中國運籌學會理事長鬍旭東：運籌學與人工智慧

AI 科技評論按：日前，中國科學院數學與系統科學研究院胡旭東研究員在一次內部會議上發表了以《運籌學與人工智慧》為題的專題報告。在報告中，他扼要介紹中美兩國政府、研究機構、學界和業界專家對人工智慧發展現狀分析、前景展望和應對舉措，探討運籌學如何在其中找到未來發展的新方向。他的演講中包括葉蔭宇、姚期智、洪小文、丘成桐等多位大師對演算法以及人工智慧的探討，從這些大師們精鍊的觀點中，我們可以得到新的啟發。

胡旭東，研究員，博士生導師；現任中國科學院數學與系統科學研究院院長業務助理，中國運籌學會理事長。1985 年畢業於清華大學，獲應用數學專業學士學位，1989 年畢業於中國科學院應用數學研究所，獲運籌與控制論專業博士學位。自 1989 年始，一直在中科院從事運籌學的理論研究和教學工作，主要研究方向為組合優化、網路博弈、近似演算法。2012 年被評為第五屆「全國優秀科技工作者」，2016 年獲「中國科學院朱李月華優秀教師獎」。

以下為報告大綱：

運籌學的方法論

運籌學（Operations Research）是自二十世紀三四十年代發展起來的一門新興交叉學科。它主要研究人類對各種有限資源的運用及籌劃活動，以期通過發現其中的數學問題和規律，提出相應的求解方法，並應用於實際活動中，以發揮資源的最大效益，達到總體最優的目標。其中主要涉及到模型、理論、演算法這三點。

美國未來新興科技趨勢

之後，他對美國公布的《2016-2045 年新興科技趨勢報告》進行了解讀。該報告是在美國過去五年內由政府機構、諮詢機構、智囊團、科研機構等發表的 32 份科技趨勢相關研究調查報告的基礎上提鍊形成的。通過對近 700 項科技趨勢的綜合比對分析，最終明確了 20 項最值得關注的科技發展趨勢。

在這 20 項科技中，他詳細介紹了物聯網、機器人與自動化系統、智能手機與雲端計算、智能城市、數據分析、網路安全、社交網路、合成生物科技的代表性技術、實際應用。

下面是他對數據分析的舉例：

除此之外的一些科技趨勢：

葉蔭宇談優化

在杉數科技主辦的 2017AI 大師圓桌會上，葉蔭宇教授發表了學術演講「優化演算法的思想及應用」。在會上，葉蔭宇教授詳述了運籌學的發展史，以及與機器學習的結合案例。

他表示，運籌學的起源是一部分數學，1947 年 George Dantzig 提出線性優化具有里程碑的意義。後來運用到經濟發展中，運籌學得到很大的發展，隨著之後計算機的高速發展，運籌學更是飛速發展。

運籌學誕生的時間要比 AI 早，但與 AI 的關係密切。學者把運籌學描述為就組織系統進行各種經營所作出決策的科學手段。二戰結束後，人們將運籌學應用到了企業和政府之中，為經濟發展加速，運籌學廣泛的引用在生產、服務、金融行業之中。在大數據時代，運籌學進一步蓬勃發展，而如何將大數據轉化為最優決策成為了運籌學重點。

事實上，運籌學中「優化」這一概念對於機器學習本身也是適用的——比如說演算法方面。隨著計算能力的提升和大數據時代的來臨，利用演算法提高機器學習的能力成為了目前業界的焦點之一。而運籌學插上機器學習的翅膀，適用範圍和能力也變廣變強了。

一般優化過程就是從建模到求解，然後再到決策，最後我們需要一套演算法來求解。

葉蔭宇教授在演講中給出了將機器學習與運籌學結合的具體案例。如物流選址及路徑優化、庫存管理、投資組合優化。以下為葉蔭宇教授對物流選址及路徑優化的詳細解讀。

對於運籌學的發展，葉蔭宇教授觀點如下：

未來的話，我覺得是 AI、深度學習和機器學習提供了很多的支撐，模型規模也飛速增長，因為需要超大規模的優化演算法。以前我認為，有個萬能的演算法，解所有的線性規劃都要解得快，但是我後來反觀 AI，它是非常定製的，對某一類方法用的好就用那個方法，不是追求某一個統一的演算法，或者類別法。從這點上看，AI 對運籌學有很大的促進作用。

在會議的最後，葉蔭宇教授也針對「怎麼看國內運籌學人才緊缺」以及「未來 AI 的發展趨勢」這兩個問題表達了自己的看法。他表示，不是人才緊缺的問題，而是導向的問題。而對於 AI，他表示，「AI 永遠不會死，因為它和統計、運籌學都一樣的，但是它會不會以另外一個名詞來出現，我覺得這個也是有可能的。」

姚期智談演算法

圖靈獎獲得者姚期智智院士表示，過去這十年，演算法、數據、計算能力都發展到了一個相當驚人的地步。處理大數據的能力，還有深度學習所帶來的演算法，正好結合起來，使人工智慧突破了以前的瓶頸，並慢慢應用於更多領域，如金融科技、醫學診斷。在這些領域，這股人工智慧的熱潮還在不斷產生科學和經濟效益，至少還要過一陣子，它的紅利才真正會到達盡頭。

而下一波浪潮會發生在演算法、數據、計算能力這三個核心技術的哪一部分？姚期智表示，一定是演算法。「因為數據量和計算能力到達一個差不多的極限後，就產生了局限。而現在的演算法還有很大的提升空間，和人類大腦的『演算法』比起來，它還很粗糙。人類自身一定還有一些演算法需要被發現。」

人工智慧的發展

在 2017 雲棲大會上，阿里巴巴集團正式宣布成立「達摩院」，進行基礎科學和顛覆式技術創新研究，首批公布的學術諮詢委員會十人中有三位中國兩院院士、五位美國科學院院士。「達摩院」首批公布的研究領域就包括機器學習、基礎演算法等多個人工智慧相關領域。

2017 年 10 月，多位全球計算機科學和人工智慧學術領域的大師級人物亮相第十九屆「二十一世紀的計算」大會，分享他們各自在人工智慧領域的研究和觀點，共同探索人工智慧的未來之路。

會上，圖靈獎獲得者、康奈爾大學計算機系教授 John Hopcroft 表示：人工智慧目前仍只是高維度的模式識別，我們離實現真正的人工智慧還有很長的路要走。

Raymond Mooney 表示，深度學習革命現今深度學習的三大推動力是演算法、計算力和大數據，以及由此產生的幾大制約因素，包括從無標籤數據中學習、壓縮模型的規模等。此外，深度學習在面對針對性構建的惡意樣本時仍然非常脆弱。

下面是加州大學伯克利分校總結的人工智慧系統研究九大挑戰：持續學習；魯棒決策；可解讀的決策；安全飛地；對抗學習；在保密數據上的共享學習；特定領域定製的硬體；組件化的 AI 系統；跨雲端和邊緣的系統。

洪小文談人工智慧

微軟亞洲研究院院長洪小文表示，如果真的要做人的智能，不應該從大數據著手，而應該基於小數據、甚至零數據展開研究。

他的主要觀點如下：人類和機器都需要持續學習和進化；機器學習依然會是未來的熱門研究領域，其中最為重要的是「learning to learn」；對偶學習等新方法讓缺乏大量標記數據的機器學習成為可能；人類可以利用機器更好地學習。

丘成桐談人工智慧

在 CNCC 2017 上，菲爾茲獎獲得者、哈佛大學終身教授丘成桐在會上做了主題為《現代幾何學在計算機科學中的應用》的特邀報告。

報告中，他首先介紹了現代幾何的發展歷史，隨後介紹了他與他的學生及朋友在計算機與幾何交叉方面的一些研究。對於人工智慧，丘成桐認為，現代以神經網路為代表的統計方法及機器學習在工程實踐中取得了很大的成功，但其理論基礎非常薄弱，是一個黑箱演算法；人工智慧需要一個可以被證明的理論作為基礎。

他認為計算機學科的發展為現代幾何提供了需求和挑戰，也推動了跨學科的發展方向。

他舉了如下案例：人工智慧中的機械定理證明推動了計算代數的發展；數據安全、比特幣、區塊鏈的發展推動了代數數論、橢圓曲線和模形式的發展；社交網路、大數據的發展催生了持續同調理論（persistent homology）的發展……

丘成桐教授舉了個形象的比喻：GAN 其實就是以己之矛克己之盾。

————— AI 科技評論招人了 —————

————— 給愛學習的你的福利 —————

三大模塊，五大應用，手把手快速入門NLP

海外博士講師，豐富項目經驗

演算法+實踐，搭配典型行業應用

隨到隨學，專業社群，講師在線答疑

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！