机器学习界的“迈克尔·乔丹”

他不是篮球界的飞人乔丹，但在机器学习界，他的知名度堪比乔丹，他就是机器学习界的开山鼻祖Michael I. Jordan，在中国，他和苹果创始人乔布斯享有某种程度的敬称——“乔帮主”，他是人工智能领域两位根目录人物之一（另一位是“神经网络之父”Geoffrey Hinton），享有一系列巅峰引人注目的头衔：机器学习领域唯一取得美国科学院、美国工程院、美国艺术与科学院三院院士成就的科学家；UC Berkeley 知名机器学习实验室AMP Lab联席主任；AAAI，ACM，ASA，CSS，IEEE，IMS，ISBA和SIAM等全球顶级学会Fellow；被数理统计研究所任命为Neyman Lecturer 和Medallion Lecturer；2016年取得IJCAI卓越研究奖，2015年取得David E. Rumelhart奖，2009年取得ACM / AAAI Allen Newell奖，2018年兼任国际数学家大会1小时报告人。Michael I. Jordan教授是当世概率图模型的集大成者，被誉为让世人意识到机器学习与统计学之间联系的原创思想家之一。根据维基的资料，他的主要贡献还包括：认为了机器学习与统计学之间的联系，让学界认识到了贝叶恩网络的重要性；他还发展了Jordan网络，是迭代神经网络的一种。

贝叶斯网络发展到高级阶段，概率图模型使得计算出来沦为问题，从而发展出有了变分贝叶斯领域，变分贝叶斯有三个发展阶段，其中第三阶段，就是Jordan明确提出的evidence lower bound（ELBO），修复了变分贝叶斯的基础框架。录：Michael I. Jordan 教授和他的学生在NIPS2013大会上合影Michael I. Jordan教授桃李满天下，所教教过的学生人才辈出，占有了AI学术界的半壁江山，随意佩几位他的学生大家感受一下：深度自学三大开山鼻祖之一、蒙特利尔大学教授 Yoshua Bengio；贝叶斯自学领域权威 Zoubin Ghahramani；LDA领域权威、哥伦比亚大学教授 David M. Blei；前百度首席科学家、斯坦福大学教授 Andrew Ng（吴恩达）；学界大牛斯坦福大学教授 Percy Liang 等人。充满著好奇心的天才Jordan出生于上世纪60年代婴儿潮后期，小时候，父母搬来搬去，他的童年在路易斯安那和堪萨斯州逃难童年。

在这期间，他读者了大量马可·波罗（(Marco Polo)等文艺复兴时期探险家的故事，从此，探寻不得而知的好奇心开始生根幼苗。亲眼目睹了上世纪六七十年代的社会运动后，Jordan受到灵感，开始专门从事与人类和社会现象有关的工作，他的兴趣迅速就被更有到探寻人类大脑、智力和心理的内部运作方式上。

被路易斯安那州充满活力的文化、食物和音乐所更有，Jordan要求就读于路易斯安那州立大学，在那里主修心理学。Jordan还忘记他第一次走出校园的大型图书馆时，被前所未见的浩瀚书籍所愤慨。“当时我就要求，要遍阅经典。”他开始读者以数学为导向的哲学家伯特兰·罗素(Bertrand Russell)和科特·哥德尔(Kurt Godel)的著作，并对解读人类的思维方式产生了浓烈的兴趣。

1978年已完成学士学位后，乔丹要求沦为一名数学心理学家，并开始在亚利桑那州而立大学修读数学和统计学硕士学位。“因为我想要专门从事心理学研究，这是一个实验领域，要自学如何分析数据，所以须要自学统计学课程，”Jordan说明说道。然而，他迅速意识到，自己并想意味着为了分析数据而自学统计学，而是为了创建新的模型，探寻统计资料推理小说与人类思维的关系。

当Jordan在亚利桑那州的圣地亚哥渡假时，参观了坐落于当地的加利福尼亚大学校园，并在与那里的一些教员会面后找到了认知科学的新兴领域：“我当时心中一暗‘啊哈！我寻找了！’”他掌声，“在那个时代，这是一个全新的领域，它实质上研究的是如何将数学应用于人类思维方式。这次会面灵感了我。”于是，Jordan在1980年取得硕士学位之后搬了圣地亚哥，旋即之后，他就开始追随美国国家科学院院士、加州大学圣地亚哥分校心理学和认知科学教授David e . Rumelhart修读认知科学博士学位，“他是这个领域权威学者，也是我的导师，他协助我加剧了对如何通过数学方法研究人类思维方式的兴趣。

”在他的博士自学相似尾声的时候，Jordan开始实在有适当重返到研究推理小说和决策的广义问题上，并且意识到他对统计资料和掌控理论的研究必须融合计算机科学领域的算法观点。因此，在1985年取得认知科学博士学位后，他前往坐落于阿默斯特的马萨诸塞大学，与安德鲁·巴托(Andrew Barto)一起兼任人工智能领域博士后研究员。经过两年的博士后研究，Jordan于1988年拒绝接受了MIT大脑与认知科学系由的助理教授职位，并开始创建一个研究小组，主要研究人类运动控制以及机器学习和推理小说。

1997年，加州大学伯克利分校(University of California at Berkeley)的统计学家彼得·比克尔(Peter Bickel)寻找Jordan，邀他重新加入加州大学统计资料系由和计算机科学系由，他欣然同意，开始了他在UCBerkeley的学术生涯。在空闲时间，Jordan通过大量读者和自学新的语言来符合他的求知欲。

作为一个以英语为母语的人，他还学会了西班牙语、法语和意大利语，“虽然没有人确实教教我，我只是椅子当作另一种语言读书一本小说，用另一种语言坎单词，但知道何故，我用另一种语言找到了其背后所有错综复杂的含义。”在自学这些语言的过程中，Jordan也回应他早已理解了这些语言背后的文化，还包括他们的音乐和食物。“我是一个对一切事物充满著奇怪的人，所以我讨厌探寻不得而知，认识那些我不告诉的人、传统和文化。

”他也通晓各种乐器，目前于是以着迷于架子鼓。他说道:“我讨厌伴奏时对身体律动的掌控，通过这种掌控居然可以建构动人的音乐。”当一个人弹奏架子鼓，他的四肢都要同时参予其中，由于脚离大脑的距离比手远，所以同时敲打时，双脚接管到来自大脑的指令信号要比手早于，“但这些需要我们专门思维，大脑不会自动继续执行，让我奇怪的是，所有这些准确的调节对系统都可以自动已完成。

我指出，对于未来的几代人来说，这些都是十分有一点探寻研究的课题。”Jordan如何看AI？2018年4月26日，在GMIC 北京2018大会的首场峰会——全球人工智能领袖峰会上，Michael Jordan教授与腾讯AI Lab主任张潼、IDG资本合伙人牛奎光、小米云平台副总裁崔宝秋展开了圆桌论坛，探究了AI与商业化。

在Michael Jordan显然，国外不是微软公司、Google、Facebook在AI技术上领先。在事实经验上，领先的是亚马逊。AI此前主要是称作机器学习，在这件事情上，亚马逊是最先的。他共享到，在上世纪九十年代亚马逊早已用AI和深度自学需要很好地展开工业链的建模。

对于亚马逊这样可观的电商来说，必需依赖整个供应链来管理数十亿美元产品，必须对整个供应链有明晰的理解。他们当时用深度自学和建模就能做。此外，亚马逊还做到AB测试，对网站每个像素都做到了测试，以得出准确的像素、颜色。

这都是很多年前的事情了。录：2017年5月27日，Michael I.Jordan 月加盟蚂蚁金服，兼任蚂蚁金服科学智囊团主席了解到，2017年5月，Michael Jordan重新加入了蚂蚁金服，作为智囊团主席和顾问。在他显然，像阿里巴巴这样的电商平台上有用户出售商品的数据，就可以在网站上做到十分简单的工作，比如社交和搜寻。

Google和Facebook意识到搜寻和社交网站目前在人类交流方面还有一些容许，正在希望用人工智能的自然语言处置和决策能力使其显得更聪明，Jordan指出这些是十分有意思的项目，但是他对这些领域的进展似乎不颇失望，“我实在在这方面有可能还不是很顺利，现在只是引发了一些媒体的注目。”Jordan更进一步指出自己对于大公司应用于AI的观点，“我某种程度注目于研究，我也十分注目那样的一些公司，它们创立了一些数据流，并且很好的用于。

不仅AI，AI只是其中的一面，AI只是非常简单的数学，是一种非常简单的方式，更加有价值的是数据。高质量的数据，它可以使我们的测试超过某一目的，以准确的方式收集数据，这样的话才可以分解适当的价值，给到提供数据的人。”人工智能变革时代还没来临今年2月，在斯坦福由 Michael I.Jordan 、Jeff Dean、LeCun、李飞飞等多位人工智能领域的大师发动的系统机器学习会议 SysML上，Jordan就现在所谓的“AI”展开了批评。

他指出，我们还并未构建确实的AI，它必须依赖逻辑、推理小说、决策等运算的突破才能构建，但现在它们之间还不存在显著僵化。一些经典 AI 领域，如计算机视觉、NLP 等还预想超过智能和简单的地步，有赖更进一步研究和希望。与此同时，传统的社交平台，如Facebook，还近没确实地将人们连接起来。

医疗、金融、音乐、餐饮等众多系统平台仍不存在极大的想象空间，要做这些，必须研究者们跑出传统视角。9月17日，在举办于上海的世界人工智能大会（WAIC 2018）上，Jordan教授公开发表了演说；在演说中，他提及了对于人工智能的新思路。

他回应，谈及人工智能，目前大家都想要建构一个与人类一样的东西，但实质上，人们本质上是要建构的是一个系统，特别是在是经济系统，而且是由智能性不存在的系统。在演说中，Michael Jordan 提及了亚马逊所打造出的欺诈检测系统。实质上，这个系统是利用机器学习技术，只不过用了更加多了数据，而且创建的是末端到端的系统。他指出，目前我们对于世界上什么人类享有智能理解不多，而且不告诉怎么界定智能，有可能二十年以后才能界定；因此我们没适当仿真人类机器自身的智能，而是把市场和数据加在一起，可以有相当大的赋能。

最后，Michael Jordan 回应，像人一样的 AI 是很好的目标，但是人们确实必须的只不过某种程度是人的智能、生物智能，还包括市场智能。录：2018年6月15日，Michael I. Jordan教授被北京大学颁发“名誉教授”称号Jordan 也在Medium专门公开发表了文章，阐释自己的观点。

他指出，当下的公众总是用「人工智能」这个词明确地涵盖了所有和智慧涉及的概念，这也竟然新的经常出现的科学技术的影响范围和后果显得很难辩论。如今的「人工智能」在大多数情况下所指的，特别是在是在公众辩论中，就是过去的几十年中我们称为「机器学习 Machine Learning」的东西。

机器学习是一门研究算法的学科，它从统计学、计算机科学和其它一些学科吸取了思想，用来设计能处置数据、作出预测、协助人类决策的算法。至于对真实世界的影响，机器学习的影响是实实在在的，而且远不止是近期才有影响。实质上，早于在 1990 年代初的时候机器学习就早已展现出出有了显著的迹象可以对工业界产生极大的影响，到了二十一世纪，亚马逊这样的有前瞻性的公司就早已把机器学习中用了公司业务的上上下下当中，处置着诈骗检测、逻辑链预测这样的后端问题，也建构了引荐系统这样的面向用户的创意服务。随着数据集的大小和计算资源在过去的 20 年里突飞猛进，目前，不只是亚马逊，完全任何可以依据大规模数据作出决策的企业都迅速不会把机器学习作为动力。

在过去的几年里，这种思想和技术潮流的融合也被我们称为了「人工智能」。然而这种称谓是有一点我们细心检视的。一，虽然报纸上会这样谈，但仿照人类人工智能方向的研究实质上有相当大容许，我们距离超过确实的仿照人类人工智能的目标还十分近。意外的是，仿照人类人工智能领域的受限的变革也很更容易引起人们的兴奋（以及不安），这让这个方向的研究本身过分火热、媒体注目也过多。

任何其它的工程领域都看到这样的现象。二，如果是为了解决问题最重要的智慧强化和智慧基础设施问题，那么仿照人类人工智能涉及领域的顺利既不充份也不必要。对于人工智能，Jordan回应了自己的忧虑：“我们必须明白，如今普通大众辩论的这种专心于工业和学术中的较小一部分问题的人工智能，有很大的风险不会让我们仍然注意到人工智能、智能强化和智慧基础设施的全部范围内的挑战和问题。

”11月15日，机器学习泰斗Michael I. Jordan教授将参与由(公众号：)牵头乂习教育·松鼠AI，以及IEEE教育工程和自适应教育标准工作组联合举行的『全球AI+智适应环境教育峰会』，并公开发表主题演说。本次峰会汇集了国内外产学研三界顶尖阵容，预计，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT自学方案组高级研究科学家Michael Yudelson等顶尖学者；VIPKID、作业老大、沪江网等国内知名教育创业公司创始人；以及Knewton、Byjus、DreamBox、Duolingo、ALEKS、AltSchool等国外最不具影响力的AI智适应环境教育公司创始人将齐凝北京，联合探究AI智适应环境热点话题，年度盛会，不容错过！免费门票、VIP门票对外开放申请人中，采访大会官网立即申请人：https://gair.leiphone.com/gair/aiedu2018涉及文章：为什么你必须一张“全球AI智适应环境教育峰会”的入场券？Michael Jordan、张潼、牛奎光对话：AI商业化中的技术、隐私与互联网巨头 | GMIC 2018Michael Jordan：AI 不应当仿效人类，市场智能更加最重要 | WAIC 2018Michael I. Jordan 撰文：不要被深度自学一叶障目不见泰山机器学习之父Michael I. Jordan 亲赴2018全球机器学习技术大会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：开云app官方下载安装-www.bdghtb.com