精品国产一区二区三区久久狼黑人 ,综合久久久久综合,一区二区三区日韩精品

朱軍與托馬斯·貝葉斯(以下簡稱貝葉斯)，前者是清華大學計算機系博世人工智能冠名教授、博士生導師，后者是18世紀著名數學家、哲學家，卻在幾百年后有了交集。

貝葉斯及其理論是在“新古典主義”時期提出的。而朱軍及其團隊成員，卻讓這位“古典”數學家的理論及其研究方法，在現代最前沿的人工智能(AI)領域研究中得到了“復興”。

發掘“過時”算法的潛力

“人工智能并非無所不能。”作為一名深耕人工智能領域近20年的研究者，朱軍指出，任何一種算法都存在優勢和短板，在特定條件下，短板就可能成為致命缺陷。“例如我們常提、常用的深度學習算法(深度神經網絡)，當數據出現不確定性問題時，其表現就會變差。”

以自動駕駛汽車為例，朱軍進一步說，人工智能面對的路況具有多種可能，即使它在絕大多數情況下表現良好，但只要出現一次誤判就足以引發交通事故。如果遇到黑客刻意制造的對抗樣本，即干擾圖像，后果將會更加嚴重。認識到深度學習算法的短板后，朱軍一直在鉆研適合對抗數據不確定性的新算法。

2013年，朱軍及其團隊成員開始探索利用貝葉斯方法在人工智能領域進行應用。在統計學中，貝葉斯方法重視先驗、假設，即更強調感覺和經驗。

而朱軍對貝葉斯方法的信心也是“先驗”的。在當時的人工智能研究領域，貝葉斯方法被視為一種“過時”的算法，已被更“先進”的深度神經網絡所取代。但憑借學術敏感，朱軍判斷貝葉斯方法還有未被開發的潛能。在他的主持下，其研究團隊決定朝著貝葉斯的方向“試試看”。

后續結果表明，這個探索方向是正確的。在預測、決策等任務中，貝葉斯方法能夠更高效地處理數據、應對干擾噪聲，并具有良好的可解釋性。朱軍表示，這些優點并不意味著貝葉斯方法比深度神經網絡更優越，對人工智能研究來說，各類模型和算法都是工具，各自都有優勢和缺陷，通過協同互補實現最大效能才是最終目標。

結合貝葉斯方法和深度學習算法，朱軍團隊極大地推動了“貝葉斯深度學習”的理論、算法和編程庫的進展，它既具有貝葉斯方法的不確定性建模能力和可解釋性，又具有深度學習強大的擬合能力。

傳承良師的育人方法

問及對于貝葉斯方法的“先驗”信心從何而來，朱軍回答，擁有“貝葉斯網絡之父”稱號的圖靈獎得主朱迪亞·珀爾給了他重大啟發。

早在20世紀80年代，珀爾便提出了貝葉斯網絡，并構建了不確定性條件下信息處理的計算基礎。雖然隨著深度學習算法的發展，貝葉斯方法一度被認為是“過時”的，但珀爾的研究思路仍啟發著朱軍，讓這位年輕的中國科學家決心繼續探索貝葉斯方法的可能性邊界。

“創新并不是憑空創造，而是在前人智慧的基礎上扎實邁步。”對朱軍來說，貝葉斯和珀爾都是這樣的智慧先驅。

在科研之路上，朱軍得到了很多良師益友的幫助。其中，對他影響最大的是他的導師——中國科學院院士張鈸。

“張鈸院士給了我自由探索的空間，讓我在幾年的求學生涯當中逐步確立了研究方向，取得了后來的成果。張鈸院士的培養讓我受益終身。”朱軍感慨道。

成為研究生導師后，朱軍決定傳承張鈸的育人方法，給予學生盡可能多的自主空間，讓他們發揮自己的特長。

2018年，在國家鼓勵科技成果轉化的大背景下，朱軍支持自己的學生田天創辦了一家公司，并且和張鈸共同擔任該公司的首席科學家，致力于把安全可靠的人工智能技術轉化為生產應用，提升人工智能的安全性，推動人工智能保護產業安全，讓人工智能更好地賦能行業。

朱軍表示，未來他將和團隊一道，繼續在這個領域里不斷奮進，探索更多的可能性。

發掘“過時”算法的潛力 人工智能并非無所不能！