□ 劉玉杰

通過(guò)統(tǒng)計(jì)用戶的購(gòu)物記錄，可以基于用戶的瀏覽、點(diǎn)擊、收藏、購(gòu)買(mǎi)等行為推斷出該用戶的年齡、性別、購(gòu)買(mǎi)能力、愛(ài)好等，也就相當(dāng)于用這些挖掘出來(lái)的屬性為用戶畫(huà)像，刻畫(huà)出一個(gè)更加真實(shí)的用戶形象。同樣，通過(guò)一個(gè)簡(jiǎn)單的腫瘤樣本，可以做些不簡(jiǎn)單的事，不但可以了解到腫瘤的類(lèi)型、屬于哪種疾病分類(lèi)，還能分析出腫瘤是良性還是惡性，以及惡化到哪一階段等。這些就是數(shù)據(jù)挖掘，從字面上理解，就是在海量數(shù)據(jù)中找到有用的數(shù)據(jù)，而“有用”的限定范圍要看具體的業(yè)務(wù)目標(biāo)。

如今，我們進(jìn)入信息時(shí)代已有多年，冗雜的數(shù)據(jù)與信息還是不斷如浪潮般襲來(lái)。但這些數(shù)據(jù)大多難以得到有效利用，其中包含的多重有用價(jià)值也亟待挖掘。數(shù)據(jù)挖掘正是一種可以挖掘這些數(shù)據(jù)價(jià)值的技術(shù)。

而這種技術(shù)也并不是什么新鮮事了，最早可以追溯到20世紀(jì)70年代，從電子郵件階段、信息發(fā)布階段，到電子商務(wù)階段，再到全程電子商務(wù)階段即軟件服務(wù)模式，發(fā)展至今，數(shù)據(jù)挖掘儼然已是一位年近半百的“老者”了。而在近幾年，隨著人工智能領(lǐng)域的大熱，數(shù)據(jù)挖掘也開(kāi)始受到越來(lái)越多的關(guān)注。

在哈爾濱工業(yè)大學(xué)（深圳）計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，有一位科研人員，同樣密切關(guān)注著數(shù)據(jù)挖掘技術(shù)的發(fā)展，她就是廖清。十幾年如一日，廖清每天都與數(shù)據(jù)挖掘和深度學(xué)習(xí)為伴，她以基礎(chǔ)理論與應(yīng)用研究為主，細(xì)細(xì)挖掘著高維度、少樣本數(shù)據(jù)的表征學(xué)習(xí)模型設(shè)計(jì)及算法優(yōu)化中的價(jià)值。

執(zhí)著科研 求數(shù)據(jù)真知

提到人工智能和數(shù)據(jù)挖掘，廖清整個(gè)人瞬間變得“生動(dòng)”起來(lái)，連說(shuō)話的語(yǔ)氣都透露著一絲輕快?！巴耆桥d趣，我對(duì)人工智能與數(shù)據(jù)挖掘永遠(yuǎn)都充滿熱情?！绷吻逭f(shuō)道。身上一直有著“冒險(xiǎn)精神”的廖清，對(duì)新事物總是無(wú)比好奇，也勇于嘗試。2006年，廖清來(lái)到澳門(mén)科技大學(xué)學(xué)習(xí)計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)，自此便開(kāi)啟了自己的科研旅程。

但在本科期間廖清并沒(méi)有深入接觸與數(shù)據(jù)有關(guān)的研究方向，僅對(duì)數(shù)據(jù)有了初步的認(rèn)識(shí)，為了加深認(rèn)識(shí)的程度，2010年畢業(yè)后廖清來(lái)到香港科技大學(xué)繼續(xù)進(jìn)行計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)的碩士學(xué)業(yè)。也正是在碩士期間，廖清得到了第一份與數(shù)據(jù)相關(guān)的工作。當(dāng)時(shí)，她的任務(wù)主要是基于新浪微博平臺(tái)，尋找到具有網(wǎng)絡(luò)影響力的“網(wǎng)絡(luò)大咖”。為此，她通過(guò)新浪微博，搜集并分析了無(wú)數(shù)的數(shù)據(jù)?！霸谶@個(gè)過(guò)程中，我對(duì)數(shù)據(jù)分析開(kāi)始產(chǎn)生興趣?！绷吻灞硎?。她還發(fā)現(xiàn)，在對(duì)數(shù)據(jù)進(jìn)行分析時(shí)，需要用到許多她在本科期間學(xué)習(xí)的表征學(xué)習(xí)方面的知識(shí)?！爸挥邢葘W(xué)習(xí)能夠正確反映當(dāng)前原始數(shù)據(jù)特征的知識(shí)，才能進(jìn)入到對(duì)數(shù)據(jù)進(jìn)行分析的階段。”廖清補(bǔ)充道。

興趣是廖清科研路上巨大的推動(dòng)力，在興趣的引領(lǐng)下，很早就立下“攻讀博士”志愿的廖清，在碩士畢業(yè)后更加堅(jiān)定了自己的想法。于是她繼續(xù)在香港科技大學(xué)進(jìn)行計(jì)算機(jī)工程專(zhuān)業(yè)的學(xué)習(xí)，主要在數(shù)據(jù)理論模型方面進(jìn)行研究，并在學(xué)習(xí)與研究過(guò)程中積累了大量針對(duì)高維度數(shù)據(jù)分析的機(jī)器學(xué)習(xí)理論模型和應(yīng)用研究經(jīng)驗(yàn)，對(duì)數(shù)據(jù)分析有了深刻的認(rèn)識(shí)，為后來(lái)參加工作后的研究打下了堅(jiān)實(shí)的基礎(chǔ)。

2016年，畢業(yè)后的廖清來(lái)到哈爾濱工業(yè)大學(xué)（深圳）計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院任職，她在延續(xù)博士期間研究方向的基礎(chǔ)上，將研究范疇進(jìn)行了擴(kuò)展。廖清圍繞高維度、少樣本數(shù)據(jù)分析這一方向，將高維度數(shù)據(jù)表征學(xué)習(xí)技術(shù)融入到少樣本數(shù)據(jù)分析中，一步步用扎實(shí)的腳步開(kāi)拓出嶄新的研究領(lǐng)域。

雖千萬(wàn)人吾往矣

孟子曾在《孟子·公孫丑上》中抒發(fā)了自己心中“雖千萬(wàn)人吾往矣”的大志，在數(shù)據(jù)表征學(xué)習(xí)這一領(lǐng)域里，縱然面對(duì)無(wú)數(shù)的研究阻礙，廖清也沒(méi)有絲毫退縮，而是一如既往，勇往直前。帶著這種勇氣與氣魄，廖清始終在為了心中的科研理想而上下求索，哪怕直面困境，她也無(wú)畏無(wú)懼。

剛剛在數(shù)據(jù)分析研究上有些“柳暗花明”的廖清，從校門(mén)步入工作崗位后不久，就遇到了數(shù)據(jù)上的阻礙。廖清表示，當(dāng)前在大數(shù)據(jù)時(shí)代的背景下，數(shù)據(jù)的高維度、少樣本現(xiàn)象已經(jīng)非常常見(jiàn)。她特別提到，數(shù)據(jù)一詞很好理解，那什么又是高維度數(shù)據(jù)呢？譬如一個(gè)人可以同時(shí)具備多種特征，黑頭發(fā)、藍(lán)上衣、戴眼鏡等，每一個(gè)特征都可以被看作是一個(gè)維度。如果想要細(xì)致描述這個(gè)人，是可以有成千上萬(wàn)個(gè)維度可供利用的。雖然近年來(lái)，數(shù)據(jù)的采集能力在不斷增強(qiáng)，一次性采集成千上萬(wàn)維數(shù)據(jù)特征已不成問(wèn)題，但盡管如此，能夠采集到的樣本數(shù)目卻仍舊很有限。例如，在生物信息中，采集到的數(shù)萬(wàn)個(gè)特征的樣本組織中，只有一個(gè)腫瘤樣本；而在推薦系統(tǒng)中，一次采集一個(gè)幾千維個(gè)人信息里，也只有一個(gè)顧客樣本……

這樣的現(xiàn)象還有很多，因而在這些應(yīng)用領(lǐng)域里，雖然存在著大數(shù)據(jù)現(xiàn)象，卻也一直飽受著數(shù)據(jù)高維度、少樣本的困擾。利用傳統(tǒng)的機(jī)器學(xué)習(xí)方法，通過(guò)手動(dòng)提取特征確實(shí)可以降低數(shù)據(jù)維度，將少樣本數(shù)據(jù)進(jìn)行切割或者復(fù)制也的確可以達(dá)到提高樣本數(shù)目的目的，但這些方法也僅僅能暫且間接緩解傳統(tǒng)機(jī)器學(xué)習(xí)在高維度、少樣本數(shù)據(jù)上的性能瓶頸，長(zhǎng)遠(yuǎn)來(lái)看并不如意。一旦發(fā)現(xiàn)問(wèn)題，廖清絕不容許自己有絲毫的耽誤，她開(kāi)始針對(duì)高維度、少樣本數(shù)據(jù)，打破傳統(tǒng)機(jī)器學(xué)習(xí)在此類(lèi)數(shù)據(jù)上表征學(xué)習(xí)難、性能不佳的瓶頸，取得了巨大突破。

廖清先是針對(duì)數(shù)據(jù)高維度問(wèn)題，在提出的降維模型基礎(chǔ)上，提出了新的高維度數(shù)據(jù)表征學(xué)習(xí)技術(shù)。她創(chuàng)新性地引入Log-determinant散度理論，將該理論與降維模型結(jié)合，首次解決了由于秩缺陷導(dǎo)致表征學(xué)習(xí)失敗的問(wèn)題，降低了表征學(xué)習(xí)應(yīng)用中出現(xiàn)表征失敗的風(fēng)險(xiǎn)，提高了降維模型在表征學(xué)習(xí)上的性能。她從理論上證明了降維模型可擴(kuò)展到當(dāng)前大部分非負(fù)矩陣分解工作中，解決了非負(fù)矩陣分解技術(shù)在秩上的技術(shù)缺陷。該成果發(fā)表在頂級(jí)會(huì)議IEEE ICDM上，還獲得了人工智能領(lǐng)域知名專(zhuān)家，澳大利亞科學(xué)院院士陶大程教授小組的高度關(guān)注。

接下來(lái)，廖清發(fā)現(xiàn)在現(xiàn)實(shí)世界中，存在著大量被稱(chēng)為“數(shù)據(jù)孤島”的少樣本數(shù)據(jù)集，由于這些數(shù)據(jù)的特征、標(biāo)簽和分類(lèi)任務(wù)都不相同，使得數(shù)據(jù)源之間無(wú)法互相融合。為此，針對(duì)數(shù)據(jù)少樣本問(wèn)題，廖清設(shè)計(jì)了多任務(wù)深度學(xué)習(xí)模型，她首次將不同類(lèi)型與不同來(lái)源的少樣本數(shù)據(jù)集集合在一起，利用多任務(wù)學(xué)習(xí)技術(shù)將其融合在深度卷積神經(jīng)網(wǎng)絡(luò)中，有效解決了因數(shù)據(jù)少樣本導(dǎo)致的表征學(xué)習(xí)不準(zhǔn)確、數(shù)據(jù)建模難等問(wèn)題。這種利用多源數(shù)據(jù)共享表征來(lái)幫助少樣本數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，為解決“數(shù)據(jù)孤島”現(xiàn)象開(kāi)辟了全新的研究思路。值得一提的是，該模型在“天河”超算平臺(tái)上，將羅氏制藥、日本癌癥研究基金會(huì)等多個(gè)研究機(jī)構(gòu)的腫瘤數(shù)據(jù)進(jìn)行結(jié)合后，提供了更加精準(zhǔn)的醫(yī)療診斷。對(duì)此，國(guó)家超級(jí)計(jì)算中心主任盧宇彤教授高度評(píng)價(jià)道：“這是‘天河二號(hào)’超級(jí)計(jì)算機(jī)與大數(shù)據(jù)、人工智能融合的創(chuàng)新發(fā)展，是提升超算應(yīng)用水平的代表性應(yīng)用?！?/p>

此外，廖清表示，在現(xiàn)實(shí)數(shù)據(jù)中，存在許多“維度災(zāi)難”。首先，數(shù)據(jù)的超高維度現(xiàn)象會(huì)極大增加數(shù)據(jù)處理的復(fù)雜程度，這就會(huì)使得許多傳統(tǒng)數(shù)據(jù)模型很難對(duì)海量的高維數(shù)據(jù)進(jìn)行有效處理。其次，在學(xué)習(xí)過(guò)程中，丟失的數(shù)據(jù)結(jié)構(gòu)信息也會(huì)降低表征學(xué)習(xí)的效果。

于是，廖清針對(duì)高維數(shù)據(jù)降維速度慢、表征學(xué)習(xí)不穩(wěn)定、學(xué)習(xí)過(guò)程丟失數(shù)據(jù)幾何特征等問(wèn)題，設(shè)計(jì)了幾種效率更快、更優(yōu)的數(shù)據(jù)表征優(yōu)化算法和模型，包括保留了原始數(shù)據(jù)局部信息的表征學(xué)習(xí)模型，還有幾種能快速迭代收斂的模型優(yōu)化算法。她在Signal Processing期刊上發(fā)表論文，提出了新的局部圖非負(fù)矩陣模型。此類(lèi)模型既能夠?qū)W到更優(yōu)的數(shù)據(jù)表征，還可降低模型在大規(guī)模數(shù)據(jù)集下的學(xué)習(xí)時(shí)間，不僅能夠快速收斂，以便保證表征學(xué)習(xí)的穩(wěn)定和有效性，而且更能夠保留原始數(shù)據(jù)的結(jié)構(gòu)特征。

人才培養(yǎng) 書(shū)寫(xiě)數(shù)據(jù)新篇章

除了在科研中兢兢業(yè)業(yè)，廖清也沒(méi)有忘記將自己這份對(duì)數(shù)據(jù)挖掘的熱愛(ài)傳遞下去。在來(lái)到哈爾濱工業(yè)大學(xué)（深圳）計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院以前，廖清在博士期間就有過(guò)擔(dān)任本科生實(shí)驗(yàn)課助教的經(jīng)歷，工作后她一邊潛心研究，一邊積極參與學(xué)院多門(mén)本科課程的教學(xué)方案研討、教學(xué)大綱設(shè)計(jì)、教案編寫(xiě)等工作。目前，廖清主要講授“軟件工程”和“大數(shù)據(jù)技術(shù)與應(yīng)用”兩門(mén)本科生課程。同時(shí)，作為“軟件工程實(shí)踐教學(xué)研討會(huì)”的成員，廖清還積極參加國(guó)內(nèi)軟件工程方面的教學(xué)研討會(huì)，與國(guó)內(nèi)高校同行老師都保持著密切的溝通，時(shí)常就教學(xué)經(jīng)驗(yàn)進(jìn)行交流，積累了豐富的教學(xué)理論與實(shí)際經(jīng)驗(yàn)。

在不斷豐富自身的同時(shí)，廖清也開(kāi)始了對(duì)個(gè)人學(xué)術(shù)研究之外一些問(wèn)題的探索，這其中就包括在數(shù)據(jù)挖掘領(lǐng)域里人才的培養(yǎng)。她提到，由于自己本身比較獨(dú)立，她也因此希望學(xué)生能夠具備獨(dú)立科研的條件。她不希望看到學(xué)生只會(huì)每天“埋頭苦讀”不聞窗外事，而是能夠做自己在科研中的“領(lǐng)導(dǎo)者”。因此在針對(duì)數(shù)據(jù)挖掘方面的教學(xué)思想與理念上，廖清始終將學(xué)生放在首位，以學(xué)生的個(gè)人發(fā)展為本，強(qiáng)調(diào)學(xué)生探索新知識(shí)的經(jīng)歷，并引導(dǎo)學(xué)生了解獲得新知識(shí)的體驗(yàn)。與此同時(shí)，廖清充分實(shí)施多樣性與豐富性并存的教學(xué)過(guò)程，以此來(lái)培養(yǎng)學(xué)生的創(chuàng)新精神和創(chuàng)新思維。在廖清看來(lái)，科研的進(jìn)步離不開(kāi)創(chuàng)新思想的協(xié)助，因此在教授好專(zhuān)業(yè)知識(shí)的前提下，廖清還盡自己最大能力充分調(diào)動(dòng)起學(xué)生對(duì)學(xué)習(xí)的積極性，大力倡導(dǎo)以“主動(dòng)、探究、合作”為主要特征的新的學(xué)習(xí)方式，為行業(yè)增添新鮮血液。

除了注重學(xué)生在學(xué)校期間的學(xué)習(xí)，廖清也意識(shí)到學(xué)生不能只在學(xué)校這個(gè)“溫室”中，還要走出校門(mén)，接觸更廣闊的天地。在引導(dǎo)學(xué)生更深入地研究專(zhuān)業(yè)知識(shí)以外，廖清常常鼓勵(lì)學(xué)生將課堂知識(shí)轉(zhuǎn)換為課外實(shí)踐，并積極參與各類(lèi)知識(shí)競(jìng)賽，以擴(kuò)充自己的見(jiàn)識(shí)。于是，在課堂授課與實(shí)踐教學(xué)的指導(dǎo)上，廖清一方面重視課堂的教學(xué)過(guò)程，在看似枯燥的教材中盡量充分挖掘出其中的趣味因素；另一方面，廖清將課本中的“死”知識(shí)轉(zhuǎn)化為現(xiàn)實(shí)中的“活”例子。她表示，通過(guò)將抽象的教學(xué)知識(shí)轉(zhuǎn)化為身邊事例的教學(xué)方法，可以使學(xué)生對(duì)課堂更感興趣，也會(huì)更樂(lè)于接受新的知識(shí)，這樣就可以幫助學(xué)生從“被動(dòng)學(xué)”變?yōu)椤爸鲃?dòng)學(xué)”。

與學(xué)生在一起

這樣有針對(duì)性的教學(xué)方法，必然少不了廖清在課前做的充分準(zhǔn)備。她在講每一個(gè)知識(shí)點(diǎn)前，都會(huì)在心中“彩排”多次，還會(huì)反復(fù)問(wèn)自己，是否能給出具體的示例，來(lái)幫助學(xué)生更好地理解知識(shí)，理解后又是否能用學(xué)生比較容易接受的方式將知識(shí)點(diǎn)串連起來(lái)。此外，課堂上的廖清也并不是唱“獨(dú)角戲”，她會(huì)適當(dāng)在課堂上增加與學(xué)生之間的互動(dòng)，與學(xué)生在學(xué)術(shù)討論中進(jìn)行思路碰撞。例如，她在基于示例講授知識(shí)點(diǎn)的過(guò)程中，會(huì)通過(guò)給出的多個(gè)示例，將講授內(nèi)容的難度層層漸進(jìn)，與學(xué)生展開(kāi)積極互動(dòng)，鼓勵(lì)學(xué)生思考，還會(huì)讓學(xué)生以游戲闖關(guān)的方式，自己發(fā)現(xiàn)知識(shí)難點(diǎn)并找到解決方法。

廖清這種特色鮮明的教學(xué)思想理念與講授指導(dǎo)方式取得了良好的教學(xué)效果，極大地調(diào)動(dòng)了學(xué)生課堂的參與性，原來(lái)學(xué)生只聽(tīng)課不提問(wèn)的狀態(tài)早已不復(fù)存在，取而代之的則是積極活潑的上課狀態(tài)，令學(xué)生從被動(dòng)的知識(shí)接受方變成了主動(dòng)的學(xué)習(xí)者。課后，學(xué)生們也常常會(huì)圍在廖清身邊就學(xué)習(xí)到的課程內(nèi)容進(jìn)行更深入的討論。一切就緒后，廖清并沒(méi)有一身輕，她還會(huì)對(duì)在教學(xué)中發(fā)現(xiàn)學(xué)生存在的問(wèn)題進(jìn)行總結(jié)，并用案例的方式在下一堂課前展示給學(xué)生，幫助學(xué)生對(duì)知識(shí)點(diǎn)做更全面的了解。通過(guò)這些方式，學(xué)生對(duì)知識(shí)產(chǎn)生了濃厚的研究興趣，自己主動(dòng)積極申請(qǐng)加入課后研究小組，主動(dòng)參與課外項(xiàng)目，還積極報(bào)名參加各類(lèi)知識(shí)競(jìng)賽。

人工智能與數(shù)據(jù)挖掘這條路很長(zhǎng)，也很艱辛。廖清時(shí)常對(duì)學(xué)生說(shuō)，如果在研究過(guò)程中覺(jué)得很痛苦，事實(shí)上是自身成長(zhǎng)的過(guò)程，等到度過(guò)這段“痛苦期”，就會(huì)發(fā)現(xiàn)所有的苦難都是過(guò)眼云煙，等待他們的終會(huì)是滿滿收獲。未來(lái)，廖清還會(huì)帶著她那份自信、務(wù)實(shí)與堅(jiān)韌走在人工智能與數(shù)據(jù)挖掘的大道上。