https://www.toutiao.com/a6708713546558997004/
AIの分野では、人々は多くのゴッドファーザーと呼ばれることができ、私たちは「深い学習元祖」教授ヒントンに見て、他の目は橋Danqiaoリーダー「機械学習、の父」になります。今日はあなたの味を持って来るものを「エアジョーダン」--Michael I.Jordan機械学習します。
著者＆エディタ|奘シャオマン
著者＆エディタ|三つの言葉があります。
130ミャオ族理解マイケルI.Jordan
ヨルダンは、「機械学習の父、」機械学習、世界の2016年の科学賞の中で最も影響力のコンピュータ科学者のフィールドの中で最も重要な創始者の一人として知られ、ヨシュア・ベンジオよく知られている、アンドリュー・ウ先生（アンドリュー・ウ）卓越性の扉を超える教師は、繁栄しています。
1956年2月25日は、コンピュータサイエンスと統計では、世界有数の学者で、ルイジアナ州で生まれました。現在、彼は電気工学とコンピュータサイエンスと統計学科教授、AMPラボの機械学習研究室の学部の共同ディレクターにカリフォルニア大学バークレー校（UCB）として機能します。ヨルダンは、全米科学アカデミー、全米技術アカデミーとアメリカの芸術のアカデミー科学病院アカデミー会員で、AAAI、ACM、ASA、CSS、IEEE、IMS、ISBAとSIAM研究員、2018年に北京大学で「名誉教授」を受賞タイトル;アリババ科学的なシンクタンクの「ダルマ病院」アリの金のドレス会長。
主な貢献はあり：
学者は、ベイジアンネットワークの重要性を認識するように1、、機械学習と統計の間のリンクを指摘します。
図2は、本発明ヨルダンネットワークは、リカレントニューラルネットワークです。
図3に示すように、（ELBO）結合evidencelower、ベースフレームの変分ベイズ再構成が提案されています。
ブック著者：グラフィカルモデル[M]スプリンガー・サイエンス＆ビジネスメディア、1998年に学習..
2本の代表研究論文
1、变分方法与图模型介绍：Jordan M I, Ghahramani Z, Jaakkola T S, et al. An introduction to variational methods for graphical models[J]. Machine learning, 1999, 37(2): 183-233.
2、谱聚类：Ng A Y, Jordan M I, Weiss Y. On spectral clustering: Analysis and an algorithm[C]//Advances in neural information processing systems. 2002: 849-856.
3、文档主题生成模型：Blei D M, Ng A Y, Jordan M I. Latent dirichlet allocation[J]. Journal of machine Learning research, 2003, 3(Jan): 993-1022.
4、非参数贝叶斯模型：Teh Y W, Jordan M I, Beal M J, et al. Sharing clusters among related groups: Hierarchical Dirichlet processes[C]//Advances in neural information processing systems. 2005: 1385-1392.
5、图模型，变分推理综述：Wainwright M J, Jordan M I. Graphical models, exponential families, and variational inference[J]. Foundations and Trends® in Machine Learning, 2008, 1(1–2): 1-305.
所有的论文，在以下GitHub项目中可以获取，或者给公众号发送关键词消息“Jordan”，即可获得下载链接。
https://github.com/longpeng2008/Awesome_DNN_Researchers
3 代表性个人成就
2006年IEEE神经网络先锋奖
2008年SIAM活动组优化奖
2009年ACM/AAAI Allen Newell奖得主
2015年David E. Rumelhart奖
2016年IJCAI卓越研究奖
2016年《科学》“全世界最有影响力的计算机科学家”
4 AI之路，始于心理学
1956年，第二代晶体管计算机诞生的同年，小Jordan呱呱坠地，冥冥中注定会和计算机有着不解之缘。童年时期，Jordan生活在美国路易斯安那州，一个综合着美、法、非洲文化的地域，被这个拥有别样人文风情的地方深深吸引着，从小他就是一个好奇宝宝，喜欢各种马可·波罗编写的文艺复兴时期探险家的故事。大学期间选择了当地著名的路易斯安那州立大学（LSU），攻读心理学。在LSU，Jordan如海绵一样吸收着哲学家伯特兰·罗素和科特·哥德尔的思想，毕业后决心继续进修数学心理学。
Jordan回忆说当时他想从事心理学，但这是一个需要数据分析的实验领域，所以需要学习统计学，去探索与验证人类思维的关系模型。1980年，在亚利桑那州立大学毕业时他取得了数学（统计学）硕士学位。
一次度假，Jordan接触到了“认知科学”这个新兴领域，一门将数学应用于人类思维方式的学科，这与Jordan的思想完全契合，受到了教员们的启发，这次会面不久后，Jordan只身来到圣地亚哥，投奔加州大学圣地亚哥分校心理学和认知科学大佬——David e . Rumelhart攻读认知科学。1985年，Jordan获认知科学博士学位。在此期间，他发展了一种认知模型，称为Jordan网络，是递归神经网络的一种。
两年的博士后时光，Jordan在马萨诸塞大学与安德鲁·巴托(Andrew Barto)同任人AI领域研究员。1988年-1998年十年间，他任教于麻省理工（MIT）大脑与认知科学系，并建立一个研究小组，主要研究人类运动控制及机器学习和推理。1997年，加州大学伯克利分校的统计学家彼得·比克尔(Peter Bickel)向Jordan投出橄榄枝，邀请他加入加州大学统计系和计算机科学系，从此Jordan在berkeley坐镇一方。
不得不佩服，Jordan的读书与教书时期横扫美国各大名校，此处需要有掌声。
5 帮派之大，旗下英雄辈出
上面提到Jordan是美国国家科学院、美国国家工程院和美国艺术与科学院三院院士，也是机器学习领域唯一获此成就的科学家。简单普及一下，在美国，国家级院士代表着最高水平的机构，含金量相当的高，仅次于诺贝尔奖的最高学术荣誉之一。
看过天龙八部的朋友都知道乔峰帮主，将降龙二十八掌与少林心法两者结合，令掌法的威力大大增加，又将二十八掌改良十八掌，真正变成武学中的精髓。
Jordan身兼统计学和计算机科学两个系的教授，能够做到将统计学和机器学习完美融合，招揽全世界最优秀的计算机人才，组合最先进的平台和资源，将贝叶斯网络发展到高级阶段evidence lower bound（ELBO），同时专注于研究概率图模型（Graphical model）、谱方法、分布式计算系统中内核机及其应用问题、自然语言处理、信号处理和统计遗传学等问题，几乎涵盖了大部分机器学习中的内容。大家熟知的深度学习同样站在传统机器学习这个巨人的肩膀上，以Jordan为代表的统计机器学习积累了宝贵而丰富的理论和实践经验。
Jordan既武艺高强又教学有方，桃李满天下，且在AI界都是有头有脸的人物，上篇文章分享的深度学习大牛Yoshua Bengio，贝叶斯学习权威者Zoubin Ghahramani，曾任百度AI首席科学家吴恩达Andrew Ng，斯坦福大学教授Percy Liang、卡内基梅隆大学计算机科学院教授Eric Xing都是其得意弟子。最近如日中天的对抗生成网络Gan的提出者Lan Goodfellow是Bengio学生，Jordan毋庸置疑是祖师爷！
Jordan兢兢业业三十年为AI当代研究奠定了基础，做到了机器学习学术树的一个根节点，开花散叶，盛产大牛 ！
6 醒醒，AI革命尚未到来
我想，很多朋友都浏览过Jordan的一篇长文博客《人工智能：革命尚未到来》，也了解过他的演讲，今天小编结合着Jordan的文章、在清华大学、混沌大学等高校演讲及专访内容总结出几个Jordan突出观点给大家。
6.1、什么才能被称为AI？
“AI” = IA + II
IA：智能增强（Intelligence Augmentation）
II：智能基础设施（Intelligent Infrastructure）
搜索引擎就是IA的代表，一个机器学习系统，不停地获取数据并随时间进行改善以做出更好的决策，输入我有所不知的问题可以给到我很好的答案；你见过的图片风格转换，输入一张图片，转换成另一张很酷的图片，看起来像梵高的画一样，但它真正做的是增强了人们的创造力。在IA领域，计算和数据被用来增强人类智力和创造力。
II又是什么？世界正通过网络被连接起来，尽管很多公司正在建设物流预测、欺诈系统、推荐系统，这些都很棒，但这些都是机器学习，不是我所谓的 AI，真正的AI将比我们现在看到的更为激动人心。想象一个“社会规模的医疗系统”，建立了医生以及位于患者体内外设备之间的数据流和数据分析流程，从而帮助人类进行诊断和提供护理。当然这期间会遇见隐私、责任、安全等等挑战，但需要意识到的是模仿人类的AI并不是AI的唯一通道，我很需要与云端相互作用，建立一个由计算、数据和物理实体组成的网络，使人类所处的环境更加友好、有趣和安全，类似物联网。
6.2、有生之年，“超级AI”不会实现
被问到AI这个概念是否被滥用，Jordan表示，“现在没有'人工智能'，计算机并不了解世界，不像我11岁儿子时常会说出一些对周围世界真正深刻的理解。计算机只是获取一些模式和范本并将其映射到其他模式上。能够真正地深入理解这个世界的人工智能，这辈子是不可能的了，即使在未来的100年也很难说。但是，这并不重要。”
就现在已创造出的图像识别、语音识别、自然语言翻译的能力来说：
计算机视觉可以在可视场景中标记对象，但尚未可能做到对视觉场景的常识理解——只能识别人脸，不能理解场景，并判断会议室出口在哪，小心台阶不能掉下去；语音识别可实现多语种语音到文本和文本到语音的转换，但尚未可能做到对听觉场景的常识理解——人可理解一个很复杂的句子来预测下一步行动，但计算机做不到；自然语言可实现最低限度的翻译和问答处理，但尚未可能做到对语义理解、对话——“中国不在河边的第二大城市是哪一个？”电脑数据并不能很好回复你。
未来十年，尚未可能部分将实现基本形式，“超级人类AI”很难看到，也不相信AI会比人更聪明。原因有三：
1、人类时刻都在以新的方式思考并表达，具有创造性；
2、人类善于做新的抽象推理，AI系统需反复用海量的数据才能得出一个答案；
3、人非常擅长计划和规划。
6.3、除了生物智能，还有一种东西也要智能
答案是市场。传统的推荐，都是针对个人，而现实中，则需要结合客户和商户两端的需求。正是因市场具有稀缺性，所以AI作为团队进行合作博弈非常重要。比如APP上，不仅向客户推荐某一家餐厅，还要让餐厅看到今晚自己可以供应多少食材？今天接了一场婚宴后，还剩下多少个散客的位置？甚至，可以了解周边竞争对手，是否满座？如果满座了，我可以打折吸引更多的人流到的餐厅。
“毕竟世上已有这么多人了，为什么还要AI像人呢。”所以，目前的挑战是，创造基于数据和算法的新型市场，让现代技术的系统能够像经济学里的市场一样运行起来，运输、教育、商业、医学等等，都是崛起的力量。
6.4、AI人才需要这些技能
优秀的人学术界、商业界都能够两者兼得。
如果你擅长理论，喜欢研究理论，同时你的思维方式很适合做理论，那就放手去做一段时间。但每个人都应该做“一定量的理论学习”+“一定量的实践操作”，或两者相结合。这样视野和认知会更宽阔，你会看到整个东西联系在一起是什么样子的。
读博的目的就是培养常识和知识修养。首先，计算机科学很重要，其次，统计学也要学好，学一点经济学，学一点其他相关领域的算法，包括和复杂性、不确定性有关的算法等等。重要的是，先打好相关基础，剩下的一辈子慢慢学。
7 Jordan经典语录
以下是 Jordan经典语录：
“我们并非处于人工智能的大爆炸时代。”
“不要相信可以自主学习AI，不要相信你读到的任何关于这种论断的话。人们只是在说一些符合他们期望的话。”
”人工智能的商业模式，是要创造一个市场，而非一个算法。”
「AlphaGoの国民はただの夢は、多くの分野では、コンピュータが人を打つことができるが、それはスマートではないですが、AIは人間の技術を倒すことができ、驚くべきであると私たちは取るべきではありませんが、それは次のように見られるべきです新しい要素の種類は、私たちは世界全体を再構築するためにそれを使用することができます。」
概要
すべての業界は、マイケル・ジョーダンは、深い学習創始ジェフリー・ヒントンで、人工知能「ルートレベル」人の二つの領域として歓迎しているだけではなく、個々の強力な、弟子たちは、AIの川や湖にあった鳴っています！このオーラのみヨルダン持つ価値！
AI大きなコーヒー、あなたは私が誰を書く人について考えますか？