“我们即将见证一个新的工程学科的出现，这个学科基于智能app、统计学和经济学原理，但其目标是基于数据建设新型世界。这一学科基于全球网络和数据流，为商业、医疗、交通和娱乐明升提供强大支持。这将是第一个围绕人类偏好、价值观和决策的工程领域。”11月6日，美国app家迈克尔·I·乔丹（Michael I. Jordan）在首届世界顶尖app家协会奖（WLA Prize）颁奖现场演讲，“同早期工程领域一样，机器学习和人工智能领域必须通过国际合作，才能走向繁荣并实现愿景。”

首届世界顶尖app家协会奖得主、美国计算机app与统计学家迈克尔·乔丹（Michael I. Jordan）。

今天，人们谈论人工智能时主要指其技术基础——机器学习，而谈到机器学习，乔丹是绕不开的宗师级人物。过去十年，机器学习在诸多领域的应用得到爆炸式发展，如自动驾驶汽车、X光片分析、蛋白质折叠预测等，都离不开基于他的研究所塑造的理论框架。

今年9月29日，乔丹获颁首届世界顶尖app家协会奖“智能app或数学奖”，以表彰他“对机器学习的理论基础及其应用作出了根本性贡献”。 当乔丹接到2006年诺贝尔明升手机奖得主、世界顶尖app家协会主席罗杰·科恩伯格（Roger Kornberg）的通知电话时，他正在和学生一起做研究项目。“我现在不能和你聊天，因为我正在和学生们一起工作，这对我来说很重要。”第一通电话结束后，科恩伯格还没有告知乔丹获奖消息的机会。

对于获奖的意义，乔丹说，所有人都认为奖金的意义在于它能让你做什么，但对他来说，获奖主要能帮助他与别人进行新的互动。

乔丹对自己的认知是一个“解决真实世界中存在的问题的人”，他喜欢不同领域之间的联系，喜欢“统计和经济、文化和历史等之间的桥梁”。他的学术经历也证明了多学科交叉融合对机器学习的重要性。

在接受澎湃科技（www.thepaper.cn）的采访时，乔丹强调了数据的重要性。“数据让我们能够做出转变。现在我们有了新兴的个性化医疗。如何实现个性化医疗？这意味着你有很多关于每个人的数据。就像天文学，你现在有很多关于宇宙每个区域的数据，你可以分别研究它们。”他说，而随着时间的推移，他意识到需要一种经济学视角。

多学科交叉经历

求学初期，乔丹在完成路易斯安那州立大学心理学学士学位后，决定努力成为一名数学心理学家，并开始在亚利桑那州立大学攻读数学和统计学硕士学位。然而，他很快意识到不想只是为了分析数据而学习统计学，还想为了建立新模型并探索统计推断与人类思维的关系。

硕士毕业，乔丹与加州大学圣地亚哥分校的教师会面后发现了认知app的新兴领域，“我有一种‘啊哈’的体验。在那个时代，这是一个新领域，它实际上是关于将数学和app应用于人类思考方式的问题，这启发了我。”

此后不久，乔丹师从美国国家app院院士、心理学和认知app教授David E.Rumelhart，攻读认知app博士学位。在博士阶段，乔丹对控制理论很感兴趣，“因为我试图了解人类如何做出动作，如何学习移动以操纵世界上的物体。”控制理论基于构建被控制的动态系统的模型，使用乔丹已经熟悉的统计建模思想。“在我转向运动控制以外的其他主题很久之后，这种统计数据和优化的结合继续成为我工作的特点。”他说。

在乔丹的博士生涯即将结束时，他开始觉得有必要回到推理和决策方面更广泛的问题上，并感觉到他的统计和控制理论观点需要通过计算机app提供的算法来增强。因此，在1985年完成认知app博士学位后，乔丹前往马萨诸塞大学担任人工智能领域的博士后研究员。

博士后的研究工作结束后，乔丹在麻省理工学院工作了十年，从助理教授晋升到脑与认知app系的终身职位。1998年，他加入加州大学伯克利分校任教，担任电子工程与计算机系和统计学系教授、实时智能决策计算平台实验室（RISELab）共同主任、统计人工智能实验室（SAIL）主任、统计系系主任。

目前，乔丹已当选为美国国家app院院士、美国国家工程院院士和美国艺术与app院院士。

顶尖app家协会“智能app或数学奖”的意义

乔丹认为，研究者们需要考虑自己终生追求的事业，但也需要明白：你不可能只做一件事情。“在我的生涯中，至少花费了30%的时间学习新事物，它们可能在未来与我有关。我看过很多视频，甚至读过一些有趣的本科生水平的书籍。”今年66岁的乔丹，还保持着睡前阅读其他学科专著的习惯，近几年的重点是经济学专著。

回顾乔丹的职业生涯，他的突出贡献在于成功连接了计算机app和统计学这两个学科，包括统计推理和学习的变分方法、基于图模型和贝叶斯非参数化的推理方法，以及统计风险和计算复杂性之间的权衡特征。乔丹也涉猎优化和机器学习的交叉领域，因开发了基于梯度的优化和抽样的连续时间模型，以及用于优化的分布式系统上的工作而闻名。

除此之外，乔丹还构建了机器学习和控制理论间的关联研究，为强明升手机习理论、基于学习的模型预测控制和人类运动控制的最优化原理做出了贡献。同时，乔丹率先将微观经济概念与机器学习相结合，开发了激励学习者分享数据的学习方法，并展示了如何将契约理论用于统计推理，为基于学习的匹配市场研究做出卓越贡献。他同时致力于推动机器学习在单分子成像、蛋白质建模、基因重组建模和自然语言处理等高影响力领域的应用。

对于世界顶尖app家协会设立“智能app或数学奖”，乔丹表示，计算机app的历史还没超过100年，但现在已经产生了巨大影响。“我们仍然没有很好地了解，这个影响的未来会是怎样、计算机到底能做什么、我们真正想让它们做什么，像这样给计算机学科设立一个奖项，可以就计算机app是什么进行更好的对话，认识到它是一种强大的力量，认识到它与明升手机或物理学一样重要。”

以下为澎湃科技与乔丹的对话。

澎湃科技：目前在从事什么研究？

乔丹：目前，我正致力于从微观经济学中获取一些概念，比如匹配市场、契约理论或拍卖，并从受过统计培训和计算机app训练的人的角度来看待它们。

匹配市场是经济学中非常重要的一部分。例如，如何将实习生与医院匹配？如何将大学申请者与大学进行匹配？如何为需要肾脏的人配对？这些事情在人类生活中无时无刻不在发生。

也比如在现实生活中，如果我第一次来上海想找一家非常好的餐厅，但我不想去百度看所有的广告，我希望市场对我有所了解，如我喜欢什么样的食物，我愿意付什么样的价格等，然后它帮助我找到匹配的特定餐厅。我喜欢思考这种现代市场，之前从来没有过这样的市场，但我们现在看到这样的市场开始出现。

澎湃科技：你的研究方向包括在稀缺资源的条件下如何做出决定、将错误率维持在低水平的条件下做出高质量的决定。这些研究对人类决策有哪些帮助？

乔丹：稀缺是一个经济学词汇，意味着没有足够的资源供每个人使用，所以你必须权衡利弊。想象一下，如果一个应用程序向你推荐了最快的机场路线，但上海所有人都使用这个应用程序，那么所有人的路线都不再是去机场最快的路线，而是去机场最慢的路线，因为应用程序造成了拥堵。每个单独的决定看起来都很好，但集体的决定却很糟糕。所以这里的稀缺性问题是路上没有足够的容量供每个人使用。

现在如果必须让这个系统找出怎么走，那么就要思考谁想去哪里，是否赶时间，或者是否愿意走得慢一点以便让其他人走得快一些等。这就又开始让人感觉像是一个有数据、原则和价值观的市场。这就是我正在做的事情，某种有着在线数据支撑的匹配市场。

澎湃科技：市场导向型的人工智能是怎样的形态？

乔丹：我曾经说过，我们对智能的含义知之甚少。市场是智能的，每天把所有食物带到上海的市场是一个系统，它有一些联系，而人做出的则是个人决定。

市场智能是另一种不同于人类智能的智能。你可以想象蚂蚁在做某项任务时的智力，每只蚂蚁都不是很聪明，但是整个蚂蚁群可以做一些聪明的事情。思考这其中的智能是什么、集体做什么、个人能做什么、如何混合和搭配它们，总体目标应该是让每个人都更聪明、更快乐、更安全、更有乐趣等。所以我们不仅要考虑建立智能，还要考虑为什么要建立，建立什么样的智能，不同的智能之间如何相互支持，相互补充。

澎湃科技：如何用人工智能创造一种经济？

乔丹：这已经存在了对吗，就像明升中国的阿里巴巴和腾讯等，这些都是通过数据分析创造出的商业力量。随着它们更了解你，就可以给你更好的选项和更好的东西。这就是一个以数据为导向，基于数据分析的经济。

我们会看到更多这样的例子。不仅仅在消费领域，还有医疗保健领域等。现在出现流行病了我们仍然不知道如何很好地应对，但实际情况是每个人都做了很多小实验，比如当他们服用药物时或当他们接触某种物质时，所有这些知识应该以某种方式汇集起来，用来帮助治疗其他人。

这是一个网络联系系统，不一定只是在市场上，而是一个整体的网络系统。它能提供更好的医疗保健，适应能力强，学习能力强，将一种在某个人那里有效的治疗方法应用到另一种人身上。我们现在没有这样的系统，都是让人们单独尝试。如果思考清楚这些事情，就能在下一次大流行出现时更好地思考。

澎湃科技：当前人工智能处于发展的什么阶段？

乔丹：这很难说，这个话题太宽泛了，我喜欢每隔50年回想一下之前的时代。大概是从上世纪四五十年代开始，一个工程师的新分支出现了——明升手机工程师。我的父亲是一名明升手机工程师，在那之前没有明升手机工程，这个领域花了三四十年才真正开花结果。从1880年左右开始，电气工程花了30到40年。还有土木工程等，这些领域需要几十年才能真正开发出来。

对我来说，广义上的人工智能不是一项技术，而是一种思考方式，一种解决问题的方式，就像一个新的工程领域一样。有趣的是，这是第一个不只是关于世间万物——原子、分子、电子和混凝土碎片的工程领域，它还包括人类的决定，人类的欲望、愿望和偏好。

所以这是一个令人兴奋的新工程领域，但也是一个非常复杂的大领域。很难说人工智能本身的进步是缓慢的，它的很多部分都在进步。

澎湃科技：AlphaGo、AlphaFold的出现给人工智能带来哪些机遇和挑战？

乔丹：这是两种不同的事物。我认为Alphago有点像游戏。人类冠军棋手非常优秀，非常擅长发现模式等。但面对可以进行大规模搜索的AI，人类最终会失去这种能力。这并不意味着人类不聪明，人类聪明得多，可以理解很多不同的事物，如语义理解和社会关系等。而计算机非常狭隘地只专注于一件事，慢慢地这些系统肯定会变得不那么狭窄，但仍然会非常狭隘地专注于一件事。

我认为生物学是更好的例子。DeepMind的Alphafold可以预测蛋白质结构，这是人类在进化过程中无法做到的。我们并没有进化到观察氨基酸并判断出它们的结构。我们在进化过程中从未见过这些东西，我们并不擅长于此。我们在学习模式上表现得还不错，但为什么计算机在这方面可以做得更好？如果它看了大量的数据并找到模式，它就可以成为老手。

所以这是一个增强人类智能的好例子，为人类提供了一种工具，做人类不容易做到的蛋白质预测。然后人类可以用它来做其他事情，比如找到好的药物，找到没有副作用的东西，找到对不同人群有效的东西，做出计算机无法做出的关于生与死的艰难决定。我真的很喜欢人工智能的互补性，它不是要取代人类智能，而是要补充人类智能。

澎湃科技：如何进一步推动AI或机器学习的基础科研？

乔丹：首先，需要非常包容，需要世界上的每个人都来做这件事，需要所有种类的人。这确实是一个工程领域。就像以前的工程领域一样，在化工厂有很多不同种类的工人，有的人设计流程，有的人建造管道，有的人驾驶卡车。各种各样的人都能从中受益，然后产出的目标也是为了帮助社会上不同类型的部门。

而且它不能是一种垄断，而是需要被广泛传播。目前这波AI的基本理念其实非常简单，我可以向我15岁的儿子解释。他现在正在上课。这并不难。

算法很容易理解，而且用现代计算和人人所有的工具来实现并不难。也许你真的很擅长一种特定的技术，我擅长另一种技术，我们把它们放在一起，那就更好了。这就是人类在历史上所做的，专注于一点而不是太多方面，然后交换他们的技能。

澎湃科技：在AI和机器学习方面，能否请你给年轻人一些建议。

乔丹：首先，别忘了数学，数学仍然是我每天工作的基础。我做了很多数学运算，我很热爱这方面，看到新的数学方法出现真是太棒了。即使是计算机和编程本身，也有很多关于数学的内容。

同时，做好终生学习的准备，而不只是在大学里学习。每隔5年，一切都在迅速变化，所以你必须学习新东西。不同领域的不同思想之间的联系，也意味着全新的事物将会发生。

例如，我现在对经济学很感兴趣。大约10年前，我对计算生物学很感兴趣。所以我必须迅速学习这些领域的所有概念。每天晚上我的床边都放着厚厚的书，我会以阅读为乐趣，大量阅读，广泛阅读，努力成为一个有深度的人，而不是一个狭隘的人。