本文经AI新媒体量子位（公众号ID：QbitAI）授权转载，转载请联系出处。重庆和很多西部城市一样，常被诟病为“互联网沙漠”，但它拥有良好的物联网土壤。据统计，重庆市物联网相关企业近2000家，其中核心企业600余家，在物联网产业领域实力雄厚、影响力大。除了企业，重庆还有一个物联网技术的特殊“力量”：以刘力为首的重庆大学物联网体感大数据实验室。刘力，现任重庆大学大数据与软件学院教授、博士生导师。而他在2018年成立了这个实验室，希望在因果学习和机器学习之间架起一座桥梁。这个方向也是本吉奥、珀尔等大咖也在关注的领域。从更具体的应用来看，刘力认为，实现这一目标后，人工智能和大数据分析技术将在医疗、教育、制造等领域得到更大的应用。我们有幸与他进行了深入的交谈。典型学者的“三步走”对于刘力来说，始终有一个明确的方向来指引他的事业成长，那就是将所学与国家层面的重大实际问题相结合。特别是近年来，国家针对大数据、人工智能、工业互联网等多次出台重大举措，希望实现人、机、物的深度互联，实现全要素连接和全价值互联。链，进而推动新的工业制造和新的服务体系。重庆是一个老工业城市。于是，刘莉回国后在重庆大学牵头成立了物联网体感大数据实验室，旨在围绕国家重大需求开展大数据分析特别是因果学习的基础研究和应用。事实上，在建立物联网体感大数据实验室之前，他已经和大数据打交道了几十年。在本科和硕士阶段，刘力师从兰州大学李濂教授。李濂教授是我国计算机教育的领军人物。他长期坚持推广以计算思维为核心的计算机人才理念和新模式。为此，他获得了2020年CCF杰出教育奖。受他的影响，刘力在本科和硕士阶段的下半年参与了中国教研网格项目。网格可以看作是云平台的前身，解决了数据存储和处理的问题。这段经历确立了他的思维方式：以计算思维为主，围绕数据的存储和处理解决问题。但他真正确立了自己的科研梦想，是在异国求学的时候。2007年，刘莉在攻读博士学位时。在巴黎第十一大学，诺贝尔物理学奖授予巴黎第十一大学教授吉尔斯·阿尔伯特·费雷尔。.刘莉说：这让我更加坚定了选择学术道路的决心。当时，巴黎排名前十的学校获得了2项诺贝尔奖和4项菲尔兹奖。学校提倡以科学的问题为导向进行基础研究。更重要的是，这些问题不一定都来自应用方向，更多的是来自基础方向。同时，法国轻松自由的环境让他有更多时间独立思考基础研究与技术应用的差异。刘莉回忆说：法国春天有各种各样的假期。夏天，无论从事何种职业，都会放假。秋天开始罢工，冬天又开始为圣诞节做准备。就在这样的氛围中，时间就这样在塞纳河边晒着太阳过去了。有的时候我们中国学生晚上想去实验室多做点工作，警察就会过来问加班权有没有保障，没有特别批准是不能加班的。在这种氛围的影响下，我们也静下心来思考我们应该如何做基础研究。之后，刘莉完成了计算思维的建立和基础研究的认可。但他却在新的坐标中找到了一个真正属于自己的世界。告别浪漫悠闲的巴黎，在热带国家新加坡，刘力与新加坡国立大学计算机科学学院院长DavidS.Rosenblum院士共同开展了一项名为“幸福计算”的研究。这个概念的本质是根据不同的场景调整计算能力。这个时候，计算已经比刘莉刚接触大数据分析的时候更加丰富了。不仅延伸为无处不在，还呈现出以人为中心的人、机、物三元融合的特征。如何处理这些新的大融合大数据，成为了刘力和他的同事们最关心的问题。在此期间，他和他的团队也做了很多有代表性的研究，比如本研究中的Fromactiontoactivity:sensor-basedactivityrecognition。他们创新地将人类短期行为数据与更广阔时空维度的活动数据联系起来，弥合了人类行为与人类活动之间的鸿沟，并成功地对行为之间的数据进行了编码。时间依赖性并捕获活动的内在属性。也是在这个阶段，刘力真正确立了自己的研究方向，就是收集和分析围绕物理世界和人自身的数据。从计算思维的确立、基础研究的认可到具体方向的确立，期间的多元化经历也让他对大数据乃至数据科学有了更加立体的视角和体验。这也是为什么重庆大学的物联网体感大数据实验室会有这么具体的名字。刘力认为，从应用的角度来理解大数据分析，可以把它看成是一辆汽车：这辆车里面肯定有很多部件支持大数据分析，引擎就是CPU、GPU等算力平台;要跑，就需要燃料，也就是数据；而轮子就像是应用程序，也就是车子要去哪里，它要驶向什么目标。要实现这些应用，达到目标，就需要一个方向盘，也就是用算法来指挥这一切。用他的话说，这些年他所做的工作既有发动机，有油，有轮子，有方向盘，包括早期写大量数据处理的底层框架。但在这个新的实验室里，自然不会是我经历过和熟悉的所有研究。需要从零开始的事情还有很多，甚至还缺少和学生一起DIY物联网研究的手套。和手表。对于整个团队来说，元方有一个更大的目标，就是在因果学习和机器学习之间架起一座桥梁。机器学习三大“疑难杂症”，因果学习是突破口目前，机器学习与大数据已经发展到你有我我有你的融合阶段。特别是以深度学习为代表的机器学习取得了很好的进展。与此同时，此类方式的“硬伤”也日益凸显。尤其是最重要的问题：可解释性、泛化性和鲁棒性。如何同时推动这三个问题的解决？一个有前途的解决方案是将因果学习引入机器学习，这可以促进机器学习方法的可解释性，提高稳定性并泛化到不同的场景。无论是深度神经网络还是其他一些方法，大多学习的是变量与变量之间的相关性，而忽略了变量与变量之间的因果关系。后者是因果学习的重点。例如，在癌症预测中，因果关系非常重要。什么或哪些属性/变量导致癌症结果是医生和患者迫切想知道的一个解释性问题。长期以来，机器学习和因果学习一直是两个相对独立的研究方向，但现在，这种情况发生了变化，越来越多的人工智能学者意识到了因果学习的潜力。代表人物之一就是“深度学习三巨头”之一的本吉奥。他曾说过：将因果关系融入人工智能已经成为当务之急。当前的机器学习实现方法基于一个基本假设，即经过训练的AI系统在解决实际问题时，面对的是与训练数据相同类型的数据。但在现实生活中，情况不可能这么简单。同样在最近几年，他带领团队进入了这个新的研究重点：将机器学习与因果推理相结合的因果表示学习。另一支重要力量是Sch?lkopf和他在马克斯普朗克研究所的团队，他们也在探索如何创建可以学习因果表征的AI系统。刘力和他的团队也把“在他们的因果学习和机器学习之间架起一座桥梁”作为一项长期使命。除了基础研究，他们还可以依托重庆的产业土壤，落实因果框架理论。比如在图像合成方面，GAN和VAE的出现，让人们看到了图像合成的震撼效果。然而，这些生成能力在一些强调可控图像生成的场景中仍然捉襟见肘。像汽车造型的生成，与艺术形象的生成有很大区别，必须符合一定的工业标准。因此，计算机辅助建模生成时，必须是可控的。可控性是目前难以解决的问题。这个场景也是刘力实验室重点探索的，即利用因果的方法，从数据生成机制的底层入手，发现数据的相关性，并在相关性层面做特征解耦，来学习哪些因素最终会导致潜在的问题，例如轮胎尺寸的变化。未来几年，图像合成、疾病诊断和行为识别等应用方向将是他们的重点研究方向。滚还是不滚？给青年学生的建议在交流中，谈及自己的求学求知之道，刘力总是提到，“把个人目标和国家重大需要结合起来”。这既是他对自己的要求，也是他对青年学生的希望。现在整个计算机科学领域都在讨论“内卷化”现象。他特别希望自己的经历和体会能帮助一些年轻学生“破题”：“首先要重视基础理论，把基础理论扎实。目前学的数据科学，特别是模块化和机器学习可以从网上找一个算法，组装起来解决一个任务，这种面向应用的偏好在职场快速解决问题的要求下无可厚非，但是从学术界或者底层逻辑上来说，这种现象不一定是好事，这可能是我们年轻人因为太内向，所以必须快速生产一些东西造成的。不仅是本科生，一些博士和研究生也存在这种现象。因果学习现在很流行，而一些因果概念被揉进神经网络产生了一些效果之后，你也可以发表好文章了。这不是你做不到s，但是完成这一步之后，是不是可以反过来呢？想想你解决了什么样的核心问题。这也是我的第二个建议，想一想国家的大需求是什么，包括经济发展、社会治理和民生。我所做的这些都促进了这些方面。什么？颈椎问题和头颈问题你贡献了多少？现在年轻人很牛逼，可以发好的顶级文章，也可以很快解决一些问题，但是最终这些方法和模型解决的是什么重大需求呢？我觉得年轻人可能需要不时地思考这些问题。无论是创业还是留在学术圈，都必须站在更高的角度提出核心问题，审视自己的所作所为。什么。》关于刘力重庆大学大数据与软件学院教授、博士生导师，创办重庆大学物联网体感大数据实验室。基金委一般项目等10余项、青年基金、国家重大研发专项子课题、重庆市科委重大专项、教育部科研启动基金等。刘莉发表论文100余篇，申请多项发明专利10余项，同时担任Sensors、WebIntelligence等国际SCI期刊的客座主编，担任UbiComp、CSCW等CCFABC国际会议或研讨会的程序委员会主席和委员，以及曾担任全国可穿戴计算大会秘书长。以及IEEETransactionsonC等顶级人工智能期刊审稿控制论、IEEE智能系统、IEEE学习技术汇刊。个人主页：https://www.aminer.cn/profile/li-liu/56065cde45cedb3396854f9a
