CCAI素來(lái)秉承中國(guó)國(guó)內(nèi)級(jí)別最高、規(guī)模最大的品質(zhì)追求，匯集全球人工智能領(lǐng)域的頂級(jí)專家、學(xué)者和產(chǎn)業(yè)界優(yōu)秀人才，直擊當(dāng)前AI業(yè)界熱點(diǎn)話題、核心技術(shù)以及大家共同關(guān)注的科學(xué)問(wèn)題，并針對(duì)該領(lǐng)域相關(guān)技術(shù)研究、產(chǎn)業(yè)化創(chuàng)新應(yīng)用、人才培養(yǎng)與成長(zhǎng)等設(shè)立專題論壇。納百家之言，融萬(wàn)端思辨，旨在打造中國(guó)人工智能領(lǐng)域產(chǎn)、學(xué)、研緊密結(jié)合的高端前沿交流平臺(tái)。

大會(huì)開(kāi)幕在即，CSDN獨(dú)家采訪到南加州大學(xué)副教授、Zohrab A. Kaprielian工程院士Fei Sha博士。而Fei Sha博士作為本屆CCAI的嘉賓，將于大會(huì)上為大家?guī)?lái)主題為“大數(shù)據(jù)如何幫助「小數(shù)據(jù)」”的分享，意在從其他任務(wù)和相關(guān)（大）數(shù)據(jù)集中尋求幫助，以研究有關(guān)小數(shù)據(jù)的方法和模型。報(bào)告將探討相關(guān)方法的制定，以及如何將它們運(yùn)用到實(shí)際問(wèn)題中。

以下為采訪正文

CSDN：是否方便透露您以及您的團(tuán)隊(duì)在現(xiàn)階段的研究側(cè)重點(diǎn)或下一步研究計(jì)劃？

Fei Sha：目前，我的研究著重于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的基礎(chǔ)性與應(yīng)用性研究。過(guò)去幾年中，我們團(tuán)隊(duì)的工作涉及到了人工智能領(lǐng)域的各個(gè)子類，包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理和機(jī)器人技術(shù)領(lǐng)域。同時(shí)，對(duì)于實(shí)驗(yàn)室正在進(jìn)行的一項(xiàng)新舉措——嘗試將機(jī)器學(xué)習(xí)和人工智能轉(zhuǎn)化到醫(yī)學(xué)的運(yùn)用上，我們也感到非常興奮。為此，我已經(jīng)開(kāi)始建立一個(gè)針對(duì)健康方面的數(shù)據(jù)、算法與系統(tǒng)的研究中心。

CSDN：是什么契機(jī)讓您選擇了統(tǒng)計(jì)機(jī)器學(xué)習(xí)這一研究分支，大數(shù)據(jù)的機(jī)器學(xué)習(xí)在人工智能的發(fā)展中扮演著怎樣的角色？在與團(tuán)隊(duì)一同探索的過(guò)程中，曾陷入怎樣的瓶頸時(shí)期？又是如何尋求突破的？

Fei Sha：在就讀博士時(shí)，我就為統(tǒng)計(jì)機(jī)器學(xué)習(xí)的魅力心馳神往。彼時(shí)，我頭一個(gè)博導(dǎo)Fernando Pereira、同為我博導(dǎo)的Lawrence K. Saul，還有Daniel D. Lee等杰出研究員都已經(jīng)離開(kāi)了AT&T的實(shí)驗(yàn)室，紛紛加入了賓夕法尼亞大學(xué)，投入學(xué)術(shù)界的懷抱。而我對(duì)于機(jī)器學(xué)習(xí)的理解，在很大程度上受到了他們的影響，還有我的博士后導(dǎo)師Michael Jordan這樣的牛人也給了我很大影響。作為一個(gè)研究方向，機(jī)器學(xué)習(xí)在對(duì)智慧的運(yùn)用上很能讓人滿足，我發(fā)現(xiàn)自己不斷學(xué)習(xí)新的東西，欣賞到各式新奇的想法，并且實(shí)實(shí)在在地為解決真實(shí)世界的問(wèn)題做出了貢獻(xiàn)。

毫無(wú)疑問(wèn)，近來(lái)人工智能那些驚人的進(jìn)展，在很大程度上要?dú)w功于大數(shù)據(jù)、智能學(xué)習(xí)模型和算法，還有人們借助商用硬件所執(zhí)行的大規(guī)模并行運(yùn)算。

CSDN：在將機(jī)器學(xué)習(xí)以及其他人工智能技術(shù)應(yīng)用到生命與醫(yī)療科學(xué)這條路上，您和您的團(tuán)隊(duì)做了哪些工作及部署？人工智能在醫(yī)學(xué)戰(zhàn)場(chǎng)上面臨哪些挑戰(zhàn)？談?wù)剻C(jī)器學(xué)習(xí)在個(gè)性化醫(yī)療等醫(yī)療手段當(dāng)中的應(yīng)用？

Fei Sha：具有開(kāi)拓精神的腫瘤專家，同時(shí)也是精準(zhǔn)醫(yī)學(xué)領(lǐng)袖David Agus博士帶領(lǐng)著一支來(lái)自Lawrence J. Ellison轉(zhuǎn)化醫(yī)學(xué)研究院的團(tuán)隊(duì)。通過(guò)與他們合作，我在美國(guó)南加州大學(xué)的實(shí)驗(yàn)室在21世紀(jì)數(shù)字病理學(xué)的重新定義領(lǐng)域發(fā)揮著領(lǐng)導(dǎo)作用。目前有一些機(jī)器學(xué)習(xí)方面的研究項(xiàng)目正在進(jìn)行，非常令人興奮，其中包括有：直接從H&E染色圖像中預(yù)測(cè)癌癥標(biāo)志物；根據(jù)組織學(xué)圖像將癌細(xì)胞和非癌細(xì)胞成分進(jìn)行分類；建立起精準(zhǔn)與自適應(yīng)療法的新型數(shù)學(xué)與計(jì)算模式。我們相信，通過(guò)對(duì)機(jī)器學(xué)習(xí)技術(shù)和人工智能的不斷優(yōu)化，在我們的努力下，全世界的病理學(xué)家將會(huì)取得前所未有的進(jìn)展，得以更好更快地做出疾病診斷。目前，我們聯(lián)合了全世界頂尖的技術(shù)公司和行業(yè)領(lǐng)袖，共同合作將研究從大學(xué)實(shí)驗(yàn)室搬到現(xiàn)實(shí)社會(huì)，以便形成最大的影響力。

將人工智能應(yīng)用于疾病的治療或協(xié)助治療方面，當(dāng)然很激動(dòng)人心。但是我們應(yīng)當(dāng)知道——疾病的治療是一個(gè)復(fù)雜的決策過(guò)程，涉及到了多個(gè)方面。通常來(lái)說(shuō)，雖然還在不斷成長(zhǎng)，但人工智能系統(tǒng)在其中只占據(jù)很小一部分。在我看來(lái)，其中最大的挑戰(zhàn)就是開(kāi)發(fā)出能轉(zhuǎn)化成有重大臨床影響的人工智能技術(shù)。

CSDN：據(jù)悉，您曾為DARPA 2010計(jì)算機(jī)科學(xué)研究小組成員，這個(gè)過(guò)程中是否有方便與大家分享的經(jīng)歷？

Fei Sha：為了訓(xùn)練空降能力，我曾試過(guò)12.8米高的跳臺(tái)。

CSDN：對(duì)于“深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的最終發(fā)展方向”這一個(gè)觀點(diǎn)，您怎么看？您曾經(jīng)談過(guò)有關(guān)深度學(xué)習(xí)“知識(shí)表示”的問(wèn)題，能否具體展開(kāi)？現(xiàn)階段該問(wèn)題仍存在嗎？

Fei Sha：深度學(xué)習(xí)在基礎(chǔ)研究、應(yīng)用研究和開(kāi)發(fā)、應(yīng)用和實(shí)踐等方面確實(shí)徹底改變了機(jī)器學(xué)習(xí)的格局。然而在我看來(lái)，不加限制條件就宣布深度學(xué)習(xí)是“最終的方向或目的”，是一種科學(xué)上不成熟、也不負(fù)責(zé)任的做法。關(guān)于深度學(xué)習(xí)的模式和實(shí)踐，我們還有很多不了解的地方，還有很多對(duì)機(jī)器學(xué)習(xí)至關(guān)重要的問(wèn)題尚在研究之中，而這些問(wèn)題與深度學(xué)習(xí)模型呈正交關(guān)系。

使用深度學(xué)習(xí)的架構(gòu)來(lái)表達(dá)某些人工智能領(lǐng)域的知識(shí)表述問(wèn)題，是非常有趣而且很可能頗有前景的工作。但是類似這些方面，我們離獲得定論還相距甚遠(yuǎn)。

CSDN：您在研究過(guò)程中也收獲了大量的理論研究成果，那么在您看來(lái)，理論下的AI和實(shí)踐中的AI之間，有著怎樣的差距。您認(rèn)為現(xiàn)階段的AI發(fā)展存在哪些阻滯因素？

Fei Sha：目前，無(wú)論學(xué)術(shù)研究界還是行業(yè)社區(qū)中，關(guān)于人工智能系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，大家都在進(jìn)行大量的理論知識(shí)與實(shí)踐準(zhǔn)則積累，以適應(yīng)具體明確且垂直化的應(yīng)用場(chǎng)景，比如識(shí)別口語(yǔ)、識(shí)別人臉等等。盡管如此，在這些方面所取得的成功只能算起步，我們欠缺優(yōu)秀的理論來(lái)描述這些系統(tǒng)的魯棒性和可靠性。對(duì)于特別復(fù)雜的系統(tǒng)，我們?nèi)鄙僭u(píng)判其預(yù)測(cè)是否正確的工具，而且太過(guò)依賴于獲取海量數(shù)據(jù)。此外，正如我在上文中提到的，人工智能系統(tǒng)通常只是某個(gè)復(fù)雜系統(tǒng)或進(jìn)程中的一個(gè)小部分。那么，如何確保人工智能系統(tǒng)與其他組件順利協(xié)作，是將人工智能推向?qū)嵺`和產(chǎn)品環(huán)節(jié)的關(guān)鍵步驟。

CCAI議題直擊

CSDN：您將在本次CCAI上分享什么樣的主題？側(cè)重點(diǎn)將放在哪些問(wèn)題上，旨在解開(kāi)哪些疑惑，希望觀眾從中收獲什么啟示？

Fei Sha：我的演講主題主要是：如何借助少量數(shù)據(jù)，甚至在沒(méi)有數(shù)據(jù)的前提下構(gòu)建機(jī)器學(xué)習(xí)模型。在許多應(yīng)用的場(chǎng)景中，會(huì)假設(shè)我們已經(jīng)擁有海量精準(zhǔn)數(shù)據(jù)，而這并不現(xiàn)實(shí)。不過(guò)，我們還是可能有機(jī)會(huì)訪問(wèn)大量與所要解決的問(wèn)題有關(guān)聯(lián)的數(shù)據(jù)。在過(guò)去幾年中，我們一直在研究如何在這類情況下，利用這些相關(guān)的數(shù)據(jù)。