在数据浪潮中“淘金”——记南开大学人工智能学院教授刘杰

王静娟

数据井喷时代来临，谁能巧用数据，谁就掌握了智能发展的先机。

刘杰

网络数据挖掘、自然语言处理、人工智能，简单来说，这3个词汇串联起南开大学人工智能学院教授刘杰的绝大部分研究。那么，这三者是什么？又究竟有怎样的关系？在刘杰的娓娓道来中，答案逐渐明了。

特殊的数据

网络数据挖掘，简单来说是从海量的数据中抽取出潜在的、有价值的知识（模型或规则）的过程。如果说互联网数据犹如星辰密布，那么抛开那些杂乱的群星，还有一些被称为“星座”的特殊轮廓。在数据的世界，“星座”是具有复杂结构性的数据，譬如序列型、网络型数据。

刘杰说，传统的机器学习大多是以单个数据为单元进行数据集上的模型学习，考虑的信息相对孤立。“自然语言等序列型数据则不同，它看重序列历史信息，关注承上启下，将样本在序列上下文中进行判断；社交网络等网络型数据，需要搜集个体社交、交互情况，依据成型的网状环境综合判断得到结论。”两者是既考虑样本自身特点，又注重结构情境影响的典型代表。而这也给研究增加了不少挑战。不仅如此，诺大的数据汪洋中，精准搜集、定点捕捞相当于大海捞针。此外，刘杰还指出，文本作为互联网上的主要信息载体有着一个明显的特征，那就是写法随意，不受语言表达方式的限制，与正规的文章之间横亘着一条显著的界限。这也直接造成了语言语义的识别困难。

那么险阻重重，迎难而上的价值究竟是什么？“综合网络结构和文本信息，能够更好地理解语义，准确完成知识发现、人机对话、智能问答、舆情分析等诸多人工智能任务”，刘杰提出了最直接的研究价值。

他坦言，自己近几年将主要精力放在网络数据中的自然语言处理方面，尤为关注的是网络数据挖掘与自然语言处理相结合。这样做，归根还得说到网络信息的主要媒介——文字。“语句由单字构成，对它进行判断建模才能进一步识别句子中的特定内容。”例如，其中包含的关键人名、地名等。在自然语言处理的角度下进行网络数据挖掘，相关机构能够迅速了解互联网的热门话题，甚至搞清楚大众对某一事件的普遍看法。“这可以帮助企业了解自身产品的特点，摸清楚舆情。”

作为具备悠久历史的研究方向，自然语言处理研究还不断开发“新技能”。随着人工智能的诞生进化，算法、算力、大数据研究日趋成熟，自然语言处理方向也迎来了新浪潮，对话机器人便是典型的范例。在刘杰的介绍中，其广泛应用于电商客服、个人助理等服务领域，有效节省了人力和经济支出。“对话等同于让机器人运用自然语言算法去阅读理解和交互，除了准确理解语义，还得生成自然语言答案。”它需要在理解人类语言的基础上给出合理答复。

不管是理解还是反馈，刘杰说皆不是易事。区别于许多动物普遍具有的视觉、嗅觉等基本感知能力，语言是人类特殊的关键认知能力。“基本感知能力获取自然界中的信息。而语言经过创造和传承，则包含更深刻的逻辑性、常识性、文化性，是更高层次和难度的智能体现。”这种独特的智慧形式，也促使自然语言处理成为人工智能发展的重要一环。

触类旁通促发展

从业多年，对刘杰来说，在环环相扣的人生各阶段，两次访学经历令他印象深刻。他在一群优秀的科研学者身上学到了科研方法、治学态度，还扩宽了研究思路。在校内，他勤恳地开展科研工作；走出校门，在工业界研究机构，刘杰还接触到不同的科研风格。他说，高校与企业的环境相辅相成，自己正是在两者的熏陶下夯实基础。

凭借在国内外的经验积累，刘杰于南开大学任教后打响了独立科研征途的第一枪。他主持了自己首个国家自然科学基金项目“基于深度学习的结构化预测模型研究”。当时，深度学习的研究热潮刚刚兴起，刘杰作为第一批“吃螃蟹”的人，以深度学习为手段去研究序列型数据建模。该项目也为他后续工作拉开序幕，密切联系了视频内容的动作识别、自然语言的关键信息识别等任务。

“近期，我们又开展了一个新的自然科学基金项目，叫作‘基于跨模态的网络表征学习’。”刘杰说，跨模态是项目关键词，即网络数据从单模态转变为多模态。而所谓模态，如图像、文本、声音等具备结构或属性的信息，每一种代表一种模态。“在互联网，描述同一事件的模态可能是文字、声音，甚至还包括图像。不同模态信息之间并不是独立的，而是存在语义上的互补。为了有效提升表达的质量，我们希望采用合理的手段来融合多模态信息，将它们综合体现在一个模型里。”不过，这是一个难题，让刘杰的研究工作面临挑战。

“研究长时间没有突破口，直到有一天，从另外的一件事情反而得到了启发。”他解释说，如果将网络数据转换为不同模态下的网络，将模态转化视作语言的翻译，就能够利用机器翻译的思路，从而设计一种自我翻译的网络表示学习模型来解决问题。纸上得来终觉浅，经实践证明，刘杰采取的思路和办法十分有效，相关成果汇总成的论文被顶级会议和期刊发表。“这件事情也让我看待问题、事情，尝试多转换角度。你怎样去审视问题，实际就决定了有哪些可选的思路或者方案。只有换了视角，才能跳出原有的局限。”

做专注的行动派

即便肯定了“灵感”的重要作用，但刘杰同时也强调，这一切是建立在良好的学科基础、丰富的知识积累之上。不论是在KDD、AAAI、IJCAI、IEEE TKDE等国际顶级会议和期刊发表论文，还是获得天津市科技进步奖二等奖、2017CCF大数据与计算智能大赛特等奖及一等奖等荣誉，都和刘杰自身的长期积淀有紧密联系。“一个想法的闪现，其实是知识体系和思考方式等共同作用的结果。前期在理论、算法上持续地研究是必备的基础。”

在谈及工作压力的来源时，刘杰认为，学者除了关注前沿研究进展，还理应重视理论与产业融合。“如何将企业实际问题转化成一个可以用模型、算法来解决的理论问题，这其中不止涉及一个问题，而是很多问题。”一是要明确企业应用问题，深入到各个部门了解情况，“这不光是走流程，还得站在理论研究的背景和基础条件上听意见，发掘工作特点，找到问题症结”；二是问题的转化与建模，将发现的应用问题转化为计算机算法所对应的问题，进一步实现算法、程序的搭建。

摸底、布局把好关，刘杰将工作做好、做细、做实的另一法门，便是专注。他结合自身的求学、从业经历特别指出，学术和应用上保持宽广视野的同时，要注意避免过于发散的思维。“对待每一件事情，必须能够静下心来思考并进一步挖掘更深层次的内容。也要往前看，想一想现在做的事情对未来会产生怎样的影响。”刘杰表示，迄今仍会兼顾理论、应用两个层面，但不会过分宽泛地涉猎。“我通常在一个点或者若干个关键点上研究理论和前沿应用。基础理论帮助我快速理解前沿的应用，更好地解决问题。反过来，应用也是一种导向，让我知道社会的需求在哪，我该朝着怎样的理论方向去研究。”前沿应用是基础研究的出发点，理论基础是实际应用的落脚点。对刘杰来讲，理论和应用两条腿走路，可以走得更远、更稳。

团队发展方面，刘杰对不同阶段、不同诉求的学生采取针对性指导。“毕业要去企业工作的，就着重培养他们的动手能力；有进一步学术上深造打算的，就会根据发展路线提供学术能力锻炼的机会。我们团队有很多优秀的学生，既能兼顾学习，在科研上也做了大量的工作，包括参与论文的发表、获得科研竞赛奖励等。这些都很好地锻炼了他们的能力。”对于人才的培养，刘杰提倡依据学业阶段“因时制宜”，还明确了工作认真、保持好奇的重要性。

面向未来，刘杰表示，通过数据分析、挖掘和模型预测来替代人类开展智能化工作是大势所趋，“不过因为算法、模型等局限性，人类距离完全的智能化阶段还有距离”。他的工作契合时代发展，特别是当大数据挖掘和人工智能逐渐渗透多行业，变革成为正在进行时。