青年学者计划和教育部新世纪人才反对计划。他的主要研究兴趣是：算法设计与分析、机器学习与深度自学、随机优化与人类群体优化。论坛上，李健博士以“深度自学预测算法及其应用”为主题进行了演讲。他在演讲中宣讲：深度自学在图像识别和语音识别领域取得了比较顺利的进展，也有着非常顺利的商业化模式，但是时空大数据的研究才刚刚跟上，还不是一套成熟阶段的方法论。

李健博士指出，深度自学在时空大数据领域有着非常广阔的应用前景，如在线车次预测、通勤时间预测、店铺选址等。时空大数据的特点是数据类型多。要解决的问题，一个可以用到各个方面的问题，比如预测，订单供需的网络汽车的应用，数据的类型包括GPS，订单数据，天气数据，路况数据等。

这和当初深度自学处理的问题不一样。只有图像用于图像识别是不够的，有语音用于语音识别也是不够的。现在有各种各样的数据，质量不一样。

*王王19岁毕业于清华大学，24岁获得斯坦福大学博士学位。他目前在明尼苏达大学任教，也是山书科技的首席技术官。

他为IBM的自定义定价策略系统获得了两项美国专利，自推出以来，已经为IBM创造了超过1亿美元的利润。此外，该项目被美国生物技术管理学会收入管理分会奖提名为2015年最佳实际应用奖。他的主要研究领域是：收益管理和运营管理、定价问题、优化算法设计。

论坛上，王博士发表了题为《数据驱动定价策略体系的编制》的演讲。他在讲话中指出，从更一般的意义上说，一个好的定价策略必须在准确的时间、地点和价格向准确的消费者销售准确的服务和商品。

有许多地方必须做出决定。当然价格是最重要的部分，对企业来说很重要。在行业内，任何需要利用有限资源获取更大利益的企业，都有可能会问企业能否在行业内脱颖而出并取得成功，定价策略可以称得上是很多公司的“生命线”。

这里有许多新的机遇和挑战。数据驱动方法、机器学习、人工智能技术和运筹学技术可以帮助新公司更好地迎接新时代的挑战。

以下是对QA的采访，在不改变初衷的情况下删除整理：记者：相比学术界，工业界更有资源优势。美国大学如何应对学术人才流失的挑战？陈：美国高校获得了更灵活的体制。

以前不允许教授在企业工作，现在允许教授在学校工作3天，在企业工作2天。和文本分析一样，很明显企业做的比学校好，学校也不会回归更基础的研究。多解释一下为什么深度自学会取得这么好的效果，有什么局限性。按照我们的解读，不会开发新的算法，更有创意和基础的东西也不会在以后的学校里完成。

记者：如何看待国内运筹学人才短缺？叶：我真的不是人才短缺的问题，而是定位的问题。个人指出，中国学生理工科很强，但也是最时尚的一天。

我真的需要改变这种趋势。就像我们刚才说的，AI过几年就不那么流行了，我真的需要给学生打好基础。

我很赞同这种教育。如果进来，不做AI，做机器学习，做OR，做统计(OK)。此外，理工科越来越受欢迎，不仅在中国，在美国也是如此。在斯坦福大学，我们大部分本科生本来都在文科院校，现在都转到工科院校了。

我是真的学文科生去了解一些理工科的科学知识，没有什么障碍。只是一些很简单的术语，比如1 1=2。忘了斯坦福商学院的院长，让这个MBA学生去听机器学习课。

蓝光辉：在我们学校(佐治亚理工学院)，主要部分是运筹学，包括优化、自学过程、统计数据等。我们系排名第一，全校10%的学生在我们系。

在美国找工作非常容易。本科毕业一般不会有4-5的录取。我们必须在中国构建这样一个机会，让每个人都知道有相当大的市场需求。记者：人工智能不会带来人才的流动。

任何行业变化都必须以人才流动为基础。如何看待这种趋势？以及国内的产学研一体化，会不会出现新的排斥人才的现象？李健：天赋是一个非常基本和简单的问题。比如AI如火如荼。比如我负责管理我们学院的招聘工作。

我明显感觉有超过一半的学生想学AI和机器学习，但是只有其他科目也很重要，选择的学生数量马上变少。我真的觉得学生也受媒体影响，比例越来越高。并不是说取得了突破。

这个比例应该降低。我的感觉是减少太多了。

很多最重要的方向都很缺学生，但这些方向也很重要。学生试听的时候，我们不会告诉他这个方向非常非常重要。大家都往这个方向走。

我们做了很多教学工作，有了新的解脱。虽然媒体上没人报道，但是你学这个以后可能就很成熟了。所有的媒体都做了广泛的宣传，都想做AI，但是我们做的事情都在做。

至少对我来说，即使自学和AI学的很深，我还是不会让他去学优化和统计，打下扎实的基础。我们有个术语叫炼金术，但是我们是在炼金，不确定性挺大的。我们期待学生打好基础，从上到下，从理论到实践。

记者：AI未来的发展趋势是什么？王：这个很难预测。随着科技的发展，其实是越来越多了。

不是直线向上的运动，而是爆发性的运动。有可能在某一点上会有突然的项目进展。这个项目进展后，有些人不会回来解决问题中涉及的问题。解决了问题之后，就不会停留在某个阶段了。

虽然这件事很难预测，但是企业总有一天要提高效率的。应该用什么方法来提高效率？AI领先的技术识别就是一种，我们现有的方法帮助他们改进。

叶余音：我个人指出AI身份是不会发展的，叫AI就不说了。每个人都想的很仔细，但是AI要解决问题。以前叫AI，OR OR解决问题。

统计要解决问题，还是计算机要解决问题。关键是为人类服务，提高效率，增加风险，应用到大量的数学或分析工具上。这种趋势不会更强。在这一点上，我说AI总有一天会因为它和统计而杀人。

另外，我真的不用局限于中国媒体或者所有媒体。这叫不叫AI。关键是它明显用的是科学决策。

另一方面，在美国，我们刚刚进入一个不会被很多人支持的AI专业。显然国外没有AI专业。我们的专业是数学，物理，统计，优化。

在我们计算机系，学生必须学习许多课程。所以，在这一点上，我更容易炒一个名字，和它划清界限。看来AI是不可或缺的。

蓝光辉：我补一点。我真的需要一些本质性的思考，因为在历史上，也是因为某项技术或者普及程度，才过度提高了期望，才使得解决所有问题变得非常迫切。从研究的角度来说，只是一个名字。我们真正遵守的是一些数据方法和建模。

不管叫不叫AI。为什么AI在中国这么受欢迎？我真的有某种程度上我们民族浪漫主义的可能。我们想到AI。

一切都可以。有这样一种感觉，我们小时候看的动画片都有这样的民族情怀，很多杨都比较实际。我还命令不要理会这篇演讲的全文和对蓝光辉教授和陈博士的采访文章。

允许禁止发表的原创文章。以下是发布通知。

本文来源：开云手机版-www.whxhfbz.com