论文部分内容阅读
如果说以蒸汽技术驱动的第一次工业革命延伸了人的肢体，拓展了人类的力量，那么，以新一代人工智能技术为驱动的新一轮科技革命和产业变革则致力于拓展人类的智能，提升人类智力所能创造的价值。
在清华大学自动化系助理教授黄高看来，“人工智能是我们这一代人不能错失的宝贵机遇。”而如何让机器更高效、智能，也成为他研究中最关注的部分。
这名32岁的青年学者，主要研究领域为深度学习和计算机视觉。他设计的密集连接卷积网络（DenseNet），论文单篇引用已超1万次，广泛运用于医学、光学、气象学等诸多领域。黄高也成为国内计算机视觉领域第一作者论文被引次数最高的学者。
黄高在人工智能快速发展的浪潮里，沉下心来，关注基础性研究与关键核心技术攻关；同时保持开放心态，学习新知并付诸实践。通往人工智能的未来之路上，他正全力奔跑。
科研的美妙，在于尝试拓展知识的边界
深度学习是指计算机通过深度神经网络，实现跟人脑类似的功能，是现在人工智能领域的热点研究方向之一，已被应用于人脸识别等许多领域。
然而，在2009年黃高刚开始攻读博士学位时，人工智能领域深度学习的工具还在发展中。优化算法等现在看来简单到仅需一行代码的操作，当时要靠一行行编程实现。许多研究者在探索如何通过缩减网络连接来降低模型复杂程度，黄高却另辟蹊径，希望通过增加跨层连接，使信息通道更加通畅，让模型中的信息能更快速地向前传递。
这一想法无疑是大胆的，也极具创新价值。“不断摸索新的东西，做别人没做过的事情，与未知共处，才是科研最有魅力之处。”黄高说，做科研最美妙的就是尝试去触碰、拓展人类知识的边界。
2016年，黄高提出了密集连接卷积网络的大胆设想。起初并不被看好，但他与合作者始终坚持，最终突破了传统深度网络的单向直链结构，提出全局密集跨层连接范式，使神经网络实现“连接数多而计算量少”，进一步提高了运算效率。这项具有开创性的模型，获得了首届世界人工智能大会最高奖SAIL先锋奖，被编入多本深度学习书籍，也被广泛应用于医疗影像处理、人脸识别、文本翻译、语音识别等人工智能应用场景。
探索未知是一件风险和成本很高的事，“拓荒”路上，黄高难免遇到挫折。有时坚持很久却始终没有结果，有时好不容易取得进展，却发现已有研究者抢先一步。“研究受阻，沮丧是难免的。我们需要一股韧劲，坚持下去，将想法最终转化为现实。”黄高说。
服务美好生活，是人工智能的重要使命
黄高的研究大多源于日常生活中的需求，他希望用键盘“搭建”出更多智能生活的美好场景。“服务人们的美好生活，是人工智能的重要使命，也是科技向前发展的重要动力。”黄高说。
去年新冠肺炎疫情发生之初，核酸检测还没有广泛开展，肺部CT是重要的检查手段。但由于医生数量有限，读片速度与诊断准确率均受到影响。曾在博士后期间做过医学影像分析方面工作的黄高开始思考，如何利用人工智能技术减轻医护工作人员的压力。
收集数据、设计算法、开发系统……研究成果很快落地。黄高与解放军总医院等单位联合开发了基于人工智能技术的CT影像快速辅助诊断系统，读图快，准确率约为96%，能辅助医生更好地做出诊断。去年2—3月，这一系统在120多家医院完成病例分析3万余例。
如今，计算机视觉已成为黄高的重点研究领域之一，他在图像识别方面的研究成果，已应用至医疗服务、企业生产、遥感图像等多个场景。“我们正在跟中科院声学研究所合作，研究海底声呐成像中目标的自动识别与跟踪，可以用于海底勘探、救灾等方面。”黄高介绍。
不仅致力于热门应用研究，也关注基础性研究与关键核心技术攻关，这是黄高对于团队的要求。
航空发动机的研制技术难度极大，需要反复实验、试飞，研制周期也很长。人工智能可以帮上什么忙？今年1月起，黄高与物理学者开展合作，研究如何利用深度学习来提高空气流体力学模拟实验的效率。
“人工智能不能满足于酷炫，而应该带动产业革新、推动科技整体发展。”黄高一直提醒自己，越是在研究的热潮里，越要沉下心来。
面对学科的快速发展，要跟时间赛跑
这些年，关注人工智能领域的研究者日益增多。黄高坦言：“赶上了一个学科发展的浪潮，对于研究者而言，既幸福又深感压力。”
之所以幸福，是因为有很多人朝向同一目标努力奔跑。人工智能领域的很多公司、学者都已开放程序源代码。开源深度学习框架、开源应用软件、开源社区的快速发展，推动了研究互相促进和协同创新。黄高设计的深度学习框架也是开放的，在他看来，“开放的、充满活力的研究环境，能孕育出更多好成果。”
之所以深感压力，是因为竞争很激烈。一台用支架高高架起的电脑、满屏算法、嘈杂高温的机房，组成了黄高的科研日常。黄高习惯站着做研究来集中精神，“面对学科领域的快速发展，每个人都要跟时间赛跑。一方面要时刻追踪最新的研究趋势，了解学术界的最新动态；另一方面要有很强的行动力，一旦犹豫就很可能错失机会。”黄高说。
“发展人工智能的故事才刚刚开始。”黄高介绍，人工智能领域还存在很多未解的问题，从基础理论、技术发展，到构建人工智能相关的伦理规范，都是科学家们面临的挑战。“努力突破它们，正是我们做科研的价值所在。”
“预测未来最好的方式，就是创造未来。人工智能的前景很美好，值得我们为之全力奔跑。”黄高说。