我一生都比较喜欢数学,尤其是微分几何。科研中一直从工程问题中寻找数学的美,尤其热衷从(视觉)数据中寻找漂亮的几何规律和结构。从写的第一本三维视觉的书开始,就发现对称性和低维结构在所有数据和计算科学(尤其在视觉)里几乎无处不在。这也是我们对所有看似高维的实际问题(包括围棋)能够有可计算的解的最根本的原因,甚至是唯一原因 —— 当然现在很多的“顶会”论文会极力说服你是它的某个其它的idea和hack。虽然没有做纯数学研究,但近年来自己的研究越来越发现数据科学的很多核心计算问题,包括深度网络,本质上就是在寻找高维数据里这些不变的低维结构,并把他们转化为规范好用的表示。从这些工作开始,我们开始清楚的意识到不少从没有认真研究过或者没有搞清楚的数学问题。深深体会到高维数据处理与一些纯数学(几何)问题开始在本质上联系起来了。
可能这些工作也引起数学家们的注意,被邀请近期到剑桥大学的Isaac Newton Intitute和哈佛大学的Center for Mathematical Science and Application做专题报告。希望能引起更多一些数学家的兴趣,把这些根本问题向前推进,为数据科学建立起严谨的理论和算法基础。
P.S.1 《平面几何的小花》
P.S.2 High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications