点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要8分钟

跟随小博主，每天进步一丢丢

整理：量子位

乾明 十三 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

国际人工智能大会，AAAI 2021大会主席人选已经敲定，华人学者杨强当选。

这一消息来自南大教授周志华，他说，这是华人首次当选AAAI主席。

但对于杨强来说，已经不是首次了。

早在2017年，他就已经当选2019国际人工智能联合会（IJCAI）理事会主席的华人科学家，也是华人首次。

而且，他也是首个华人AAAI Fellow，也是率先提出迁移学习理论、联邦学习理论的人之一。

在数据挖掘领域，他也是绕不过去的大牛之一。

他带出的学生，已经成为中国AI产业的顶梁柱了，比如江湖人称“戴神”的第四范式创始人戴文渊。

所以，杨强是谁？

迁移学习、联邦学习奠基者，各种Fellow专业户

杨强，微众银行首席人工智能官，港科大计算机科学与工程学系主任。

在当选AAAI 2021大会主席之前，他也在2013年当选了AAAI Fellow。

在此之前，他也是IEEE Fellow（2009）、IAPR Fellow（2012）、AAAS Fellow（2012）、ACM Fellow（2017）。

可以说是计算机人工智能领域的Fellow专业户。

这些荣誉等身背后，也是实至名归。

在人工智能和数据挖掘领域，他已经发表了400多篇论文，也是人工智能和数据挖掘顶级会议，比如IJCAI、ACL、SDM、 WSDM 、 KDD、CIKM、 AAAI的常客。

为了解决小数据困境难题，他和自己带领的团队，提出了“迁移学习”的理论体系。为了解决数据割裂、数据孤岛等问题，杨强和团队进一步提出“联邦学习”理论。

能够保证各企业在自有数据不出本地，模型效果不变，在不违规的情况下进行联合建模，提升机器学习算法建模效率。

无论是迁移学习，还是联邦学习，都已经成为人工智能/机器学习的前沿技术，成为这些领域研究者致力的方向之一。

而且，他做的研究也不仅仅只是停留在学术层面，也已经进入了产业界。

他是微软亚洲研究院首批研究者之一，也是华为诺亚方舟实验室创始主任。

在他的带领下，微众银行AI团队开源了工业级的“联邦学习”技术框架，也是全球首个。

在此之前，他出身于书香世家，学于北大，深造于马里兰大学。

书香门第，埋根物理学

杨强出生于1961年，今年59岁，出身书香世家。

1975年曾就读于清华附属中学。1978年，作为恢复高考后的首批大学生，杨强进入北京大学，就读于天体物理学专业。

之所以选择物理专业，杨强在《中国科学报》的采访中表示：

从小受父亲的影响。

他的父亲杨海寿，也是中国著名的天文学家，生前一直在北京大学任教。

因为他从小所接触的圈子，要么是研究物理的，要么就是研究图书馆的（他母亲毕业于北大图书馆系，后来在清华工作）。

本科毕业之后，通过研究生计划(CUSPEAP)远赴美国马里兰大学留学。

依旧是研究天文物理主要是通过NASA发射的卫星观察太阳上的一些活动，比如耀斑。

而正是由于物理学上的需求，杨强开始接触到了计算机。这也让他迎来了人生的转折点。

首先，在天体物理实验过程中，杨强发现数据是十分稀缺的，因为要通过卫星的方式采集，所以一等就是几个月。

而计算机却能通过卫星图像，自行产生数据。“其次，计算机真的很有意思。很多流程都可以自动化，可以用学习的方式来解决。”杨强说。

于是，转学计算机的想法便萌生了。

兴趣使然，转战计算机

世上哪有那么多的天才，还不都是孤独的翻山越岭。这句话用在杨强身上再适合不过。毕竟转专业哪里是那么容易的事情。

1984前后，那时候的计算机课程在学期中是根本注册不上的，他只能利用夏天的时间选修一些课来恶补。

杨强回忆道：

我真正开始熬夜就是从那时候开始的。

出国前的视力非常好，但为了赶计算机那些动辄上千行代码的大作业，不得不经常熬夜，导致视力下降，最终才戴上了眼镜。

为了上机完成《操作系统》作业，不得不排队到夜里三四点。还要在晚上去听给成人班开的计算机课，后来因为学得好，加之老师太忙没时间上课，便让杨强代课教成人班。

就这样，在1985年，他顺利转入计算机系。而在此之前，他其实已经在教三门计算机课程——数据结构、电路设计、人工智能。

就这样，在马里兰大学的七年期间，杨强完成了双学位硕士（计算机科学和天体物理学硕士学位）、博士（计算机科学）的学习。

在接受《中国科学报》采访的时候，杨强也对自己的人工智能研究之旅进行了复盘：

前半部分是以专家系统为主的思维，即先入为主，人用计算机的逻辑语言把人类的专业知识输入计算机，是读博期间所流行的。

后半部分则是机器学习，即不是先入为主，而是通过对事件和环境的观察、通过训练数据，学到一个模型，再付诸实施，预测未来。

博士毕业后的他，赴加拿大滑铁卢大学计算机系担任助理教授及副教授，并于1995年得到了终身教授的职位，这个时候距离他博士毕业仅仅只有7年。

在时间和科研经费相对自由的情况下，杨强便开始了后半部分的研究，即机器学习。

当时，这还是人工智能领域的一个小分支，也处于寒冬之中。

但他有很强的信心，在他看来，这必然是未来趋势之一。

他曾经比喻道：

很多人会惊讶于2、3岁的小孩子就拥有超强的语言天赋。

这并不是一两个例子就能学会的，而是已经有了一定的积累。这种积累可能源于父母，得到了他们赋予的大脑中很多知识的连接。

只不过有些还没有连接上，需要1、2个例子来刺激。

其实，这就是杨强后来提出的迁移学习的基本模型——可以把大数据领域的知识迁移到小数据的领域来，并解决小数据的问题。

在他看来，机器学习离不开两点。

一个是举一反三的能力，也就是迁移学习；同时也离不开连接数据孤岛的能力，也就是联邦学习，解决了数据割裂和数据隐私问题。

而在此之后，杨强先后在加拿大西蒙弗雷泽大学计算机系、香港科技大学计算机科学与工程学系任教。

成功方法论：让自己跟昨天不一样

或许你会觉得他的职业变动有些频繁，但其实这正是杨强所遵循的一个很简单的原则——不断学习，不断提高自己，让自己跟昨天不一样。

杨强说：

在大学工作时，我给自己定了一个挑战，就是成为行业领袖，知识也要不断提升。

成为正教授之后，还有讲席教授，再之后还有特聘教授。

这些职称都获得之后，周边能学的东西几乎都学到了，那就要换个“朋友圈”。

这或许正是他在从教的同时，还不断的参与校外活动和科研的原因。

1999年，微软亚洲研究院成立之后，他就进入其中，成为首批研究员之一。2012年，华为诺亚方舟实验室成立。杨强于2012-2015这三年期间，出任实验室创始主任。

2015年，他还出任了“微信－香港科技大学人工智能联合实验室” 主任。2018年，出任在微众银行担任首席人工智能官(CAIO)。

如今，在这个职位上的他，希望把整个金融服务设计到一个人工智能的模型里。

模型可以自动变成一个银行，然后把这个银行的模型开放给各个行业，让每个行业都有可能自己去做有金融特性的服务。

正如杨强自己所说：

我觉得这是特别伟大的一件事，可能需要很多年来做。但每每想起目标的伟大，我都激动得睡不着觉。

华人学者登顶AI顶会

不仅仅是杨强，近年来也有诸多华人学者，在各大人工智能领域顶级会议展露锋芒。

比如港中文教授、商汤创始人汤晓鸥，也担任了多个重要的国际会议的主席，比如ICCV、CVPR。

他也是影响因子最高的IEEE杂志IEEE Transactions on Pattern Analysis and Machine Intelligence（PAMI）和整个计算机科学领域影响因子最高的International Journal of Computer Vision（IJCV）编委，也是IJCV首位华人主编。

还有出生于湖北鄂州、UCLA教授的朱松纯，他也曾担任过CVPR大会主席，在国际顶级期刊和会议上发表论文200余篇， 三次问鼎计算机视觉领域国际最高奖项马尔奖。

有意思的是，汤晓鸥和朱松纯都学成于中国科技大学。

这次杨强当选AAAI 2021大会主席，被诸多业内人士看来，也是华人力量在人工智能领域崛起的又一明证。

One more thing

2012年，华为诺亚方舟实验室成立之时，杨强曾与任正非有过一次问答，矛头直指中国技术创新问题。

他向任正非提出的问题是：为什么我们中国直到现在还没有一个诺贝尔奖，产生的必要条件是什么？

任正非当时的回答也颇为犀利。在他看来，中国创造不了价值是因为缺少土壤，这个土壤就是产权保护制度。

幸好你是香港的大学教授而不是中国内地的大学教授，否则你要比论文数量，你又产不出这么多来，就只能去抄，你去抄论文还有什么诺贝尔奖呢？不可能嘛，因此我们必须要改变学术环境。

你怎么看？

参考链接：
http://news.sciencenet.cn/sbhtmlnews/2019/10/350657.shtm?id=350657

https://en.wikipedia.org/wiki/Qiang_Yang

作者系网易新闻·网易号“各有态度”签约作者

---

方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

推荐阅读：

【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文

【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency  Parsing

【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译

【一分钟论文】Semi-supervised Sequence Learning半监督序列学习

【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

---

让更多的人知道你“在看”