明略数据首席科学家吴信东：技术人才培养的4个1/4丨二叉树视频

70、80 年代中国打开国门以后，很多国内优秀的研究人员和高校老师都到美国还有其它的西方国家里去做研究当教授，很多人做得非常好。国家“千人计划”把很多在不同学科里面做得非常优秀、走在学科前沿的这些人再吸引回国内，我觉得这是国家的一个大的战略，给前沿学科带来一些创新、创业机会。

我在合肥工大做“千人计划”，今年是我的第八年。从 2010 年那个时候起我就在开始想我后面的路怎么走，因为在学校里面都是拿着一些国家课题，写文章带学生。我想我在高校里面再干个 20 年，可能带的研究生数量再翻一番，写的文章再翻一番，项目经费再翻一番，那我的价值在什么地方？

所以最近几年大公司接触我了以后，我也在开始想，我如果到公司去，将来会是什么样子。我在网上以前就知道明略，然后跟吴明辉董事长还有其他高管都经过一些接触，我感觉这个公司确实有远景，而且看到我们公司里面现在所有成员的面貌，我相信我们确实能够做到——在选定的行业里面把人工智能做到极致。

加入明略的主要原因是，明略公司现在所做的主题——行业人工智能来落实大数据的行业应用，与我原来在美国的大学里面做了二十年的研究非常吻合，所以我感觉到我原来做的研究跟明略公司的主题能够很好地融合起来。我们把大数据迈向新的台阶，做大知识，在后面再做大智慧，跟人工智能一起人机并行，让世界变得更加美好。

我觉得我的特点里面有两个成分，一个是能静，一个是能动。能静，就是考虑问题的时候，能够关起门坐下来，把当前问题想深、想透。能动，体现出来还是能够有一定的社交能力，保持好心情，传播正能量。

我觉得一个人的成才有四个 1/4。第一个 1/4 是要真刀真枪，你考试要搞好，然后写文章需要写出来，否则的话，你跟别人就不在一个起跑线上。第二个 1/4 是你的表达能力。你也写了文章，我也写了文章，你写的可能还比我多，当我们两个一旦有了面试机会，谁能将问题和贡献说得更清楚更重要，则不是数量问题了，对不对？可能我的文章是开山型的、原创性很高，如果能够清楚说出来，让大家能够接受，那价值明显就不一样了。第三个 1/4 是你的团队精神，需要跟大家并肩作战。在美国，如果申请一个重要位置的话，你需要提供几个推荐人，单位会找推荐人要推荐信，甚至给推荐人打电话。所以你工作中有没有团结周围的环境，有没有给大家带来正能量，这是很重要的。第四个 1/4 是要善于抓住机会，开辟新的机会。

我们国内的文化里，做人有三种，一种是弱者，什么都怕；一种是强者，什么事都不怕，结果这种人可能会碰壁，碰得头破血流。所以我跟我的孩子、学生、同事说，不要做弱者，也不要做强者，而是要做第三种人，智者。

数据科学问题有三个部分，一个是量大，第二个是质量良莠不齐，第三个是收集挖掘到的知识很多，怎么把它变得有序。

数据本身是一种物理的描述，你理解了，它就变成有意义的科学成分，如果没有理解的话，它就是一种物理的介质。数据不断在变大，数据的复杂度越来越高，所以数据科学是关心从数据到数据产品中间的研究问题，对这些问题进行分析和解决。

大数据进入行业应用，研究人员不光来自计算机科学了，做数学、做设计的、做伦理的、做保密的、社会学、人类学，还有应用行业，涉及学科更加广泛。

我觉得是这个领域本身，数据科学跟数据挖掘密切关联，这个领域不断给你提供新的挑战，同时也就不断给你提供新的机会，所以越做越觉得研究的课题比较多。如果坚持在一个领域里面做的话，可能推动的研究成果也比较多，所以一直往前走，一直有新的问题，就不断的挑战不同的机会。

出国前在国内的时候，我就知道有一个期刊非常好，IEEE 的 TKDE。在读博士之前就开始给那个期刊投文章，基本上是投一次毙一次。然后到爱丁堡那边读书以后呢，投一篇文章过去，第一轮大改，认真改了然后投过去又大改，再大改了以后，给毙了。那个经历是非常惨痛的。我觉得别人都能做，我为什么就做不了呢？那时候还没有电子邮件，修改问问题都非常费劲。

我想这不行，这是我们数据挖掘领域里最好的期刊，这一关要是过不了的话，后面就谈不上走到最顶尖的舞台干其他的事情了。后来就一直写，毙了以后就改，修改中就读人家的文章。我是 1993 年毕业的，1998 年才有了第一篇文章中到 TKDE。中了第一篇以后就一发不可收拾了。

到了 2005 年，我就成了这个杂志的主编。就想想当初那是怎么熬过来的，要是放弃了，可能就放弃了很多。如果把这个期刊放弃了，可能就失去斗志了，顶级期刊我不投了，这后面还投什么？可能改行了，甚至可能对学校里面将来提升的机会就产生怀疑了。

人人都有事情做得顺利，做得不顺利的时候，关键问题你是怎么去克服，关于克服这个过程，每个人都会有自己的故事，对吧？

那个时候人工智能专业的人并不多。神经网络很多年前就热过一阵子，大家发现神经网络不能解决所有的问题。最近深度学习很热，确实有它的优势，作为研究方法肯定有可取之处，但是我认为我们真正学过人工智能的人会比较冷静。

人工智能的好处和优势大家能够看得出来，但人工智能不能解决所有问题，许多问题的解决还是需要人类智能，现在是将来还是，重点在于理清哪些部分我们需要人工智能做贡献。

国内国际现在的大趋势，是将人工智能和大数据放在一块，我觉得这是好事，大家如果看到这种技术的机会，看到这种商业机会，应该去推动它。但如果推动过分了，什么都贴上人工智能标签了——肯定会有人这么做的——我们也得小心一点。人工智能只是科学技术大范畴里面的一部分，不是所有这些人所有学科都跟人工智能有关。

从学科建设来讲，我个人投入程度比较多的，是我办的那个会议，叫 ICDM，国际数据挖掘大会。那个大会，我很多年都花了很多时间和很多同行一起，将它从零建设成了现在国际上两大顶级会议之一，很多很多华人做数据挖掘的学者都加入进来了。每年这个会议，基本上都有 1 到 2 位核心人物是我们华人。这个会议对促进华人学者成为国际数据挖掘领域的“半壁江山”有实质贡献。除此之外，我还办了一个 Knowledge and Information Systems 期刊，有国际影响，它们俩是相辅相成的，是姊妹，对推动学科进步一起起到了引领作用。

我花在这个会议上的时间比我花在家里孩子身上的时间多得多。早期的时候，要把业内有影响的大牛们都请进来，要保证所有事情都转起来，常常是工作到深更半夜 3 点钟。如果有个邮件过来问问题需要详细解答，我就开车到办公室，把问题回答了再回来睡觉。真正难的是创业初期，因为你要想把它做好，一个核心是人和，另外是天时和地利，确实不是一件容易的事情。

现在思考的事情跟原来大学里不一样。我觉得我现在想到最多的，就是我们的研究怎么能够深入到行业人工智能的实际研发中去，把原来做的，不光是我自己做的，还有业界里面最好的技术，我们要落地，落到行业人工智能的产品开发里面去。我们现在正在做大知识，我们想五年左右把大智慧落地。同时，要把学术研究也揉进来，在科学和技术两个方面进行提升。

我们的目标是将行业人工智能做到极致，我们要把最先进的人工智能技术落地到行业应用里面去，人类智能跟人工智能一起，人机并行，让世界变得更加美好。