专访Michael Jordan：AI的分布式决策与不确定性(7)

机器之心：在 Ray 之外，您还关注哪些其他研究方向？

[原创文章：www.11jj.com]

Michael Jordan：研究者选择课题与艺术家、音乐家选择创造主题其实是一样的。我对于万事万物都很好奇，喜欢学习一切，因此我保持开放的心态，与大量的人交谈，思考技术的潮流正在将世界带向何方。然后你会发现一些新的思考方式、一些尚未得到关注的领域，一些让你相信假以时日一定会得到有趣的发现的问题。所以你进行尝试、与其他人公开探讨，尝试激起他们的兴趣，尤其是你的学生的兴趣。

我经常在公开场合谈论 Ray，是因为我希望更多人加入进来，在更多的使用场景下测试它的能力。除此之外，我还对错误发现率（false discovery rate） 十分感兴趣，尤其是在线错误发现率。这一类算法想要实现的目标是，当算法在运算的任何阶段被中止，都能保证当前作出的决策大部分是好的决策。

我也对很多数学相关的工作感兴趣。比如梯度下降算法以及搜索算法等的几何学研究。

梯度下降算法从数学角度来看，就是试图在参数空间内进行运动。这类运动有哪些动态性质？有哪些几何性质？其动态性质与几何性质之间又是如何相互影响？我对这些问题都很感兴趣。

鞍点问题就是这类问题中的典型。梯度下降算法经常长时间卡在鞍点附近，因此，如何设计参数优化算法以避免在鞍点停留，如何利用鞍点的性质找到优化的方向，都是我们正在研究的问题。

数学类问题吸引我的地方在于有一个良性循环的社区：你在他人的工作之上开展自己的工作，提出猜想、进行证明、得到定理，而在未来，你的工作又会被之后的学生做为探索的起点。

十年之后，人们不会再谈及我，我的时代已经过去。我不认为当今有哪些研究者的工作能够像爱因斯坦的成果一样，有延续百年的生命力。我们的贡献要小一些，但是我希望它们足够扎实，能够让十年后的其他研究者愿意在我们的成果之上继续前行。

本文为机器之心原创，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com

投稿或寻求报道：content@jiqizhixin.com

广告 & 商务合作：bd@jiqizhixin.com