智能、材料与环境资源的边界在哪儿 | 西湖大学工学院首次国际学术研讨会专访

Josef Kittler 是模式识别领域国际著名专家，英国皇家工程院院士、萨里大学（University of Surrey）杰出教授。在会上，他以“机器学习中维度灾难的变化”（The changing face of the curse of dimensionality in machine learning）为题做了报告。

在报告中，Josef 对特征选择中的经典算法、浅层网络和数据表达空间的特征选择、深层的降维，以及其在目标算法中的应用做了详尽的讲解。其研究主要在于将现有的机器学习的特征分类进一步压缩，通过降维的方式建立模型，便于计算并提高识别效率。

对于技术商业化，或者说与产业应用之间的关系，Josef 认为， 目前在智能识别领域正在进行的研究，基本上都是由产业应用的需求所引发的 。人工智能领域的研究与科技公司的需求有着紧密的联系，两者需要保持良好的互动，通过对潜在用户群体、应用的技术做出判断，进而考虑什么是科研可以实现的需求。

同时，Josef 认为 中国目前在人工智能领域有着非常好的整体环境，有许多优秀的程序员在积极地开发各种应用程序，也得到政府的支持 。最近他访问了一家上海的研究机构，当地政府为他提供了可支持他计算的特殊设备的基础技术，这将非常有利于他在机器学习领域的研究，有助于发现进一步商业化的可能。

当然，Josef 也指出 因为资源和时间是有限的，如果专注于应用层面的进展，就会忽略思考一些有趣的、具有挑战性的科学问题 。同时脚踩“应用”和“科学”这两艘船是很难的，不过在中国和美国的一些大公司，他们有着比大学实验室还好的设备，在推动应用发展的同时也做了许多基础研究。

对于算法和工具是否可能受到其研发母公司的“封锁”而带来影响，Josef表示影响会有，但实际上“封闭自我”的状态是不利于其技术快速发展的。当下大部分研究都是合作性质的，这是具有国际性的。而且如今技术的发展速度如此之快，投入精力做“保护”，莫不如抓紧向前。因为下个星期可能就有人超过你。

最后，Josef 表示他本人是更喜欢做科学角度的研究，他的下一步研究目标可能会去尝试解决现有的信息理论在决策中的有效性问题。