机器学习教父Tom Mitchell如何讲述AI+教育?

　　当一个人被冠以“教父”之称，即便是在非宗教的领域，也意味着这个人起到了父亲般的“监护”、“引导”角色。

　　Tom M Mitchell，他被全球公认为机器学习教父，在机器学习领域的地位可见一斑。

　　他在全球人工智能实力排名*一的卡耐基梅隆大学（以下简称CMU）创办了人类历史上的*一个机器学习系并担任系主任。

　　他的经典著作《机器学习：一种人工智能方法》被认为是行业圣经，销量惊人。

　　他创办了美国《Machine Learning》杂志、国际机器学习年度会议（ICML），为人工智能与机器学习领域持续输出观点。

　　他的学术论文专著超过130篇，在包括《Science（科学）》、《Nature （自然）》等世界**学术期刊发表。

　　他拥有众多闪亮的头衔：CMU计算机科学学院机器学习系主任、教授，美国工程院院士，美国科学进展学会（AAAS）成员，人工智能进展学会（AAAI）成员。

　　扛起CMU人工智能教育大旗

　　2018年3月，拒统计全球院校计算机科学领域实力排名的开源项目CSranking显示，卡耐基梅隆大学（CMU）、麻省理工学院（MIT）与斯坦福大学名列全球前三；如果只考虑AI部分的排名，排名*一的是卡耐基梅隆大学（CMU），清华大学排名*二，康奈尔大学和斯坦福大学并列*3。

　　今年，《美国新闻与世界报道》杂志（U.S. News and World Report）也将CMU评为美国人工智能领域*好的计算机科学学院。

　　Mitchell为CMU在人工智能领域取得领导地位做出了诸多贡献。

　　1951年，Mitchell出生于宾夕法尼亚的布洛斯堡，在纽约度过童年。1973年，他在麻省理工学院获得电子工程学士学位，1979年获得斯坦福大学电气工程博士学位，辅修计算机科学。1978年，Mitchell在罗格斯大学开始教学生涯，担任计算机系助理和副教授职位，1986年，Mitchell加入CMU成为一名教授。

　　他的研究领域包括机器学习、人工智能、认知神经科学等领域。1997年，Mitchell出版机器学习领域的*一本教科书，名为《机器学习》，是机器学习领域的奠基之作，被奉为*一代机器学习的圣经，是入门机器学习的必读教材之一。

　　1999 年，Mitchell 成为 CMU 的 E. Fredkin 教授，2009 年他被授予 University Professor 职位，这是 CMU 的*高教职。

　　2006年，他在CMU计算机科学学院创办机器学习系，并成为*一任系主席。2010年，他因在机器学习领域杰出地位入选美国国家工程院院士。

　　今年秋天，CMU 成为美国**提供人工智能本科学位的大学。从本科教育启航培养AI人才，CMU的AI研究和AI教育都走在世界的先列。

　　据雷锋网了解，今年8月，CMU计算机学院院长 Andrew Moore 宣布即将离职，CMU任命Tom Mitchell为计算机学院临时代理院长。CMU 校长 Farnam Jahanian 说，「作为机器学习和人工智能方面的领军学者，Tom Mitchell 是计算机学院近几十年来*杰出的创始人和先驱之一。他深受整个 CMU 社区的尊重，并富有领导才能，这将使他成为**的代理院长。我很高兴他能在这个重要时刻担负起这个责任，为计算机学院和 CMU 服务。」

　　人工智能与大脑的交叉研究

　　Mitchell在计算机科学领域出版了130余篇文章，内容涵盖机器学习、人工智能、认知神经科学等领域，在机器学习方面，他主要研究统计学习算法的开发和应用，如赋予计算机理解自然语言的能力以及发现人脑如何表示信息。

　　Mitchell 与其在 CMU 心理学系的同仁创建了**预测大脑神经元激活模式的计算模型，该研究后来被扩展到其它单词类型、单词序列和情绪中。

　　他开发出名为NELL（Never-Ending Language Learning）的计算机程序，能够从 web 中不断抽取信息，并教会自己阅读。

　　从Mitchell的个人主页来看，*近，他在探索AI与机器学习如何影响职业。他共同主持了美国国家科学院、国家工程院、国家医药院的一项研究，旨在总结出一份 2017 技术和美国劳动力情况的报告。

　　在近几年的一些国内外大会上，Mitchell也时常现身，介绍他对AI发展的看法。

　　在GMIC 2017（全球移动互联网大会)上，Mitchell发表了“突破人类和机器的边界”的主题演讲。Tom Mitchell认为，通过对人类大脑的模仿，计算机在变得越来越强。随着机器智能和脑科学的进一步发展，未来两个学科之间应该有更多的交集，并互相学习和借鉴。

　　“我们的智能如何从物理材料中实现突破，这是科学界还未解答的问题。目前有两种研究途径，首先是研究大脑，因为大脑是有智能的，*二是努力打造一种具有智能的机器。这是两种学习智能的方法，已经进行了很长时间了。

　　在研究方面，无论是脑科学还是人工智能都在进行交叉的研究。首先是计算机视觉，神经网络的确使得计算机的视觉发生革命性的改变，这样的一个神经网络，可以用来预测人脑当中的神经元的活动，包括它的视觉皮层相应的活动，这是一个深层次的神经网络。

　　现在人工的神经网络可以被我们用来训练，做一些相应的预测，也就是说我们现在可以建立一种桥梁，对大脑当中的脑神经的活动进行预测，这样就打开了无限的可能，可以回答很多有趣的问题。

　　比如人的视觉到底是怎样形成的，以及可以用怎样的设备设计更好的人工神经网络，帮助我们做这样的预测。一层一层进行输入、输出，这样可以进一步推动人工的神经网络。”

　　详情请阅读雷锋网此前文章（《机器学习》作者Tom Mitchell：人工智能如何向人类大脑学习 | GMIC 2017）

　　除了学术分享，他也谈到很多人工智能发展的趋势，解答了业界很多困惑。

　　在他看来，虽然人工智能经历了两次大的衰落，但是这次不会再衰落了。

　　“因为我们到目前为止 AI 在商业化方面已经取得了非常巨大的成功，这是前所未有的，因此我们业界非常乐观。如今人工智能可以让你和自己的手机对话，语音转文本，理解人们开的玩笑，和人类进行比赛等等。而且我们的业界也投入了比政府更多的资源来发展人工智能，投入之多也是前所未见的，相信在下一个十年，人类与AI 之间的交互会更上一层楼。”

　　人工智能在全球如火如荼地发展，中国具备独特的优势。AI的发展需要大量的数据，还需要多方数据的融合，Mitchell谈到，中国政府愿意支持产业，而且中国采取的是一种自上而下的方法，更利于大数据的建立，比西方国家更有优势。

　　在利用AI推进教育方面，Mitchell认为确实可以去建立一些全新的在线的教育系统。通过不断的获取学生*新的数据，再通过AI让整个教学过程更加个性化。CMU也有一些相关的科学研究，就提出了这样的一种机器学习的场景。对于传统教学，教师在收到一些学生的答案后，人工判卷并教学；而使用了机器学习的工具后，或许一个机器可以收集高达十万名学生的答卷并分析出错的规律。在过去一位老师他可能穷其一生，都不可能接触多达十万名学生，这就是人工智能的潜力所在。