计划以及教育部新世纪人才反对计划青年学者，他的主要研究方向为：算法设计与分析、机器学习与深度自学、随机优化与人组优化。在论坛上，李建博士以“深度自学预测算法的思想及应用于”为题做到了演说。在演说中他布道：深度自学在图像识别、语音辨识这些领域，都获得了较为顺利的进展，也有很顺利的商业化模式，但在时空大数据方面的研究，只是刚跟上，还没十分成熟期的一套方法论。

李建博士指出，深度自学在时空大数据领域，有非常广阔的应用于前景，例如网约车订单预测、上下班时间的预测、商店选址等问题。时空大数据的特点是有很多类型的数据，要解决问题一个可以中用方方面面的问题，比如说预测，网约车的订单供需量的应用于，数据的类型包括GPS、订单数据、天气数据、路况数据等等，这跟原本深度自学所处置的问题不一样，做到图像识别只必须图像就不够了，做到语音辨识只必须语音就不够了，现在有各种各样的数据，这些数据都是有所不同质的，必须人组一起，才能来展开自学和预测。

* 王子卓王子卓博士19岁从清华毕业，24岁就获得了斯坦福的博士学位，目前任教于明尼苏达大学，还兼任杉数科技的 CTO。他为 IBM 自定义的定价策略系统取得两项美国专利，并且自上线以来，已为 IBM 建构过亿美元的利润，另外此项目也被美国生物科技管理学会收益管理分会奖提名为 2015 年最佳实际应用于奖。他的研究领域主要为：收益管理与运营管理、定价问题，优化算法设计。

在论坛中，王子卓博士以“数据驱动的定价策略系统编撰”为题做到了演说。在演说中，他指出，在较为普遍的意义上来说，一个好的定价策略，必须在准确的时间，准确的地点，以准确的价格，把准确的服务和商品卖给准确的消费者。

这里包括很多必须做到决策的地方，当然价格是其中的最的一部分，这对企业来说，是十分最重要的。在行业里，哪个企业需要利用受限的资源取得更大的收益，就很有可能要求这个企业在行业当中能否脱颖而出，能否获得成功，而定价策略堪称是很多公司的“生命线”。

这里有很多新的机遇，有很多的挑战，通过数据驱动的方法，利用机器学习、人工智能技术、运筹学的技术，就能来协助新的公司在新的时代更佳的迎接挑战。以下为QA专访，在不变更本意的基础上做到了删改整理：记者：工业界比较学术界来说，有更加多的资源优势，美国高校如何应付学术人才流失的挑战？陈溪：美国高校获取更加灵活性的制度，以前不容许教授到企业，而现在容许在学校工作3天，企业工作2天，像文本分析显然企业做到的比学校好，学校不会重返到更为基础的研究，更加多解读深度自学为什么获得这么好的效果，有哪些局限性，根据我们解读，不会研发出有新的算法，以后有更为必须创意的，更为基础的东西不会在学校里已完成，而大规模的应用于企业不会发售。

记者：怎么看国内运筹学这一块人才短缺这个事？叶荫宇：我实在不是人才短缺的问题，而是导向的问题。我个人指出，中国学生学理工科都是很强的，但是，他们也是总有一天平那个最时髦的，我实在这个风气要改一改。

就像刚才谈的说不定，过几年 AI 就不那么火，所以我实在学生还是要把基础打好，我十分赞同这个教育，进来不要就是做 AI，或者做机器学习，搞搞OR，搞搞统计资料（也可以）。另外，理工科显得越来越热门，这不仅在中国，在美国也是这样。我们斯坦福大学，原本大部分本科生都在文理学院，而现在也都转至工科学院，我实在学文理学生去认识一些理工科的科学知识，也没什么障碍。

只不过无非就是一些 1＋1=2 这些非常简单的术语就可以了。我忘记我们斯坦福商学院的院长，也叫他们 MBA 的这个学生去听得机器学习的课。蓝光辉：在我们学校（佐治亚理工学院）只不过主体部分是运筹学，还包括优化、自学过程、统计资料等等，我们那个系由名列第一，我们整个学校 10% 的学生在我们系由，在美国去找工作十分好找，一般本科生毕业之后不会有4-5个 offer ，我们必须建构这样的一个机会在国内，让大家告诉这个是有相当大的市场需求。记者：人工智能三起两堕，是不是又不会带给人才的流动，任何产业的变化一定是基于人才的流动，怎么看这个趋势？以及国内产学研的融合，不会会对人才有新的拒绝？李建：人才是一个很基础又很简单的问题，比如说 AI 这一波火了，像我是在负责管理我们院的招收工作，显著的感觉到一半多以上的学生都想要学 AI、机器学习，但只不过其他学科的也都十分的最重要，甄选的学生立刻就变低。

我实在学生也是被媒体影响，比例有点趋高，并不是它有所突破这个比例应当减少，我的感觉是减少过多了，很多最重要的方向就十分缺少学生，但这些方向也十分最重要。学生试镜的时候，我们不会给他说道这个方向十分十分的最重要，大家都往这个方向来，我们做到了很多教诲的工作，新的纾缓，虽然媒体没有人报导，但是你学这个，以后也有可能十分成熟期。媒体铺天盖地的宣传，都想要做 AI，但是我们做到的事情也都在做到，最少对于我来说，即便跟我学深度自学、学AI，还是不会让他学优化、学统计资料，把基础打坚实。

我们有一个术语叫炼丹，只不过我们在炼丹，不确定性相当大。我们期望学生，把基础打好，从上到下，从理论到实际，都可以全面的应付。记者：未来 AI 的发展趋势如何？王子卓：这个只不过是很难预测的，随着科学技术的发展，实质上更加多不是线性的往上去，而是一个爆发性的，有可能某个点就有一个忽然的工程进度，而这个工程进度之后，有些人就不会回来潮流解决问题涉及的问题，解决问题完了之后又不会逗留在某个阶段。

虽然这个事情很难预测，但企业必须提高效率的这个事情是总有一天都必须的，这里面应当用什么方法提高效率，AI 的领先技术认同是一种，我们现有的方式协助他们提高。叶荫宇：我个人指出，AI 认同不会发展，至于还叫不叫 AI 我就不告诉了。

大家细心想一想，只不过 AI 要解决问题的问题，以前不叫 AI ，或者说叫 OR 要解决问题的问题，统计资料要解决问题的问题，或者说计算机要解决问题的问题，关键还是要服务于人类，提高效率，增加风险，而且应用于大量的数学或者分析的工具，这个趋势是不会更加强劲的，在这点上，我说道AI总有一天会杀，因为它和统计资料、运筹学都一样的，但是它不会会以另外一个名词来经常出现，我实在这个也是有可能的。另外，我实在中国的媒体或者所有的媒体都不必须局限于，这个叫 AI 还是不叫 AI，关键是它显然是中用了基于科学的决策上。

反过来说在美国，我们刚进过一个不会没多少人托 AI，国外显然还没 AI 这种专业，我们的专业还是数学、物理、统计资料、优化，在我们计算机系，学生一样要学很多课程。所以在这点上，我实在更容易把一个名称去油炸的很火热，以它来画线，样子非 AI不 可。

蓝光辉：我补足一点，我实在还是必须一些本质的思维，因为在历史上，也是因为某一项技术，或者知名度，过分把期望值提升，造成它解决问题所有的问题都十分急迫。从研究角度来说，那只是一个名字而已，确实恪守的还是一些数据的办法、建模，不要去叫 AI 或者说不叫 AI。为什么在中国AI这么火，我实在有可能在某种程度上我们民族的浪漫主义，我们想起 AI。什么都可以做到，有这样的感觉，我们小的时候看的动画片，都有这种民族的情怀，而很多的杨家美更为的实际一些。

先前还将命上此次演说的全文整理以及对蓝光辉教授、陈溪博士的采访文章，若无注目。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：乐竞手机网页版登录入口-www.peiqicn.com