7月16日,被誉为“中国智能科学技术最高奖”的第十一届吴文俊人工智能科学技术奖颁奖盛典在北京举行,共有66个获奖项目及个人受到表彰奖励。琶洲实验室副主任、欧洲科学院外籍院士陈俊龙获得吴文俊人工智能杰出贡献奖。
陈俊龙院士围绕智能系统与控制、计算智能、数据科学等科研方向开展研究工作超过40年,在该领域取得一系列学术创新性成果。首次提出的宽度学习系统,突破了深度神经网络计算资源消耗严重、扩展难的瓶颈;原创的动态结构叠层宽度神经网络,克服了传统深度学习的计算量大、硬件需求高及模型设计复杂等不足,对于机器学习领域具有颠覆性的意义。相关研究成果逐步在智慧司法、智慧健康与医疗、边缘计算等行业内推广应用。
陈俊龙院士在获奖感言中表示,这是一个崇高的荣誉,更是鞭策,未来将更加坚定方向,努力为人工智能事业的进步奋力拼搏。同时,呼吁科研工作者一起为人工智能核心技术的不断突破,肩负起技术创新与产业升级的历史重任,为人工智能产业的繁荣发展,不断向前。
“吴文俊人工智能科学技术奖”由中国人工智能学会发起主办,具备提名推荐国家科学技术奖资格,被外界誉为“中国智能科学技术最高奖”、“人工智能领域皇冠上的明珠”。
人物专访
2022年6月,陈俊龙院士在接受南都·琶洲π记者专访过程中,首次讲述了自己在国外及澳门的奋斗经历。通过这些鲜为人知的故事,回顾陈俊龙院士40余年科研历程。
以下是文章正文:
采写丨南都记者 代国辉 叶黄丽; 摄影丨南都记者 钟锐钧
1982年,陈俊龙大学毕业,在日本一家数控领域的公司上班。出于工作需要,他经常往返美日两国,帮助客户维护公司所售设备。这期间,他一边游历美国各地,一边着手备考美国的大学。立志科研不断深造,大学毕业后的陈俊龙一直以考取美国大学为目标。1年后,他以全额奖学金被美国密歇根大学安娜堡分校录取。“从读研到读博,博士期间的预审考试会刷掉一半人。”这个在很多学生看来难以逾越的门槛,陈俊龙在读研第一年便顺利通过——他通过了预审考试,提前被密歇根大学博士班“预定”。
带着对机器人及模式识别的兴趣,他在硕士毕业后前往工科见长的普渡大学读博。创建于1869年的普渡大学被誉为“公立常春藤”,拥有13位诺贝尔奖得主。我国两弹元勋邓稼先亦毕业于此。陈俊龙在普渡大学所学专业名为“电机”,后更名为“电机与计算机”。“那个时候学院有‘模式识别’之父傅京孙(K.S.Fu)教授,机器人的泰斗Geroge Saridis及Richard Paul,还有计算机分布式计算泰斗H.J.Siegal这些知名学者。”陈俊龙回忆道。
在上世纪80年代,美国大学所教授的是当今国内相当火热的领域——智能制造、机器人和通讯等。“那个年代在美国大学里十分红火的还有芯片制造,当时并不这么称呼,而是叫‘大规模集体电路’。”在芯片和自动化机器人两个领域,陈俊龙选择了后者。在开创者之后,陈俊龙说自己属于自动化机器人领域的“第二代”。和他同属一代的人,还有香港中文大学深圳分校徐扬生校长/院士。“徐校长团队做自动化机器人在国内算是领头羊。”
业界或学界?这是在陈俊龙取得博士学位后面临的选择。“如果我的科研方向是芯片,我想应该就去业界了。芯片领域工作机会多,但自动化机器人以及通信控制的工作机会相对少,多集中在军工领域。我作为中国人无法接触到核心项目。”
在高校任教成为一个更佳的选择。“当然,这不是那么容易的。教学岗位一年,一个专业也就放出几个名额,而且面临着很多参与者的竞争。”1989年至2002年期间,陈俊龙任教莱特州立大学计算机科学及工程系,获终身正教授职称。该校所在的俄亥俄州位于美国北部,临近五大湖,一年四季几乎有9个月是冬天,而冬天基本上都在下雪。对于陈俊龙而言,虽然工作非常顺利,但寒冷的冬天是一段比较“难过”的经历。“此外,俄亥俄州几乎都是白人,包容程度不及南方城市。”
2002年至2010年,陈俊龙离开工作13年的北方,去往位于美国南方的得州,任教得州大学圣安东尼分校电机及计算工程系,后担任该系系主任/副院长。“得州的天气温暖,这一点很像广州。”
2009年,学界流传着陈俊龙要另谋新职位的消息。
“首先,担任一所大学的系主任/副院长,对于我来说,因为‘玻璃天花板’的原因,再上一层楼非常不可能,虽然我所从事的工作是十分顺利惬意的。”“另外,在美国28年的工作总给我一种感觉:是在为别人做事情,这仅仅是一份工作。”
由此,2009年年底,50岁的陈俊龙走向了回国的路,希望能为自己国家科技发展作出贡献。
“我十分感谢当年和澳门大学校长赵伟的知遇。”陈俊龙评价道,“他深刻地改变影响了我人生走向。”赵伟校长是计算机领域的知名学者、教育家,他从美归国回到澳门,彼时正在澳门大学招募院长。最终,陈俊龙决心前往澳门大学科技学院担任院长。
在陈俊龙担任科学与技术学院两任院长的时间里——2010年至2017年,澳门大学科研实力有了极大提升。陈俊龙推出奖励机制,鼓励学院教师从事科研,澳门大学工程学科及计算机学科在泰晤士高等教育世界大学影响力排名中,双双进入全球排名前200名。时至今日,澳门大学已建起2个国家重点实验室,澳门地区总共已有4个。
他对澳门工程教育留下更具历史意义的贡献是,澳门大学工程学科及计算机学科获得了《华盛顿协议》的认证和《首尔协议认证》。这意味着澳门大学拥有了培养国际认可的工程类、计算机类全球性人才的能力。“这对我来说,其实并不是一件很难的事。因为我在美国大学担任系主任的时候就有类似的经验,也担任过评委。”来到澳门大学后,陈俊龙对学科进行了重组,搭建了香港、澳门两地学术交流的渠道,跟香港高校教师展开交流,并邀请香港专家指导澳门大学学科教育,促进了澳门工程学科及计算机学科获得“双认证”。
长期的科研经历为陈俊龙积累了丰富履历和极高荣誉。他是2018-2021年Clarivate Analytics的全球高被引科学家,同时也是中国自动化学会副理事长、欧洲科学院院士、欧洲科学与艺术院院士。2016年,他获得了母校美国普渡大学的杰出电机及计算机工程奖。2018年,又获得了美国电气与电子工程师协会(IEEE)系统科学控制论的最高学术维纳奖。
2019年2月,《粤港澳大湾区发展规划纲要》正式提出。“在我任职澳门大学科学与技术学院院长期间,粤港澳大湾区的概念已经提出,澳门和珠海的合作愈加紧密。”期间,他成立了珠海澳大科技研究院,陈俊龙担任创院院长,拉开了澳门大学科研成果在湾区更多城市落地转化的序幕。
“澳门地方小,除了博彩业发达之外,其他产业发展有限,科技成果的转化也比较受局限。”而湾区其他城市产业相对发达,拥有科技成果转化的良好土壤。2019年,在众多湾区高校中,陈俊龙选择了华南理工大学,担任计算机科学与工程院院长,此后兼任琶洲实验室副主任。自此,陈俊龙来到广州,继续扎根湾区,开启了人生又一新阶段。
今年,广州海珠区数字经济产业向纵深发展,瞄准算法领域,探索算法产业化,首次启动广州·琶洲算法应用国际大赛。关于算法,作为琶洲实验室副主任的陈俊龙亦有一些想法。
年初之时,琶洲实验室牵头成立了琶洲算法产业联盟,琶洲科技型头部企业加盟,拧成一股绳,构成了琶洲算法实力的强势代表。琶洲算法能力怎么提升,强不强?拥有丰富国外科研经验的陈俊龙将目标锁定在国际性赛事上。“去国际性高性能计算竞赛刷榜。我们希望联合深圳的鹏城实验室的算力,一起参与国际竞赛,展示我们的算法实力。”陈俊龙希望以此提升琶洲算法实力在国际上的知名度,亦以此提升琶洲企业的算法实力。
此外,琶洲实验室作为坐落于广州人工智能与数字经济试验区琶洲核心片区的省级实验室,如何为广州本土企业数字化赋能,是一道必答题。陈俊龙透露,琶洲实验室或将成立算法赋能部,依托现有成熟的数字化平台,借助华南理工大学计算机科学与工程学院的科研力量加以完善,为广州的中小企业提供数字化解决方案。
未来国际竞争的制高点是人工智能。陈俊龙在多次公开场合表示,“各行各业都在使用人工智能,这成为行业向上发展的支撑力量。”在他看来,人工智能的方向是仿人,现又赋能到数字经济的应用,谁在某个领域抢占了先机,谁就能成为这个行业的领头羊。“在国际性的平台上,你的产品更智能,才更有竞争力。”
“琶洲的人工智能产业水平能够代表广州水平。广州各区的特长有所不同,海珠区发展人工智能与数字经济产业是国家当下大力提倡鼓励,未来长期的发展前景十分乐观。”陈俊龙说道。
2021年,陈俊龙获得2021年度IEEE约瑟夫·沃尔终身成就奖,成为首位获此殊荣的中国学者。IEEE约瑟夫·沃尔终身成就奖于1991年设立,旨在表彰在系统工程概念、方法、设计、教育或管理方面作出杰出专业服务或贡献的学者,往届获奖者有被誉为“模糊数学之父”的著名学者拉特飞·扎德等人。同年,陈俊龙荣获我国人工智能学会吴文俊人工智能杰出贡献奖。
耀眼的成绩基于重要的研究成果。2018年,陈俊龙在业界率先提出“宽度学习系统” (BLS)这一概念。作为有别于当下已被广泛运用的“深度学习网络”的新提法,BLS在横向拓展和增量学习方面具有明显优势。“‘深度学习网络’在上世纪80年代,我攻读博士学位的时候就有涉及。直到2007年,加拿大Hinton教授在谷歌平台上运用‘深度学习网络’去识别猫。在商业力量的推动下,‘深度学习网络’一时之间广为人知,实质上它就是‘模式识别’。”
“‘深度学习网络’需要建很多层的神经网络,主要解决调参和层次结构的问题。”陈俊龙进一步解释道,“例如我给系统一万张图片识别,设定好几十层到百层神经网络,每层有数百个神经元,不断去调节参数做识别,直到识别的准确率达到90%多以上或者更高“。
“‘深度学习网络’还有一个明显的问题,就是遇到开放数据时,调试网络就得设计新结构,从头计算,可能需要用一天、两天、甚至一周时间。”陈俊龙说,而宽度学习对开放环境跟数据不需要从头计算,因为单层的网络结构要做的是横向扩展神经元,做增量的计算,让系统更加精准。对数据流的增加,也不用重新调节网络结构。
此外,陈俊龙发现,“宽度学习系统”在增量学习方面十分好用,尤其是在边缘端的智能。“例如现在的智能驾驶,何时加速、刹车的决定是在云端计算好的,然后放进汽车端去执行。如果没有边缘端(汽车端)的智能,假设汽车预见没有看过复杂的新情况,边缘端只是依照之前学习过的经验去做判断,这种判断可能会出错。如果有快速的边缘计算去做判断,那么在复杂的情况下可以正确地做出决策。云端的再计算可以在离线的时候再学习更新。”
“‘宽度学习网络’可以快速实现边缘端的计算。再例如,穿戴设备可以自行完成对新情况的新判断,而不是从云端获取答案。”陈俊龙解释道,这可以实现边缘端智能学习。
陈俊龙还提到,今年图灵奖获得者的高性能+人工智能计算里,有一些计算和他所提出的“宽度学习网络”计算十分类似。“以BLS为基础的动态神经网络赋予边缘端智能学习功能的边缘计算在将来拥有无限前景。”