·邁克爾·喬丹教授是機器學習領(lǐng)域的先驅(qū)，通過在機器學習、概率學、統(tǒng)計學以及圖模型這四者間建立聯(lián)系，為機器學習奠定了數(shù)學與計算基礎。他是真正將機器學習用于特定主題模型，如文本分析、圖像分析的開創(chuàng)者之一。過去十年里，機器學習在諸多領(lǐng)域的應用得到爆炸式發(fā)展，如自動駕駛汽車、X光片分析、蛋白質(zhì)折疊預測等，都離不開基于喬丹研究所塑造的理論框架。

·喬丹說：“我們要學會跳出學術(shù)界，始終記得自己不僅僅是數(shù)學家，也是現(xiàn)實社會中涌現(xiàn)出的現(xiàn)實問題的解決者。”

9月29日，2022年第一屆世界頂尖科學家協(xié)會獎（以下簡稱“頂科協(xié)獎”，WLA Prize）在上海揭曉。其中“智能科學或數(shù)學獎”被授予美國計算機科學與統(tǒng)計學家邁克爾·I·喬丹（Michael I. Jordan），以表彰他“對機器學習的理論基礎及其應用作出了根本性貢獻”。每位獲獎者獲得獎金1000萬元人民幣。

美國加州大學伯克利分校電子工程與計算機科學系、統(tǒng)計學系杰出冠名教授邁克爾·I·喬丹。

邁克爾·I·喬丹出生于1956年，是美國國家科學院院士、美國國家工程院院士和美國藝術(shù)與科學院院士，現(xiàn)任加州大學伯克利分校電子工程與計算機科學系、統(tǒng)計學系杰出冠名教授。主要研究方向為人工智能、生物系統(tǒng)與計算生物學、控制、智能系統(tǒng)和機器人、信號處理、機器學習等。

“邁克爾·喬丹教授是機器學習領(lǐng)域的先驅(qū)，通過在機器學習、概率學、統(tǒng)計學以及圖模型這四者間建立聯(lián)系，為機器學習奠定了數(shù)學與計算基礎。這些領(lǐng)域的相互聯(lián)系，不僅有助于促進機器學習領(lǐng)域的研究和發(fā)展，同時還提升了相關(guān)領(lǐng)域研究工作的質(zhì)量和數(shù)量。”頂科協(xié)獎“智能科學或數(shù)學獎”遴選委員主席、2017年圖靈獎得主約翰·軒尼詩（John Hennessy）教授介紹。

機器學習是人工智能的基石，喬丹在機器學習領(lǐng)域工作了近30年，是真正將機器學習用于特定主題模型，如文本分析、圖像分析的開創(chuàng)者之一。過去的十年里，機器學習在諸多領(lǐng)域的應用得到爆炸式發(fā)展，如自動駕駛汽車、X光片分析、蛋白質(zhì)折疊預測等，都離不開基于喬丹研究所塑造的理論框架。

“機器學習是人工智能和數(shù)據(jù)科學的核心技術(shù)之一，計算機科學、統(tǒng)計學、數(shù)學優(yōu)化等多學科交叉融合為機器學習提供了堅實的基礎。邁克爾·歐文·喬丹（Michael Irwin Jordan）指出了機器學習與統(tǒng)計學的深刻聯(lián)系，并長期致力于推動兩個學科的深度交叉融合。”清華大學長聘副教授龍明盛對澎湃新聞（m.dbgt.com.cn）表示。2014年，龍明盛在清華大學王建民教授的指導下獲得博士學位后，即到加州大學伯克利分校師從喬丹院士從事博士后研究工作。

IEEE高級會員、河海大學教授、物聯(lián)網(wǎng)工程研究所所長韓光潔博士對澎湃新聞表示：“邁克爾·I·喬丹教授是人工智能與機器學習領(lǐng)域的開創(chuàng)者與領(lǐng)路人，其在專業(yè)領(lǐng)域的貢獻不言而喻，更培養(yǎng)出多位領(lǐng)域風向標級的專家學者。尤其值得尊敬和贊譽的是，相較于產(chǎn)業(yè)賦能帶來的資本收益，喬丹教授更為關(guān)注數(shù)據(jù)驅(qū)動方法對民生的改善。”

從心理學到統(tǒng)計學、認知科學

1978年，喬丹完成路易斯安那州立大學心理學學士學位，決定努力成為一名數(shù)學心理學家，并開始在亞利桑那州立大學攻讀數(shù)學和統(tǒng)計學碩士學位。然而，喬丹很快意識到他不想只是為了分析數(shù)據(jù)而學習統(tǒng)計學，還想為了建立新模型并探索統(tǒng)計推斷與人類思維的關(guān)系。

碩士畢業(yè)，喬丹與加州大學圣地亞哥分校的一些教師會面后發(fā)現(xiàn)了認知科學的新興領(lǐng)域，“我有一種啊哈的體驗。在那個時代，這是一個新領(lǐng)域，它實際上是關(guān)于將數(shù)學和科學應用于人類思考方式的問題，這啟發(fā)了我?！?/p>

此后不久，喬丹師從美國國家科學院院士、心理學和認知科學教授大衛(wèi)·魯梅爾哈特（David E.Rumelhart），攻讀認知科學博士學位。

那時候魯梅爾哈特正專注于兩個話題：一個是神經(jīng)網(wǎng)絡的新興領(lǐng)域，并涉及制作類腦計算的數(shù)學模型，以更好地理解人類的推理、決策、記憶和語言使用。另一個研究領(lǐng)域涉及制作人體運動模型，以更好地了解人類用來移動四肢的潛在神經(jīng)控制系統(tǒng)。

喬丹最初的重點是后一個主題，“我對控制理論很感興趣，因為我試圖了解人類如何做出動作，如果他們做出不正確的動作，他們將如何調(diào)整自己的動作，以及人類如何學習移動以操縱世界上的物體。”控制理論基于構(gòu)建被控制的動態(tài)系統(tǒng)的模型，使用喬丹已經(jīng)熟悉的統(tǒng)計建模思想。然后，他使用優(yōu)化理論從模型中提取實現(xiàn)預期目標所需的適當控制信號。“在我轉(zhuǎn)向運動控制以外的其他主題很久之后，這種統(tǒng)計數(shù)據(jù)和優(yōu)化的結(jié)合繼續(xù)成為我工作的特點?！彼f。

在喬丹的博士生涯即將結(jié)束時，他開始覺得有必要回到推理和決策方面更廣泛的問題上，并感覺到他的統(tǒng)計和控制理論觀點需要通過計算機科學提供的算法觀點來增強。因此，在1985年完成認知科學博士學位后，喬丹前往馬薩諸塞大學擔任人工智能領(lǐng)域的博士后研究員。

如何看待人工智能的應用

“當我開始從事人工智能工作時，似乎有很多關(guān)于推理的工作，但沒有太多關(guān)于學習的工作?！眴痰せ貞浀?，“我的一個想法是推理和學習可以互相幫助，所以你不必學習你能推理的東西，學習可以避免做復雜的推理。這是減少不確定性的同一枚硬幣的兩面。因此，隨著時間的推移，我試圖越來越多地關(guān)注學習算法，而不僅僅是人類如何學習，還有機器如何學習。”

博士后的研究工作結(jié)束后，喬丹在麻省理工學院工作了十年，從助理教授晉升到麻省理工學院腦與認知科學系的終身職位。1998年，他加入加州大學伯克利分校任教，擔任電子工程與計算機系和統(tǒng)計學系教授、實時智能決策計算平臺實驗室（RISELab）共同主任、統(tǒng)計人工智能實驗室（SAIL）主任、統(tǒng)計系系主任。

喬丹自稱是位統(tǒng)計學家，對于機器學習領(lǐng)域的研究，他曾在一次采訪中表示，“他們認為統(tǒng)計學過時了，無關(guān)緊要。但我投入了數(shù)十年的時間研究缺失變量模型、因果推斷、不確定性量化、高維回歸和稀疏等問題。這些課題后來都流行了起來，由機器學習研究者發(fā)揚光大?！?/p>

對于人工智能技術(shù)落地應用的問題，喬丹曾直言，人工智能技術(shù)并不是放之四海皆準的，需要針對不同的場景、約束條件、數(shù)據(jù)量、數(shù)據(jù)類型、目標等情況進行設計。我們不能簡單粗暴地應用技術(shù)，需要更加了解要解決的問題本身，有的放矢。

“我們要學會跳出學術(shù)界，始終記得自己不僅僅是數(shù)學家，也是現(xiàn)實社會中涌現(xiàn)出的現(xiàn)實問題的解決者。我們可能要構(gòu)建預測、分配、經(jīng)濟、交通、商業(yè)、法律、娛樂等領(lǐng)域的系統(tǒng)，解決其中的優(yōu)化、經(jīng)濟、計算、平臺等問題。”喬丹說。

喬丹認為，研究者們需要考慮自己終生追求的事業(yè)，但也需要明白：你不可能只做一件事情。“在我的生涯中，至少花費了30%的時間學習新事物，它們可能在未來與我有關(guān)。我看過很多視頻，甚至讀過一些有趣的本科生水平的書籍。我并不期望它們能立刻讓我產(chǎn)生研究思路?？赡苓^了5年、10年，我才會看到它們與我現(xiàn)在思考問題的聯(lián)系?！?/p>

北大斯坦福校友、現(xiàn)賓夕法尼亞大學的蘇煒杰教授對喬丹印象最深刻的是他學習新領(lǐng)域新思想的巨大熱忱。今年66歲的喬丹，還保持著睡前閱讀其他學科專著的習慣，近幾年的重點是經(jīng)濟學專著。蘇煒杰對澎湃新聞表示，機器學習的發(fā)展離不開來自應用數(shù)學、統(tǒng)計學、神經(jīng)科學和經(jīng)濟學等學科方法和思想的注入。喬丹對這些傳統(tǒng)學科和新興交叉領(lǐng)域有著多年的思想積累和沉淀，這就不難解釋為什么他能長期引領(lǐng)著機器學習的發(fā)展。

混合專家模型、貝葉斯網(wǎng)絡

回顧喬丹的職業(yè)生涯，他的突出貢獻在于成功連接了計算機科學和統(tǒng)計學這兩個學科，包括統(tǒng)計推理和學習的變分方法、基于圖模型和貝葉斯非參數(shù)化的推理方法，以及統(tǒng)計風險和計算復雜性之間的權(quán)衡特征。 

喬丹也涉獵優(yōu)化和機器學習的交叉領(lǐng)域，因開發(fā)了基于梯度的優(yōu)化和抽樣的連續(xù)時間模型，以及用于優(yōu)化的分布式系統(tǒng)上的工作而聞名。

喬丹還構(gòu)建了機器學習和控制理論間的關(guān)聯(lián)研究，為強化學習理論、基于學習的模型預測控制和人類運動控制的最優(yōu)化原理做出了貢獻。 

喬丹還率先將微觀經(jīng)濟概念與機器學習相結(jié)合，開發(fā)了激勵學習者分享數(shù)據(jù)的學習方法，并展示了如何將契約理論用于統(tǒng)計推理，為基于學習的匹配市場研究做出卓越貢獻。他同時致力于推動機器學習在單分子成像、蛋白質(zhì)建模、基因重組建模和自然語言處理等高影響力領(lǐng)域的應用。 

“喬丹的研究有一個很大的特點，即具備非常嚴格的數(shù)學基礎?！饼埫魇ε炫刃侣劊╩.dbgt.com.cn）說到。他早期將循環(huán)神經(jīng)網(wǎng)絡發(fā)展為一個認知模型，還提出了混合專家模型，后者迄今已被廣泛應用于神經(jīng)網(wǎng)絡基礎模型的結(jié)構(gòu)設計。但統(tǒng)計學風格占據(jù)了他后來研究工作的主導。他推動了貝葉斯網(wǎng)絡、概率圖模型和期望最大化算法在機器學習領(lǐng)域的流行，形式化了概率近似推理的變分方法并構(gòu)建其理論基礎。

“近年來，他的研究轉(zhuǎn)移到一些公眾知曉度不高，但是卻非常重要的方向，比如數(shù)學優(yōu)化中的主要理論問題，為當前主流優(yōu)化算法奠定了基礎。”龍明盛說。

同時，喬丹對計算機科學的貢獻也體現(xiàn)在教育方面。他指導了80多名博士生和60多名博士后研究人員，這一群體目前活躍在世界領(lǐng)先的學術(shù)機構(gòu)，帶領(lǐng)行業(yè)向前發(fā)展。

對于喬丹的指導風格，龍明盛的第一印象就是高屋建瓴。“喬丹實驗室的研討會是別具一格的，可能聽懂都不容易。他們不會去討論一些現(xiàn)在流行和時髦的東西，而是會去深入探討一些很基本的問題，這些問題的價值可能會在多年后才被證明。比如當時我在喬丹實驗室的時候，大家一個學期學習了4本經(jīng)典著作，包括高維統(tǒng)計學、大規(guī)模因果推斷等，這無疑為實驗室同學們打下了非常重要的理論基礎?！?/p>

第二點是入木三分，對我們討論起來的任何一個問題他都能迅速抓住其關(guān)鍵點，讓人不免好奇他腦袋中的知識海洋的寬度和深度。

第三點是親力親為，在科研的關(guān)鍵環(huán)節(jié)喬丹從不會缺位，比如一個研究工作的概念論證、基本數(shù)學模型建立等。“我在伯克利發(fā)表的第一篇論文是關(guān)于遷移學習的基礎算法，在實驗室前往圣克魯茲開展Summer Retreat的兩天時間里，喬丹在LaTeX源文上非常細致地修改，大到基本概念，小到遣詞造句，在Chaminade Resort海邊的上千處改動至今仍讓人記憶猶新。”

獲得頂科協(xié)獎的意義

在獲得頂科協(xié)獎之前，喬丹曾獲IEEE約翰· 馮·諾依曼獎章（2020）、國際人工智能聯(lián)合會議卓越研究獎（IJCAI）（2016）、魯梅爾哈特（David E.Rumelhart）獎（2015），以及ACM/AAAI艾倫·紐厄爾獎（2009）等。2016年，他被Semantic Scholar評為計算機科學領(lǐng)域最具影響力學者，同年《科學》的報道稱他是世界上最有影響力的計算機科學家之一。

喬丹此次獲頒的頂科協(xié)獎“智能科學或數(shù)學獎”，旨在盡力挖掘那些尚未獲得圖靈獎或阿貝爾獎等最高獎項的候選人。

“與一些歷史悠久的傳統(tǒng)科學領(lǐng)域相比，計算機科學是一個相對新興的領(lǐng)域，還沒有得到國際最高獎項的認可，因為這些大獎本身的歷史比計算機科學技術(shù)要久遠得多?！奔s翰·軒尼詩教授表示，頂科協(xié)獎“智能科學或數(shù)學獎”的設立旨在宣傳一系列對我們的未來至關(guān)重要但可能還沒有得到大獎認可的科技領(lǐng)域，以此促進相關(guān)技術(shù)的發(fā)展，同時希望更多年輕人了解這個領(lǐng)域有多么廣泛，并且有很多人正在這個領(lǐng)域從事著偉大的工作。

頂科協(xié)獎是由世界頂尖科學家協(xié)會發(fā)起，世界頂尖科學家發(fā)展基金會承辦，紅杉中國獨家捐贈的國際性科學大獎，于2021年11月1日在第四屆世界頂尖科學家論壇上正式宣布創(chuàng)設。

頂科協(xié)獎每年頒發(fā)一次，目前設立了“智能科學或數(shù)學獎”“生命科學或醫(yī)學獎”兩個單項獎，單項獎金金額為1000萬元人民幣，躋身全球獎勵金額最高的科學獎項之列，同個獎項最多可由4名獲獎者共同獲獎并分享。

首屆頂科協(xié)獎獲得者邁克爾·I·喬丹（Michael I. Jordan）簡介：

教育經(jīng)歷：

1978年 路易斯安那州立大學 心理學學士

1980年 亞利桑那州立大學 數(shù)學碩士

1985年 加州大學圣地亞哥分校 認知科學博士

工作經(jīng)歷：

1986-1988年，馬薩諸塞大學計算機和信息科學系 博士后研究員

1988-1998年，麻省理工學院腦與認知科學系 助理教授、副教授、教授

1998年至今，加州大學伯克利分校電子工程和計算機科學系、統(tǒng)計系 教授

2015-2017年，加州大學伯克利分校統(tǒng)計系 主任

2017年至今，加州大學工業(yè)工程與運籌學系 教授

2018年至今，北京大學 名譽教授

2019年至今，清華大學 名譽教授

主要獎項和榮譽：

2004年，國際數(shù)理統(tǒng)計學會勛章講座講師

2009年，ACM/AAAI艾倫·紐厄爾獎（美國計算機協(xié)會ACM、美國人工智能促進會AAAI ）

2010年，美國國家科學院院士

2010年，美國國家工程院院士

2011年，美國藝術(shù)與科學院院士

2011年，國際數(shù)理統(tǒng)計學會奈曼講座

2015年，魯梅爾哈特獎（國際認知科學學會CSS）

2016年，國際人工智能聯(lián)合會議卓越研究獎（IJCAI）  

2020年，約翰·馮·諾依曼獎（電氣與電子工程師協(xié)會IEEE）

2021年，米切爾獎（國際貝葉斯分析學會，ISBA）

2021年，烏爾夫·格林納德隨機理論與建模獎（美國數(shù)學會, AMS）

2022年，國際數(shù)理統(tǒng)計學會首屆格雷絲·沃赫拜講座講師