機器學習界的「邁克爾·喬丹」

他不是籃球界的飛人喬丹，但在機器學習界，他的知名度堪比喬丹，他就是機器學習界的開山鼻祖Michael I. Jordan，在中國，他和蘋果創始人喬布斯擁有同樣的尊稱——「喬幫主」，他是人工智慧領域兩位根目錄人物之一（另一位是「神經網路之父」Geoffrey Hinton），擁有一系列輝煌耀眼的頭銜：

• 機器學習領域唯一獲得美國科學院、美國工程院、美國藝術與科學院三院院士成就的科學家；

• UC Berkeley 著名機器學習實驗室AMP Lab聯席主任；

• AAAI，ACM，ASA，CSS，IEEE，IMS，ISBA和SIAM等全球頂級學會Fellow；

• 被數理統計研究所任命為Neyman Lecturer 和Medallion Lecturer；

• 2016年獲得IJCAI卓越研究獎，2015年獲得David E. Rumelhart獎，2009年獲得ACM / AAAI Allen Newell獎，2018年擔任國際數學家大會1小時報告人。

Michael I. Jordan教授是當世概率圖模型的集大成者，被譽為讓世人意識到機器學習與統計學之間聯繫的原創思想家之一。

根據維基的資料，他的主要貢獻包括：指出了機器學習與統計學之間的聯繫，讓學界認識到了貝葉基網路的重要性；他還發展了Jordan網路，是遞歸神經網路的一種。

貝葉斯網路發展到高級階段，概率圖模型使得計算成為問題，從而發展出了變分貝葉斯領域，變分貝葉斯有三個發展階段，其中第三階段，就是Jordan提出的evidence lower bound（ELBO），重建了變分貝葉斯的基礎框架。

雷鋒網註：Michael I. Jordan 教授和他的學生在NIPS2013大會上合影

Michael I. Jordan教授桃李滿天下，所教過的學生人才輩出，佔據了AI學術界的半壁江山，隨便列幾位他的學生大家感受一下：深度學習三大開山鼻祖之一、蒙特利爾大學教授 Yoshua Bengio；貝葉斯學習領域權威 Zoubin Ghahramani；LDA領域權威、哥倫比亞大學教授 David M. Blei；前百度首席科學家、斯坦福大學教授 Andrew Ng（吳恩達）；學界大牛斯坦福大學教授 Percy Liang 等人。

Jordan出生於上世紀60年代嬰兒潮後期，小時候，父母搬來搬去，他的童年在路易斯安那和堪薩斯州輾轉度過。在這期間，他閱讀了大量馬可·波羅（(Marco Polo)等文藝復興時期探險家的故事，從此，探索未知的好奇心開始生根發芽。

目睹了上世紀六七十年代的社會運動後，Jordan受到啟發，開始從事與人類和社會現象有關的工作，他的興趣很快就被吸引到探索人類大腦、智力和心理的內部運作方式上。

被路易斯安那州充滿活力的文化、食物和音樂所吸引，Jordan決定就讀路易斯安那州立大學，在那裡主修心理學。

Jordan還記得他第一次走進校園的大型圖書館時，被前所未見的浩瀚書籍所震驚。

「當時我就決定，要遍閱經典。」他開始閱讀以數學為導向的哲學家伯特蘭·羅素(Bertrand Russell)和科特·哥德爾(Kurt Godel)的著作，並對理解人類的思維方式產生了濃厚的興趣。

1978年完成學士學位後，喬丹決定成為一名數學心理學家，並開始在亞利桑那州立大學攻讀數學和統計學碩士學位。

「因為我想從事心理學研究，這是一個實驗領域，要學習如何分析數據，所以需學習統計學課程，」Jordan解釋說。

然而，他很快意識到，自己並不想僅僅為了分析數據而學習統計學，而是為了建立新的模型，探索統計推理與人類思維的關係。

當Jordan在亞利桑那州的聖地亞哥度假時，參觀了位於當地的加利福尼亞大學校園，並在與那裡的一些教員會面後發現了認知科學的新興領域：「我當時心中一亮『啊哈！我找到了！』」他歡呼，「在那個時代，這是一個全新的領域，它實際上研究的是如何將數學應用於人類思維方式。這次會面啟發了我。」

於是，Jordan在1980年獲得碩士學位之後搬到了聖地亞哥，不久之後，他就開始跟隨美國國家科學院院士、加州大學聖地亞哥分校心理學和認知科學教授David e . Rumelhart攻讀認知科學博士學位，「他是這個領域權威學者，也是我的導師，他幫助我加深了對如何通過數學方法研究人類思維方式的興趣。」

在他的博士學習接近尾聲的時候，Jordan開始覺得有必要回歸到研究推理和決策的廣義問題上，並且意識到他對統計和控制理論的研究需要結合計算機科學領域的演算法觀點。

因此，在1985年獲得認知科學博士學位後，他前往位於阿默斯特的馬薩諸塞大學，與安德魯·巴托(Andrew Barto)一起擔任人工智慧領域博士後研究員。

經過兩年的博士後研究，Jordan於1988年接受了MIT大腦與認知科學系的助理教授職位，並開始建立一個研究小組，主要研究人類運動控制以及機器學習和推理。

1997年，加州大學伯克利分校(University of California at Berkeley)的統計學家彼得·比克爾(Peter Bickel)找到Jordan，邀請他加入加州大學統計系和計算機科學系，他欣然同意，開始了他在UC Berkeley的學術生涯。

在空閑時間，Jordan通過大量閱讀和學習新語言來滿足他的求知慾。作為一個以英語為母語的人，他還學會了西班牙語、法語和義大利語，「雖然沒有人真正教我，我只是坐下來用另一種語言讀一本小說，用另一種語言查單詞，但不知何故，我用另一種語言發現了其背後所有微妙的含義。」在學習這些語言的過程中，Jordan也表示他已經了解了這些語言背後的文化，包括他們的音樂和食物。「我是一個對一切事物充滿好奇的人，所以我喜歡探索未知，接觸那些我不知道的人、傳統和文化。」

他也精通各種樂器，目前正痴迷於架子鼓。他說:「我喜歡打鼓時對身體律動的控制，通過這種控制竟然可以創造美妙的音樂。」當一個人演奏架子鼓，他的四肢都要同時參與其中，由於腳離大腦的距離比手遠，所以同時敲擊時，雙腳接收到來自大腦的指令信號要比手早，「但這些無需我們專門思考，大腦會自動執行，讓我好奇的是，所有這些精確的調節反饋都可以自動完成。我認為，對於未來的幾代人來說，這些都是非常值得探索研究的課題。」

Jordan如何看AI？

2018年4月26日，在GMIC 北京2018大會的首場峰會——全球人工智慧領袖峰會上，Michael Jordan教授與騰訊AI Lab主任張潼、IDG資本合伙人牛奎光、小米雲平台副總裁崔寶秋進行了圓桌論壇，探討了AI與商業化。

在Michael Jordan看來，國外不是微軟、Google、Facebook在AI技術上領先。在事實經驗上，領先的是亞馬遜。AI此前主要是稱為機器學習，在這件事情上，亞馬遜是最早的。

他，在上世紀九十年代亞馬遜已經用AI和深度學習能夠很好地進行工業鏈的建模。對於亞馬遜這樣龐大的電商來說，必須依賴於整個供應鏈來管理數十億美元產品，需要對整個供應鏈有清晰的了解。他們當時用深度學習和建模就能做到。此外，亞馬遜還做AB測試，對網站每個像素都做了測試，以給出正確的像素、顏色。這都是很多年前的事情了。

雷鋒網註：2017年5月27日，Michael I.Jordan 正式加盟螞蟻金服，出任螞蟻金服科學智囊團主席

雷鋒網了解到，2017年5月，Michael Jordan加入了螞蟻金服，作為智囊團主席和顧問。在他看來，像阿里巴巴這樣的電商平台上有用戶購買商品的數據，就可以在網站上做非常有用的工作，比如社交和搜索。

Google和Facebook意識到搜索和社交網站目前在人類溝通方面還有一些限制，正在努力用人工智慧的自然語言處理和決策能力使其變得更聰明，Jordan認為這些是非常有意思的項目，但是他對這些領域的進展顯然不甚滿意，「我覺得在這方面可能還不是很成功，現在只是引起了一些媒體的關注。」

Jordan進一步表明自己對於大公司應用AI的觀點，「我不僅僅關注於研究，我也非常關注那樣的一些公司，它們創建了一些數據流，並且很好的使用。不僅AI，AI只是其中的一面，AI只是簡單的數學，是一種簡單的方式，更有價值的是數據。高質量的數據，它可以使我們的測試達到某一目的，以正確的方式搜集數據，這樣的話才可以生成相應的價值，給到提供數據的人。」

今年2月，在斯坦福由 Michael I.Jordan 、Jeff Dean、LeCun、李飛飛等多位人工智慧領域的大師發起的系統機器學習會議 SysML上，Jordan就現在所謂的「AI」進行了抨擊。

他認為，我們還未實現真正的AI，它需要依靠邏輯、推理、決策等運算的突破才能實現，但現在它們之間還存在明顯脫節。一些經典 AI 領域，如計算機視覺、NLP 等還遠未達到智能和實用的地步，有賴進一步研究和努力。

與此同時，傳統的社交平台，如Facebook，還遠沒有真正地將人們連接起來。醫療、金融、音樂、餐飲等眾多系統平台仍存在巨大的想像空間，要做到這些，需要研究者們跳出傳統視角。

9月17日，在舉行於上海的世界人工智慧大會（WAIC 2018）上，Jordan教授發表了演講；在演講中，他提到了對於人工智慧的新思路。

他表示，談到人工智慧，目前大家都想創造一個與人類一樣的東西，但實際上，人們本質上是要創造的是一個系統，尤其是經濟系統，而且是由智能性存在的系統。

在演講中，Michael Jordan 提到了亞馬遜所打造的欺詐檢測系統。實際上，這個系統是利用機器學習技術，只不過用了更多了數據，而且建立的是端到端的系統。

他認為，目前我們對於世界上什麼人類擁有智能了解不多，而且不知道怎麼界定智能，可能二十年以後才能界定；因此我們沒有必要模擬人類機器自身的智能，而是把市場和數據加在一起，可以有很大的賦能。

最後，Michael Jordan 表示，像人一樣的 AI 是很好的目標，但是人們真正需要的其實不僅僅是人的智能、生物智能，還包括市場智能。

雷鋒網註：2018年6月15日，Michael I. Jordan教授被北京大學授予「名譽教授」稱號

Jordan 也在Medium專門發表了文章，闡述自己的觀點。

他認為，當下的公眾總是用「人工智慧」這個詞寬泛地囊括了所有和智慧相關的概念，這也就讓新出現的科學技術的影響範圍和後果變得很難討論。

如今的「人工智慧」在大多數情況下所指的，尤其是在公眾討論中，就是過去的幾十年中我們稱作「機器學習 Machine Learning」的東西。

機器學習是一門研究演算法的學科，它從統計學、計算機科學和其它一些學科汲取了思想，用來設計能處理數據、做出預測、幫助人類決策的演算法。至於對真實世界的影響，機器學習的影響是實實在在的，而且遠不止是近期才有影響。

實際上，早在 1990 年代初的時候機器學習就已經表現出了明顯的跡象可以對工業界產生巨大的影響，到了二十一世紀，亞馬遜這樣的有前瞻性的公司就已經把機器學慣用到了公司業務的上上下下當中，處理著詐騙檢測、邏輯鏈預測這樣的後端問題，也構建了推薦系統這樣的面向用戶的創新服務。隨著數據集的大小和計算資源在過去的 20 年裡突飛猛進，目前，不只是亞馬遜，幾乎任何可以依據大規模數據做出決策的企業都很快會把機器學習作為動力。

在過去的幾年裡，這種思想和技術潮流的融合也被我們稱作了「人工智慧」。然而這種稱呼是值得我們仔細審視的。

一，雖然報紙上不會這樣講，但仿人類人工智慧方向的研究實際上有很大限制，我們距離達到真正的仿人類人工智慧的目標還非常遠。不幸的是，仿人類人工智慧領域的有限的進步也很容易引發人們的激動（以及恐懼），這讓這個方向的研究本身過於火熱、媒體關注也過多。任何其它的工程領域都看不到這樣的現象。

二，如果是為了解決重要的智慧增強和智慧基礎設施問題，那麼仿人類人工智慧相關領域的成功既不充分也不必要。

對於人工智慧，Jordan表示了自己的擔憂：「我們需要明白，如今普通大眾討論的這種專註於工業和學術中的很小一部分問題的人工智慧，有極大的風險會讓我們不再注意到人工智慧、智能增強和智慧基礎設施的全部範圍內的挑戰和問題。」

11月15日，機器學習泰斗Michael I. Jordan教授將參加由雷鋒網聯合乂學教育·松鼠AI，以及IEEE教育工程和自適應教育標準工作組共同舉辦的『全球AI+智適應教育峰會』，並發表主題演講。

本次峰會匯聚了國內外產學研三界頂尖陣容，屆時，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構ACT學習方案組高級研究科學家Michael Yudelson等頂尖學者；VIPKID、作業幫、滬江網等國內著名教育創業公司創始人；以及Knewton、Byju"s、DreamBox、Duolingo、ALEKS、AltSchool等國外最具影響力的AI智適應教育公司創始人將齊聚北京，共同探討AI智適應熱點話題，年度盛會，不容錯過！免費門票、VIP門票開放申請中，訪問大會官網即刻申請：https://gair.leiphone.com/gair/aiedu2018

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！