數據驅動的優化理論與實踐國際研討會:算法、大數據、人工智能結合將碰撞出怎樣的火花

.. 雷鋒網 AI 科技評論消息,2017 年 12 月 16 日-19 日,「2017 年數據驅動的優化理論與實踐」國際研討會在上海財經大學舉辦。本次研討會由上海財經大學交叉科學研究院(RIIS)主辦,杉數科技有限公司協辦。接下來,雷鋒網 AI 科技評論將從會議內容和現場學生的參會體驗兩方面來介紹這三天的會議。

數據、算法加人工智能,以更好地實現產學研結合

雷鋒網 AI 科技評論注意到,此次研討會不僅邀請到執教於斯坦福大學、芝加哥大學、北京大學、上海財經大學等多所國內外知名高校的知名學者,還匯聚了多名業界領軍人物,大家共聚一堂,回顧歷史上重要的算法,展示自己的研究成果,分析當前的產業熱點,探討在當前形勢下,如何將算法與大數據、人工智能等結合起來進行研究,以更好地實現產學研結合。

會議首日,上海財經大學交叉科學研究院院長葛冬冬教授以「數據驅動的優化決策實踐」為主題進行演講。葛冬冬教授在本次演講中首先描述了大數據時代我們所面臨的挑戰,他也細緻分析了當今學術界與工業界的結合較之以往有何區別。「目前可以將實際中決策問題轉化為數學模型,並用高效的優化算法求解。」他說道,「運籌學正迎來黃金時代。」

圖:上海財經大學交叉科學研究院院長葛冬冬

而在葛冬冬教授的演講結束之後,MOSEK 的創始人 Erling Andersen 發表了題為 Solving Conic Optimization Problem Using MOSEK 的報告,他與參會者們分享了 MOSEK 的開發經驗,他們是如何應對挑戰、解決問題的。作為一家創立 20 年、在世界範圍內樹立標杆地位的頂尖優化算法軟件公司,MOSEK 目前已經實現了歐洲的全覆蓋,為世界一流高校、研究院所和頂尖金融機構提供服務。

圖:MOSEK 創始人 Erling Andersen 

在短暫的茶歇之後,迎來了此次研討會的特邀嘉賓——滴滴出行副總裁、滴滴研究院副院長葉傑平。他發表主題為 Big Data in Didi Chuxing 的精彩演講,詳細介紹了大數據、人工智能技術在滴滴平台的應用。滴滴自2015年就成立了機器學習研究院,后升級為滴滴研究院。滴滴研究院將大數據、機器學習、雲計算結合起來,構建了雲端的人工智能交通引擎,滴滴大腦。滴滴大腦能實時學習城市交通出行規律,了解交通工具和道路情況,做出最優的決策(路徑規劃、供需匹配、智能調度等)。不僅整體地最大化城市的交通效率,也儘可能地優化每個人的出行體驗。以派單為例,滴滴的每一次派單,就如同下棋,會考慮之後N步的走法。滴滴大腦每2秒進行一次全局判斷,在迅速的大量計算中,完成全局最優的智能派單。

圖:密歇根大學教授、滴滴出行副總裁葉傑平

之後迎來了第一天的最後一位嘉賓,來自南加州大學的 John Carlsson 副教授。他做了主題為 Computational Geometry and Logistics 的演講。在演講中他指出,計算幾何學和邏輯學的研究幫助科學家從複雜的數據中發現幾何和邏輯上規律的特徵,這些具有代表性的數據子集可以讓科學家用計算機算法更好地理解每個數據集的本質以及不同數據之間的關係,最終幫助人類解決諸如生產調度、大數據醫療、選舉結果預測等問題。在 AI 時代,面對海量數據,他提供了系統的分析、建模思路。

而在正會第二天,明尼蘇達大學張樹中教授、斯坦福大學葉蔭宇教授、紐約大學張家偉教授分別上台作了主題報告。

作為運籌學領域傑出的華人代表,張樹中教授的演講主題是 A Primal-Dual Perspective of The Optimization World,在演講中,他表示,他表示,優化里一個很重要的概念是對偶,所有優化問題里都存在着對偶問題,對偶問題里包含了很多信息,優化問題里包含潛在問題里很多很重要的結構。結合他在對偶問題上的多年研究,他表達了自己對對偶的理解,其實對偶本身並不是對立面,事情是自然的,原始即是對偶,對偶即是原始。

圖:明尼蘇達大學張樹中教授

接下來是馮•諾依曼理論獎得主、斯坦福大學管理科學與工程系、杉數科技首席科學家顧問葉蔭宇教授的精彩分享。眾所周知,在決策的時候存在不確定性,人們過去提出了很多方法,比如說基於數據等,但效果不是很好,葉蔭宇教授表示,使用魯棒優化的方法,即使在決策時存在不確定性,仍然有比較好的效果。之後他介紹了自己這些年在分佈式魯棒優化方面取得的進展,作為分佈式魯棒優化的奠基人,他表示魯棒性方法的應用很廣泛。在當前流行的深度學習和機器學習當中,魯棒優化的方法和機器學習的正則化方法在某種情況下是等價的。

圖:斯坦福大學葉蔭宇教授

而接下來則是張家偉教授的分享,他的主要研究興趣包括商業分析、最優化決策、供應鏈和庫存管理等,他帶來的主題是 Online Resource Allocation with Limited Flexibility。他為我們描述了生產和銷售問題中靈活性的重大價值——在系統中增加一點點靈活性,就能帶來很大的收益。作為柔性系統靈活性研究方面的專家,他為我們描述了在生產製造、銷售和運輸的過程中如何更好地去滿足需求。

圖:紐約大學張家偉教授

上午三位教授的精彩演講結束之後,下午是中國運籌學會的閉門會議——現代運籌學發展討論會,在會上,來自國內外的各位專家教授簡要分享了自己近期的工作成果,對中國運籌學的發展各抒己見,提出具體的建議規劃。而他們研究的方向也各有側重,機器學習、深度學習、異步計算、量子計算、大規模稀疏優化、供應鏈管理、組合優化、算法博弈論等多個問題,大家都各有研究和討論。除此之外,還有對當前學術熱點比如 AlphaGo 的精彩討論。

值得一提的是,帶來分享的專家教授們大多是葉蔭宇教授的學生,而此次會議也恰逢葉教授的生日,藉著討論會的契機,大家在分享自己的科研成果時也肯定了葉教授的學術成就,對葉教授表達了由衷感謝。而葉教授也在最後發表精彩演講,闡述了如何教育學生,怎麼做出有品位的研究,以及對運籌學發展的一些建議。

而在會議最後一天,以斯坦福大學管理科學與工程系馮•諾依曼理論獎得主、 美國工程院院士 Peter Glynn 教授為首的16位來自芝加哥大學、普林斯頓大學、哥倫比亞大學、明尼蘇達大學、香港科技大學等國內外高校的學者共聚一堂,在這短暫的一天中,接連帶來一篇篇精彩紛呈的學術報告。

作為第一個上台的嘉賓, Peter Glynn 教授帶來了主題為 Robust Optimization, Empirical Likelihood, and Regularization 的報告。演講伊始,他表示,自己今天的報告是受到葉蔭宇教授等 2016 年的論文 Likelihood robust optimization for data-driven problems 的啟發。接下來,他介紹了魯棒優化 (robust optimization)、經驗似然 (empirical likelihood)和統計學習中的正則化(regularization)三個不同領域的重要方法的深刻聯繫。隨着機器學習在眾多領域內迅速得到廣泛應用,現有機器學習算法缺乏穩定性的不足逐漸暴露出來。Peter Glynn教授的這一最新研究成果為提高機器學習算法的穩定性和可推廣性打下了堅實的基礎。

圖:斯坦福大學管理科學與工程系講席教授 Peter Glynn 

而在 Peter Glynn 教授的報告結束之後,精彩的學術報告一輪接一輪,包括 leaves 開源平台的最新進展、不確定型決策、資源分配、統計學等各個方面,活動一直持續到下午五點。至此,三天的會議圓滿結束。

「學術氛圍濃,數據驅動和優化的吸引力無窮」

雖然此次會議在上海舉辦,但雷鋒網 AI 科技評論在現場的交流中發現,參會人員中有來自香港、新加坡、美國等世界各地的學生,除了學生,還有多位產業界人士。這次會議究竟有着什麼力量,能吸引到如此多的同學以及業界人士來到現場,雷鋒網 AI 科技評論也與現場同學做了交流。

復旦大學數學系大四的一名學生對雷鋒網 AI 科技評論說道,「這次會議聚集了國內外的大師學者,做的問題很多都和我感興趣的 data-driven 以及 stochastic optimization 有關,覺得是很好的學習機會。」

在參會這兩天中,她更多的是感受到了學者們的人格魅力,她表示

很受整個會場學者氣質的鼓舞,一直保持一顆熱愛學術、歡迎合作、並且平易近人的心。聽到老師們路上還在一直討論自己的學術問題,分享從之前會議上得到的靈感,感覺精神上受到很大感染,心潮澎湃。

而從學術研究的角度,她對 AI 科技評論說道:「老師們在講座中講了很多 idea 的角度,為什麼 come up with 一個 idea,如何 formalize 一個 idea,如何從不同角度去 analyze 一個 idea,不管是張老師葉老師還是家偉老師,我覺得一個好的 idea 可以帶來很多方面的啟發,包括其他問題上的遷移應用,也包括更深層次對以往不同方法的綜合再理解。對年輕的研究者來說,如何得到 idea 可能比如何進行嚴格的論證更為關鍵。」

另一名來自香港的博士生也表達了類似的觀點,他表示,這次會議最吸引他的地方就是數據驅動和優化。「這個話題是當前學術界比較火的話題,而這次會議既邀請學術大牛,從更高的角度了解學界的研究方向,也有年輕學者從不同角度出發展示自己的研究,還有企業高層展示學術與業界的融合,可以給相關方向的研究帶來很多啟發。」

他的研究領域是魯棒優化,聽了兩天的會議后,他結合當前的熱點做出了實際的思考:「機器學習現在確實很火,但並不完美,而我們 OR 領域的學者可以結合自己的研究出發,如 convex optimization 還有 robust optimization 等提升機器學習一些算法的效果。此外,OR 相關的研究也能借鑒機器學習最新算法,比如 AlphaGo 中的 reinforcement learning 還有 Monte Carlo Search Tree 的思想可以應用於 OR 相關的研究中。正如滴滴出行副總裁葉傑平教授提到的,結合 AlphaGo 的思想來做 route planning。」

對於學術研究是否有帶來啟發呢,他對 AI 科技評論表示,雖然現在使用機器學習算法加上數據確實也能取得比較好的效果,但是要做到更好,更多的是要利用對模型的理解結合 robust optimization 。不過他也表示,需要機器學習領域相關的研究建立更深刻的理解。

而來自東北大學統計優化方向的一名博士則表示,最吸引他的地方是共同研究的方法和問題特徵。他們實驗室的研究方向是鋼鐵行業和電力能源互聯網等工業問題,他表示,雖然研究領域不同,但只有多多交流探討,才能共同進步。

而在學術方面,他也和復旦大學的同學表達了同樣的看法:

收穫良多,不是簡單幾句能說完整的。簡單說,學術方面,肯定受到了葉老師葛老師等人報告的啟發。學風建設方面,感慨財大百年活動的生活,和濃郁的學術交流氛圍。還有向葉老師學習,早日學成,幫助研究所和學校的發展。領域發展方面,希望借鑒他們的經驗和感悟使中國工業快速發展,企業和學校良好結合之類的。

如何看待此次會議,他表示,「學術報告重在新思想啟發和分享。能結合自己實際項目經驗講解科研過程,最後升華到理論,實為不易。」

會議雖然結束了,但大家的討論還在繼續,如何將算法、大數據與人工智能的研究結合起來,進行更深層次的探討,這是值得所有業內人士共同探討的話題。


想在手機閱讀更多業界資訊資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems