來自 UC Berkeley 的 Stuart Russell 教授將亮相機器之心 5 月 27 日至 28 日在北京 898 創新空間舉行的 2017 全球機器智能峰會（GMIS 2017）。作為人工智慧領域的頂級學者，Russell 對人工智慧的發展作出了巨大的貢獻。
由機器之心主辦的全球人工智慧盛會——2017 全球機器智能峰會（GMIS 2017）——將於 5 月 27 日至 28 日在北京 898 創新空間舉行。本次大會將邀請海內外眾多嘉賓及機構，權威、系統地介紹機器智能相關技術的前沿研究，探討如何將技術轉化成產品和應用等問題。
這段時間，我們將對受邀參會的一些重量級嘉賓進行介紹，繼前兩天我們介紹了被譽為LSTM 之父的 Jürgen Schmidhuber之後，今天我們將為大家介紹人工智慧領域的另一位大神級人物 Stuart Russell。
人工智慧領域「標準教科書」作者
Stuart Jonathan Russell出生在英格蘭樸茨茅斯，並於 1982 年在牛津大學瓦德漢學院獲得物理學一等榮譽學士學位，1986 年獲得史丹福大學計算機科學博士學位。在獲得博士學位後，Russell 加入了加州大學伯克利分校，並成為了一名計算機科學教授；他所研究的人工智慧領域主題範圍非常廣，包括機器學習、概率推理、知識表徵、規劃、實時決策、多目標追蹤、計算機視覺、計算生理學、全球地震監測和哲學基礎。此外，他也為聯合國工作，為「禁止核試驗條約」開發新型的全球地震監測系統。他當前的研究課題也包括自動武器的威脅以及人工智慧的長期影響及其與人類的關係。
作為人工智慧領域的重量級學者，Stuart Russell 對於快速發展的人工智慧技術面臨的機遇和挑戰有著自己獨到的見解。2015 年，他曾起草並率先在一份旨在呼籲學者多方面考慮人工智慧研究的公開信上簽字，信中指出：「我們建議擴大人工智慧研究的範圍，目的是確保日益強大的人工智慧系統是穩定和對人類有益的。」這封公開信得到了來自全球 7000 多名學者與業界人士的支持，其中包括谷歌、Facebook、微軟等科技巨頭的核心人工智慧研究者，以及全球頂尖的計算機科學家、物理學家和哲學家。
隨後，他又在一次網際網路金融峰會上表示：「人工智慧的應用越來越火爆，相應也帶來了一系列挑戰，因為人工智慧並不是萬能的，它不能代替人類思維，當發生突發事件時，機器就沒有人腦靠譜了。」
Stuart Russell 的 TED 演講《人類和人工智慧的未來》
榮譽
Stuart Russell 的研究獲得了學界的廣泛認同，他曾在 1995 年國際人工智慧聯合會議上獲得 IJCAI Computers and Thought Award，這是國際人工智慧為 35 歲以下研究人員提供的國際大獎。1997 年，他當選為美國人工智慧協會會士（AAAI Fellow）。2003 年，他被選為美國計算機協會（ACM）的會士，並在 2005 年被授予了 ACM Karl V. Karlstrom 傑出教育家獎。2011 年他又被選為美國科學進步協會（American Association for the Advancement of Science—AAAS）的會士。
著作
作為 UC Berkeley 的著名教授，Russell 的著作和研究受到人們的普遍關注，他是人工智慧領域「標準教科書」《人工智慧：一種現代方法》的主要作者（谷歌研究主管 Peter Norvig 也是該書作者）之一。該書是一本指導性的人工智慧書籍，基本覆蓋了人工智慧的主要方法與概念，並且其全面性以及結構性極其出色。另外，這本標準教科書被全世界 1300 多所大學選為教材。
桃李滿天下
Russell 不僅是一位傑出的研究者和科學家，也是一位桃李滿天下的老師，經他指導過的學生有許多成為了大學的教授、實驗室的科學家或公司的創始人，其中包括：
刑波，卡內基梅隆大學計算機科學學院教授，Petuum 創始人李磊，今日頭條實驗室科學家，參見機器之心文章《專訪 | 頭條實驗室科學家李磊：準確率更高的問答系統和概率程序語言》Geoffrey Zweig，摩根大通公司機器學習全球負責人吳翼，NIPS 2016 最佳論文《Value Iteration Networks》的作者之一，參見機器之心文章《獨家 | 機器之心對話 NIPS 2016 最佳論文作者：如何打造新型強化學習觀？（附演講和論文）》
定義智能
今年 2 月初，Stuart Russell 在 Edge 發表了一個關於智能本質的專題演講《定義智能（Defining Intelligence）》。Russell 在該演講中結合自己的成長和研究經歷談論了自己對於智能的思考以及相關研究的情況。
他表示自己一直以來都在研究一種定義智能的方法。他說，「我反對那種認為該問題無法解決的聲音，我認為一定可以找到一種方法來定義智能。這個有界最優解的思想（idea of bounded optimality）簡單說來就是你有一臺機器且這臺機器是有限的——有限的處理速度和儲存空間。這意味著該機器只能運行有限的程序。在這個有限程序的集合之中，有一個或一些類別的程序會比其它程序效果更好；而這些程序正是我們的目標。」
此外，他還認為我們不應該將人工智慧看作是一個算法的集合，「一個算法是針對某一特定問題的高度工程化的加工品。我們有非常高度工程化的雙玩家遊戲算法，但它們不能處理三人玩家遊戲或雙玩家偶然性遊戲（比如五子棋），你需要一個全新的算法。但是人類不同。你可以學習西洋棋和五子棋。你不需要工程師來給你一個新的算法。因此，它一定是產生自一些更普遍的、控制思考和計算來快速得到優良決策的過程。」
除了在智能定義方面的思考，理性的元推理（meta-reasoning）技術也是他在 80 年代末和 90 年代初所進行的重要研究。
於是在思考了很多有關理性和智能的問題之後，Stuart Russell 聯合 Peter Norvig 寫出了上面所提到的著作《人工智慧：一種現代方法》。
學術影響力
Stuart Russell目前是加州大學伯克利分校計算機科學教授兼加州大學舊金山分校的神經外科副教授，在這一部分，我們來了解一下他在計算機科學領域的研究。
首先讓我們看兩張圖：
這張圖是 Semantic Scholar 平臺統計的 Russel 的論文引用情況，據該平臺估計，Russell 的引用量大概是 31015 到 40731 之間。
這張圖是 Russell 在 Semantic Scholar 平臺上的學術影響力評估，可以看到他有 775 的高影響力。下面機器之心將從 Russell 最具影響力的幾篇論文和最新發表的幾篇論文這兩個方面梳理其學術成果。
首先需要關注的是刑波、吳恩達、Russel 等人在 2002 年發表了一篇具有很高影響力的論文，該論文由 NIPS 所接收，並對後來的機器學習研究產生了深遠的影響。
在該論文中，作者們發現許多算法嚴格依賴為輸入提供優良的度量標準。例如，數據通常是通過所謂「合理」的方式進行聚類。因此對於需要良好度量的應用，他們希望能提供更加系統的方式規範化主觀認為「類似」的方式。在這一篇論文中，作者們提出了一個算法，即在給定 n 維點的相似樣本對情況下，學習一個 n 維距離度量（distance metric）來表徵這些樣本之間的關係。他們的算法基於將度量學習作為凸優化問題，並能得出有效的局部最優解。作者們還經驗性地證明度量學習能顯著提高聚類算法的性能。
緊接著，吳恩達和Stuart Russell 在 2000 年發表的一篇逆向強化學習算法（Algorithms for Inverse Reinforcement Learning）也有很大的影響力，該論文由 ICML 收錄。除了該篇論文，同樣於 2000 年發表的動態貝葉斯網絡 Rao-Blackwellised 粒子濾波器也有深遠的影響，該論文由 UAI 收錄。
在本篇論文中，作者們先是介紹了粒子濾波器（Particle filters/PF）是用於動態貝葉斯網絡（DBN）基於採樣的推理/學習高效算法。然後他們展示了如何使用動態貝葉斯網絡的結構提高粒子濾波的效率，即使用一種稱之為 Rao-Blackwellisation 的技術。作者們的研究顯示，Rao-Blackwellised 粒子濾波器（RBPF）能產生比標準 PF 更加精準的估計。
以上兩篇是 Stuart Russell 參與發表影響比較深遠，引用比較多的學術論文。而若要進一步了解 Russell 最近的研究動態，或者是最近發表過的論文，我們可以了解一下以下兩篇論文。在這兩篇論文中，Russell 扮演者導師的角色。
第一篇收錄於 AAAI-2017 的論文，該論文講述了一種用於時間模型中聯合參數和狀態估計的近似黑箱的在線算法。機器之心在 AAAI-2017 期間不僅對該論文做過詳細報導，同時還對該論文的其他三位作者 Yusuf Erol、吳翼和李磊進行過專訪（獨家對話 AAAI-17 論文作者 Yusuf Erol、吳翼和李磊）。
在本論文中，作者們表示雖然在線聯合參數和狀態估計是時間模型的核心問題並十分重要，但大多數現有的方法不是局限於特定類型的模型，就是計算量十分巨大。因此他們提出了一種全新的近似黑箱算法（nearly-black-box algorithm），這是一種用於狀態變量的粒子濾波（particle filtering）和用於參數變量的預設密度濾波（assumed density filtering）的混合。因為該算法在計算上具有高效性，並適用於帶有任意轉變動態（transition dynamics）的離散和連續參數空間，作者表明算法在幾種不同的模型都生成了更加精準的結果。
同樣，Russell 作為作者之一與第一作者Dylan Hadfield-Menell在去年的人工智慧頂會 NIPS-2016 上發表了一篇協同反向強化學習（Cooperative Inverse Reinforcement Learning），該論文還有其他幾篇強化學習論文（如 Q-Decomposition for Reinforcement Learning Agents 和 Algorithms for Inverse Reinforcement Learning 等）也在一定程度上表明了 Russell 比較關注於強化學習這一塊。
在本論文中，作者們首先就闡明為了讓自治系統（autonomous system）對人類有幫助，其需要在環境中令自身的價值與人類的價值相一致，從而自治系統的行為才能有助於人類價值的最大化。隨後，作為協同反向強化學習（cooperative inverse reinforcement learning/CIRL），他們提出了值對齊問題（value alignment）的正式定義。他們的該研究表明，在 CIRL 博弈中能計算最優聯合策略，並證明了孤立的最優性在 CIRL 中並不是最優的。
以上，機器之心簡單地梳理了其研究論文，我們希望讀者對 Russell 教授的研究能有一個大致的了解，並期望學術上碩果纍纍的 Russell 教授能在 GMIS 2017 大會上給我們帶來不一樣的思維盛宴。
參考文獻
Stuart Russell：人工智慧就好比核武器深度 | 伯克利教授 Stuart Russell：人工智慧基礎概念與 34 個誤區
聚焦人工智慧的未來，Russell 還想分享更多！
Stuart Russell 有著豐富的研究經驗，對人工智慧的未來也有著細緻的思考。在機器之心 GMIS 2017 全球機器智能峰會上，這位人工智慧領域「標準教科書」的作者將會為我們帶來更多人工智慧技術和研究方面的精彩分享，這也是與頂級大牛近距離接觸的不可多得機會。
2017 全球機器智能峰會（GMIS 2017）是由機器之心主辦的關注全球人工智慧及相關領域的行業盛會，將於 5 月 27 日至 28 日在北京 898 創新空間舉行。為了讓更多人工智慧愛好者參與進來，我們也已經開啟了免費贈票活動。
在文章《機器之心 GMIS 贈票 | 讀懂大會宣傳片的故事，我們請你免費參會》下面留言，即有機會獲得價值 2018 元的大會門票。
獲取大會詳情及購票信息，查閱大會官網及購票連結：http://gmis.jiqizhixin.com/ 。