你的当前位置: 首页 > 许昌文化

上海财经大学交叉科学研究院院长葛冬冬教授:打造教育、科研、产业三者的良性循环

时间:2018-01-02 来源:许昌之窗

2009年,葛冬冬博士结业于斯坦福大学,师承运筹学泰斗叶荫宇讲授。2013年,他进入上海财经大学信息经管与工程学院,并衔命牵头建树治理科学与量化信息研究中心,后在书院鼎力鞭策下,筹建交叉科学研究院(X院),并担当院长。在黉舍高度支持下,X院在短短数年时间内先后引入何斯迈、陆品燕等学界「红人」担当教职。目前,X院科研了局累累,与工业界联系紧密,同时,从 X院走出来的弟子许多在斯坦福大学、普林斯顿大学、芝加哥大学、卡耐基梅隆大学等外洋一流大学连续深造。短短四年时间,X院便成为上海财经大学的一道独特风物线。

「每年复旦数学院的前五名门生中,一般会有两个在我们这边学习。今年是前两名,去年是前三名。」X院院长葛冬冬教学对雷锋网()AI科技谈论直言。

「我当时在复旦读数学,听了葛老师在我们私塾的一场讲座。之后慕名来财大找他,想申请在他的门放进修。」目前就读于斯坦福大学,来岁就要去Facebook工作的一位同砚如是说道。她曾在葛冬冬讲授门下读研。复旦与财大只有一条马路之隔,借助地舆上风,复旦数学系有不少高足慕名来找葛冬冬讲授。

除了致力于让学科扶植国际化,让更多的人才走向更广漠的寰宇,葛冬冬讲授今朝也作为杉数科技的首席科学家,同时活跃于学界和业界。

他是如何在四年时间内把 X院打造成如许一个在口碑和风致上都得到弟子们高度承认的学院?筹建 X院的初衷是什么,有什么不日常的人才培养模式?而同时投身于学界与业界,他对付科研又有什么不日常的概念?带着这些疑问,雷锋网 AI科技谈论对上海财经大学X院院长葛冬冬讲授进行了一次专访,以下为访谈内容,雷锋网 AI科技辩论做了不转变原意的编辑整理。

葛冬冬:2009年在斯坦福大学治理科学与工程系获博士学位,导师叶荫宇教学。在运筹优化和较量机理论科学的国际一流期刊与集会,如Operations Research,Mathematics ofOperations Research,Mathematical Programming, FOCS, SODA, ICML等公布过多篇论文。主持过国家天然科学基金青年基金,浦江打定等基金。担当过多个国际著名期刊的特约审稿人,参与过波音,谷歌,上海通用等海内外公司的多个优化项目。近期的主要研究课题为稀少优化、组合优化、健康治理、运营经管、网络与大数据。

Part 1交织科学院

运筹学本身便是交织性学科,我们当时以为学习学习姚期智师长的模式也挺好的

运筹学本身便是一个交织学科,它自身的根基理论其实很清晰。运筹学主要的特点是需要关系各个学科,打点实际问题。我们在致力于科研时,特别是构兵到一些大的实践性项目标过程中,发明其中交错的知识点特别多,所以就萌生了需要重视交叉学科的设法。

实事求是地讲,我感觉如今许多题目都市跟多个学科发生交错,好比说在解决运筹学领域的问题时,你得了解数据科学、人工智能许多方向的常识。而运筹学在历史上跟经济、金融、管理、数学、统计等学科都有很多交错,所以我们信心建设交错科学院,把多个学科都放进来,做一个兼容开放的平台。当时即是这么思量的。

之前也有许多现成的例子,像清华姚期智先生的交织信息研究院。今朝我们财大的教员中,从他们那出来的有陆品燕、王子贺、还有一个要完结的博士生。我们以为学习姚师长这个模式也挺好的。

每个研究所的存在都要有一定的合理性,盲目挂牌占名字没有心义

我们交叉科学院的研究程度,从科研上来讲曲直常强的。我们教员们今年颁布的论文涵盖办理学、运筹学、优化理论、机器进修、应用数学,甚至营销学等各方面的顶级期刊,大家底子上都是奔着国际一流的科研内容去的。

理论和实际两方面是交织科学院考虑问题的出发点:

我们跟滴滴等经济共享体有互助,又有明大共享经济研究所来寻求合作,因此设立了共享经济研究中心。

学院下属的金融科技研究中央与招商银行、国金证券都有大范围、镇静的合作关联,其它我们恒久跟很多金融机构也有互助。近期的这些合作都是针对付金融科技方面的标题,好比说征信、风控、AI怎样跟量化投资结合。

并行优化国际实验室首要卖力 leaves求解器的扶植。我们觉得大规模并行优化算法的企图,对机械进修和深度学习很必要的一些底层算法、大规模优化加速算法有重要的意义。随后我们就自动去推动、开辟这些算法和软件。并行优化国际尝试室如今的这些工作,对行业也有提前的引导意义。

人工智能实行室是我们和杉数科技团结设立的,旨在帮助他们解决目前存在的很多实际问题。譬喻从顺丰,京东,永辉等企业来的很居心思的标题。

每个研究所都是凭证实际标题去考虑,进而设计运行机制。好比金融科技在很大水平上是项目驱动的,由于目前金融范畴的容错性很小。虽然今朝对金融科技喊的很凶,但在我们看来,这个领域的现实做法较量保守。这里面存在许多新概念,你去做一个与金融相关的体系,用了 AI技术的,经常是黑箱子,可解说性差,很难往下推。像我们做金融科技,就是先摸着石头过河。

我们覆盖的领域有很多,确实表现了交织学科的特点。皮相有斗劲值得去做的工作,我们就去做,一边做一边堆集经历,根据需求将我们的研究所发展起来。每个研究所的做法都不大一样,都要有一定的合理性,并不是说盲目的挂牌占一个名字。很多研究所即是为了占个位子,那没有意义。

Part 2人才培养

冠冕堂皇的话不讲,我们离国际水平还存在差距

我们在 X院的学术建设上是一个计较良性的轮回,我们建树的不只是一个学院,更像一个平台和关键,毗连国内和国际学界。冠冕堂皇地说,就是缩小海内外差距。

我们一直比较勉励弟子去做科研,特别是本科生。但感觉海内团体的科研气氛还是偏弱,至少现在的许多科研都是教师之间互相互助,大要跟国外合作。仅仅依赖跟学生互助,然后指导弟子做出很好的工具,我觉得贫苦。没有造就体制,根蒂建设没完成,再智慧的门生也很难帮你做工作。

培养体系的差距体如今哪呢?就比如博士培养,这必要一个很成熟的体例--一群水平很高的年青人会集在一起,有一个完竣的体例,每一门课都能高质量地完成,其它还需要一些很好的师长,可以给学生以全世界最高水平的指引。前面提到的这些像一个生态系统,这个生态系统缺一环都扶植不好。海内的大学,搜罗我们自己在内,或者是某一环某两环做的计较好,但是想要达成整个生态系统的精良扶植,都有这样或那样的缺陷。

坦白来说,我觉得我们的教员大多数还不具备用全全国一流的目力来引导高足做事情的本领,搜罗我本人,我觉得都有必然差距。

尽自己所能来帮助高足,让他们获得更好的成长

国内教诲的最大益处是根基演练得很好,是吧?你看数学系的门生,理论学得很好,但不是每私家都市去做纯数学。将门生吸引过来之后,我们会花许多时间跟国外的教学合作,指导弟子竖立科研偏向,造就他们的兴趣,得当的同砚,会把他们送到海外去读博士。

我本人算是小都邑出来的,在九十年月出国,当时间算很早就出国了,在国外待了十几年才回归。回想起来,出国、归天界名校念书,给我带来彻底的转变。我认为这种时值确实异常宝贵,异常难得。

人的生涯情形不要缘木求鱼。把高足留在身边,或许对你私家资助更大,对你要做的事情资助更大。但许多时间不见得就好,至少对我来说,我不以为是一件很好的工作。如许做至少在我这儿,对某些高足是亏的,我们还是尽可能的希望帮助高足。非常有先天的高足,大要说比较适合出国连续深造的门生,你何必把他圈在海内呢?他出去待几年,会对他有更大的优点。

前几年我们老师也少,本身培养高质量博士也计较穷苦,所以我们的做法是把最好的学生从天下各地吸引过来。到今朝为止,北大、清华、华东五校,南科大,甚至一些海外的本科也许硕士结业生,例如Oxford,UCLA,都有弟子在我这,经由我们这个平台出国深造。

总有一天条件会成熟,如今我们的教员已经许多了,跟外洋的互助也很成熟,这时候我觉得可以招录弟子了。今年我们招了相称于是第一批真正的学生--八个硕博连读生。

Part 3产学研结合

在运筹学和交叉科学这个范畴,为了造 paper而造 paper,没故意义

谈到学界和业界,这是较量大的问题了,下面我说说叶先生(叶荫宇讲授)常常给我们谈到的。

叶老师曾表示自己也做了几十年算法的研究,现实上会发现很多算法便是空言无补。说得很好,理论也很英俊,效果证实得还不错,但其实你本身心里清楚,适用性有时候存疑。固然从科学研究的角度来说,或许答应这种不适用,但是要有创新改旧性,有前瞻性,泉源于生涯但又高于生涯。

现在许多时间,大家为了造 paper而造 paper。运筹学和交织科学具有热闹实际应用配景,你去做这些对象没有心义。

最近这几年,大数据和人工智能兴起以后,许多问题都改头换面,和以前不日常了。如果你还只是坐在这里讲讲十年前、二十年前的那些对象,或者去报纸上看看有哪些案例,再拿出来跟高足去讲,没有说服力的!这些对象高足不信,你也不信,对不合?

我们必要看到家产界孕育了什么事情,就像叶老师倡始建设杉数科技,他想旁观今朝最新的业态,找到一些斗劲先辈的理论,引导各人去适应这个潮水。

我以为这是一个很好的时价,既然去做这件事情了,你就能清楚地知道财产界在存眷哪些实际标题,哪些理论能给他们提供资助。

时代在变,也显现了许多新的时机和搬弄

别的,比来几年,异常是数据驱动类问题,它们的形态、量级跟以前完全纷歧般了。这带来了许多新的科研机会,比如说许多时候,整个算法体系必要重构,整个理论体制也必要重构。

在许多领域,很多主要的题目都曲直常新的。就像李飞飞在前几天的演讲上所表达的观点--这个范畴里最具厘革性的成果尚有待发现。我觉得她说的实在挺对。

你会发现经济、办理、金融等领域普遍涌现这种情况:新的对象一向在发展,各人也在实验,这些工具很有用,但根本性的理论却没成长起来。

以是接下来即是产业界推动学界来思考一些新的标题。

另外,对学生的教育也会比较打听。一方面,可以知道学会什么样的妙技你的门生才有就业竞争力;另一方面,或许造就高足的科研意识,培养起他对将来不会被裁减的重要科研的乐趣。

总体来讲,产学研这三者结合会形成一个良性轮回。在这个过程中,杉数、顺丰等公司都能获得代价,意识到科研的主要性。下一步他们会扩大科研团队,加强科研投入的力度,从经济上支撑高校,形成一个很好的循环。

当然,目前也必要一心投身学界的教员

帮业界做项目,从我们的履历上来看,许多时候会很累。不光是工作量大,会存在很多非缔造性的工作。好比说帮企业做项目时,必要跟营业去对接,必要理解理睬他们的营业逻辑,还要体贴怎样落地。当后果转化成软件,还需要去体谅稳定性,抗干扰性,怎么工程化等问题。

这些事情实在跟科研关系不大,所以有些做科研的先生只体贴革故鼎新性,不肯意从事这种项目,这无可厚非,乃至应该鼓励。而且这也没什么不好,大学之所以为大学,是必要有这样的老师存在的。

在与顺丰、京东、滴滴等至公司合作的通过中,我们请了很多海内外的高校教授帮忙。在这个过程中我们发明,解决标题的技巧每每与科研水平照旧有关联的。绝大多数环境下,论文写得好的教员对实际标题的分明实在更深刻,给出来的指导会更有效。

Part 4运筹学与人工智能

回到运筹学,它与机器学习互相促进

机械进修、深度进修底层的算法,在很大水平上都是依靠运筹学来规划的。学科之间需要杰出的互动,联合起来促进底层算法的大规模发展。AI会为运筹学供给许多软件、硬件体制结构上的支持,促进算法效率的快速提拔。运筹学优化算法里的结论,也可以帮助 AI来计划算法。

如今 AI社区里有很多人在从事算法方面的工作,由于不能光等着运筹学来输出,他们本身也会去计划。异常是深度进修,深度学习素质上就是个非凸优化,在这一范畴他们做了许多工作。

运筹学发展到现在,说白了,履历过那么两三次大的算法诞生,对学科孕育了很大的鞭策感化。下一个推动性的算法的孕育,我觉得会得益于 AI 。我们能借鉴 AI供应的一些对象,倒逼运筹学孕育新的算法,飞跃管理一些根本性的模子。我们试验室如今从事的研究,就鉴戒了许多 AI方面的想法。

在未来,我以为这个改变很可能会在接下来五年乃至是三年之内产生。这个预言梗概有许多人不信,非常是在运筹学领域。但我比来看到一些例子,呈现的结果远远超乎我的想象。我私家的观念大概几个月就改进一次,而我如今很相信这一点。

说深度学习像中医,并不是否认

叶师长在今年六月份的时候就说过深度进修像中医,当时我们没敢让媒体报导,如今有人挑头出来说它像炼金术,我们就可以说了。当然,我要声明,叶老师说这句话不是否定,而是一定。深度进修的确能办理标题,它也不是没有理论依据,而理论就像李飞飞说的,『如今我们还处于很早期,正在成长。』

现实上这是个机会,像数据科学,包罗机械学习,将来一定是最重要的学科,没有之一。深度学习的实用性,的确推动着各个方面,不光是理论,包括软件和硬件的飞速发展。人工智能和数据科学根本上会主导人类发展的方方面面,但如今根基理论建设并不健全,有很多事情或许去做。我以为如今是一个黄金时期。

团体说来,各人从事科研的时候,都要去想想,本身如今做的工作跟 AI有多大的关联,怎么去更好的结合它。你不去结合它,你就一定会被 left out。我们创设 X院也是这个原因--我们要主动拥抱它,而不克坐等着,被动颓废地去 follow。此外,还必要更进一步,本身主动去引导潮水,预言潮流,走到最前列去。

运筹学要成长,要加紧输入新奇血液

运筹学在今年受正视程度明显晋升了,我知道许多公司,像顺丰、滴滴、京东、美团、饿了么等,他们如今对于运筹学有清楚的岗位需求,并且需求也变多了,这一年工资涨了快一倍,这显然是一个异常大的提升。一旦需求变强,我信赖就会动员学科培养人才的积极性,成长也会更快。

但是整体来讲,学界的反映会慢一些。

我比来和港中大深圳校区的罗智泉副校长聊了聊,发现他们在运筹学上的扶植速度、大志和范围,用一个词来形容即是异常可怕,要是照今朝这个进度,不要说全国第一,亚洲第一都指日可待,他们招了许多全全国重量级学者回归。罗校长有影响力,他也懂行,水平高,有一定的权力来雇用人才,港中大的轨制也角力灵活。可以看到,他们的成长会很快。我以为我们的成长速率跟人家照旧不克比,这让我感到很着急。我们终究是个小黉舍,对一个学科的正视,再怎么超通例,照旧有范围性的。

任何一个处所,要是你还是固步自封,不加紧输入新鲜血液,很快就会落后的。

(完)


上一篇:推荐:许昌市财政局“四个着力”提升会计管理服务水平 上一篇:[推荐]在线咨询杭州直达鄢陵长途客车//杭州客运

您可能也感兴趣:

特荐文章

河南特色美食:襄县焖面

图文欣赏