CCAI 2017 | 病人是否有生命危险？机器学习来告诉你——专访南加州大学终身教授刘燕...

【编者按】由中国人工智能学会、阿里巴巴以及蚂蚁金服联合主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将于7月22-23日正式召开。大会第二天下午，刘燕女士将参与【人工智能科学与艺术论坛】，分享她在人工智能与艺术结合方面的一些看法。

从早前的语音识别到后来围棋中的人机大战，人工智能技术早已不是“天边的云彩”，遥不可及，而是更多的落地于生活，解决很多具体的问题。机器学习作为实现人工智能的方法，使用机器学习训练的模型广泛应用于复杂系统的预测问题，股市的涨跌，是否会发生自然灾害等这些通常凭借“经验”判断的问题统统可以使用机器学习来达到更加准确的预测。而这一切，都绕不开对于数据的分析研究。

CCAI大会前夕，CSDN专访了南加州大学计算机系终身教授、机器学习中心主任刘燕，她的主要研究项目是时间序列和时空序列数据的分析与学习，我们就机器学习在医疗中的应用以及一些机器学习中的分析方法进行了请教。

刘燕，南加州大学计算机系终身教授、机器学习中心主任。她在卡内基梅隆大学获得计算机硕士及博士学位。2006年-2010年在IBM研究院担任研究员。她的主要研究项目是时间序列和时空序列数据的分析与学习，曾经多次组织该课题的研讨会和邀请讲座。研究成果被广泛应用到交通预测、医疗、环境、智能生产和其他领域中。她曾经获得美国国家科学基金会奖、大川基础研究奖、ACM论文奖荣誉奖（全球计算机博士论文最高奖项）、暹罗数据挖掘国际会议最佳论文奖，以及雅虎、IBM、Facebook学院奖。

以下为采访实录：

CSDN：首先请与我们的读者分享一下您所关注的技术领域以及目前正在研究的方向。

刘燕：我现在主要研究两个方面，一是有关人工智能的基础研究，它包括两个方向：可解释性的机器学习以及迁移学习。机器学习大部分的方法都把算法看成是黑匣子，非技术人员不能了解机器学习的算法是如何产生这样的结果的，我们希望提供一个可解释性的同时准确率高的机器学习办法。迁移学习在基础的人工智能研究里是个很大的领域，我们平时在封闭的环境里做算法研究，然后把这些算法放到实际的应用中，会发现应用中数据的统计分布和用来给机器学习的数据不太一样，这其中就涉及迁移学习的问题。

二是有关人工智能应用的研究，我们主要是应用在医疗方面，医疗上目前有很多尚未解决的问题，我们希望通过分析医疗大数据，得到一个机器学习模型，帮助医生解决实际问题。另一方面是智能交通和数字城市，通过大数据有效地预测交通，做环境、电力网络等调度，将城市变成一个数字城市，让城市更加聪明。</