海交通大學(xué)ACM班就開設(shè)了隨機算法和統(tǒng)計機器學(xué)習(xí)等課程。

1．開設(shè)數(shù)值優(yōu)化課程，建議參考教材喬治·諾塞達爾（Jorge Nocedal）和史蒂芬·賴特（Stephen J. Wright）的第二版《數(shù)值優(yōu)化》（Numerical Optimization） ，或者開設(shè)數(shù)值分析，建議采用蒂莫西·索爾的《數(shù)值分析》（Numerical Analysis）為教材。

2．加強算法課程，增加高級算法，比如隨機算法，參考教材是邁克爾·米曾馬克（Michael Mitzenmacher）和伊萊·阿普法（Eli Upfal）的《概率與計算：隨機算法與概率分析》（Probability and Computing： Randomized Algorithms and Probabilistic Analysis）。

3．在程序設(shè)計方面，增加或加強并行計算的內(nèi)容。特別是在深度學(xué)習(xí)技術(shù)的執(zhí)行中，通常需要GPU加速，可以使用戴維·柯克 （David B. Kirk） 和胡文美（Wen-mei W. Hwu）的教材 《大規(guī)模并行處理器編程實戰(zhàn)》（第二版）（Programming Massively Parallel Processors： A Hands-on Approach， Second Edition）；另外，還可以參考優(yōu)達學(xué)城（Udacity）上英偉達（Nvidia）講解CUDA計算的公開課。

總之，我認為以計算機科學(xué)為主導(dǎo)，聯(lián)合統(tǒng)計和應(yīng)用數(shù)學(xué)專業(yè)，開設(shè)機器學(xué)習(xí)研究生專業(yè)是值得考慮的。研究生專業(yè)應(yīng)該圍繞理論機器學(xué)習(xí)、概率與隨機圖模型、貝葉斯方法、大規(guī)模優(yōu)化算法、深度學(xué)習(xí)等基礎(chǔ)機器學(xué)習(xí)領(lǐng)域。建議開設(shè)理論機器學(xué)習(xí)、概率圖模型、統(tǒng)計推斷與貝葉斯分析、凸分析與優(yōu)化、強化學(xué)習(xí)、信息論等課程。我國人工智能發(fā)展的根本出路在于教育。只有培養(yǎng)出一批批數(shù)理基礎(chǔ)深厚、動手執(zhí)行力極強，有真正融合交叉能力和國際視野的人才，我們才會有大作為。