14岁上清华29岁成终身教授 王梦迪的学习秘笈:爱解谜

2019-05-30 11:50:21 来历: 广州日报 作者: 武威 张丹
王梦迪,清华,

王梦迪

王梦迪参与未来科学论坛。

“哇,这么年青……”5月25日,出现在未来科学论坛深圳技能峰会上的王梦迪引来台下观众们的热议。刚届而立之年的她,已是美国普林斯顿大学运筹与金融工程系及计算机系的终身教授、博士生导师,穿戴浅咖啡色长裙的她有时会一边狡猾地踮起一只脚的脚尖,一边和台下观众同享运筹学、大数据、人工智能的前沿常识。

王梦迪10岁上北京八中少年班,14岁考取清华自动化系,结业后出国深造,24岁就从麻省理工学院博士结业,随后进入普林斯顿大学任教。王梦迪泄漏,从小但凡学习中带有游戏性的部分,她都十分感兴趣,“我的学习习气是很随意的,首要是能被身边人鼓舞”。

文、图/广州日报全媒体记者武威、张丹

 谈学习:我的习气很随意

由于时差还没倒过来,承受采访时王梦迪有些疲倦,不得不向朋友讨了一杯咖啡,现在她在我国和美国的时刻是“一半一半”。出生在北京的她,自幼就对数学极感兴趣,十分爱玩数学中的“解谜游戏”。

广州日报:请介绍一下你的学习和生长阅历。

王梦迪:我10岁左右在北京八中的少年班上了中学,14岁的时分考入清华的自动化系。读本科时,我对算法、人工智能、数学建模比较感兴趣,所以读完本科今后就去美国读PhD(学术研讨型博士学位)。

广州日报:你从小在学习上的兴趣爱好是什么?

王梦迪:喜爱……嗯,我觉得其实和他人喜爱的差不多吧,比方说桌游、电脑游戏等等。学习里边比较有游戏性的一部分,我都会比较感兴趣。

广州日报:比较有游戏性的一部分是指什么?

王梦迪:比方说数学全体上的许多问题本质上是一种解谜的问题,关于解谜这一块,无论是学术仍是游戏,我都比较感兴趣。

广州日报:你从小的学习习气怎样?

王梦迪:哈哈,我有点不记得了,就该干吗干吗吧。首要是上中学包含上清华的时期,身边有十分多优异的同学,能从他们身上得到鼓舞,觉得自己也应该多学点东西,许多时分,学习习气关于我来说是比较随意的,首要是我能被身边的人鼓舞。

 谈教育:“叫我梦迪就好”

戴着一副黑框眼镜的王梦迪有些消瘦,她语速很快、思路明晰。惊人的学习才能让她成为2013届麻省理工学院最年青的博士结业生,任教普林斯顿大学后,许多学生都是王梦迪的同龄人,有些乃至比她年岁还大,王梦迪常常谦逊地期望学生叫她梦迪就好,但大部分学生仍是恭敬地叫她王老师。

广州日报:教比你年岁大的学生是一种怎样的感触?他们怎样称号你?

王梦迪:一开端,会有一些学生年岁和我差不多大,但我现在也现已30岁了,博士生都20多岁,都比我小。我常常对我的学生说,叫我梦迪就能够了,但许多学生仍是会叫我王老师。

广州日报:你与国内的学者有哪些沟通?

王梦迪:国内的学者咱们沟通得十分多,我有许多时刻会在国内,与北大、清华、上海复旦和深圳的南科大都有十分多的合作关系,在普林斯顿,我带的一个博士后刚刚结业,他现在现已是复旦大学大数据学院的副教授,所以咱们的沟通是十分亲近的。

 谈学科:运筹金融学运用广

王梦迪现在是运筹与金融工程系终身教授,她告知记者,运筹学起始于二战时期,现在的运用十分广泛,在电商、金融、医疗等范畴,都能够经过数学算法、计算科学、大数据分析、人工智能的方法,来进步功率、防备危险。

广州日报:“运筹与金融工程”的研讨目标首要是什么?对社会进步有哪些含义?

王梦迪:其实运筹与金融工程是一个十分有前史的学科,它和工程办理、人工智能都有很深的联络,在国内清华等高校就有这样的学科。运筹是指怎样用算法或数学规划的思维来研讨一些事物,比方供应链的操控。它最早上源于二战时军方关于各种军事资源的操控和调度,这触及一些算法问题,那便是运筹学的开端。

现在运筹学包含了许多方面,比方在商业方面,电商会感兴趣怎样用算法和数学规划的思维,做产品的引荐和库存的调度;在金融范畴,运筹学能够协助咱们拟定相关战略,进行金融办理或危险操控;在医疗范畴,医治自身是一个杂乱的进程,运筹协助咱们在数学上建模,在大数据分析中找到更优化的战略,进步医疗功率。运筹其实便是经过数学算法、计算机、计算科学等多个学科的方法和技能,来处理实践中的一些杂乱问题。

记者手记

强化学习下降医疗本钱

在5月25日下午的讲演中,王梦迪和观众们同享了她所了解的强化学习。她说,强化学习是人工智能中机器学习的一部分,“比较常见的比方,其实是打电脑游戏,像马里奥、德州扑克。下围棋在强化学习上,人类选手相同自愧不如。另外在杂乱的多人游戏上,强化学习现在也现已战胜了人类选手。”

王梦迪介绍,在游戏外的其他范畴,人工智能的强化学习还远未完善,比方机器人的机械手臂,其实它的物理模型、动力体系都是很明晰的,机器人能够在模仿体系中进行练习。可是实际中的实在体系跟模仿体系不相同,需求在实际中进行调整。

王梦迪说,现在强化学习十分依赖于许多的符号数据和模仿。但她的团队最近做的一些作业,让她感到十分骄傲,比方强化学习在医疗AI里边的运用,“咱们期望能够协助医师,像协助交易员、德州扑克选手相同,把整个医疗博弈进程当作一个战略游戏,协助患者更快地恢复。”

王梦迪说:“咱们最近在用强化学习优化膝关节置换的手术,它不是一个简略的手术,需求医师做确诊,做恢复,或许还要进行二次手术,它触及各式各样的适应症和个别的特异性,整个本钱大概是1.6万~3万美元之间。简略来讲,膝关节置换的手术本钱实在太高了,所以整个流程中有许多能够优化的当地,所以咱们用强化学习做了一个医疗途径的优化。”

王梦迪说:“医疗途径是指,从刚开端治病,患者的状况会不断地发生改动,跟着医师的干与、就诊,患者状况会发生改动,这个状况的改动有随机性,乃至是动态改动的进程。所以咱们终究的思路是把医疗途径优化,变成大规划的强化学习问题,这需求咱们搜集许多专家的事例,每个专家都会有自己更拿手的环节和更拿手的当地,咱们相当于集世人之智,而且再进一步进行强化学习,进行优化,做动态决议方案。”

王梦迪介绍,终究他们能够把每个阶段均匀下降1100美元,“经过强化学习,咱们能够协助医师和医院强化流程,而且进步功率,而且协助患者更快地恢复。”

文/广州日报全媒体记者武威、张丹

加载更多>>
责任编辑:何沛苁