ACM通信
问答:一个复杂的思考者
达芙妮科勒
今年4月，斯坦福大学(Stanford University)计算机科学教授达芙妮·科勒(Daphne Koller)因其在人工智能领域的开创性研究获得了首届ACM-Infosys基金会计算科学奖。
你对关系逻辑和概率的兴趣最初是如何产生的?
真正激发我兴趣的是当我去加州大学伯克利分校读博士后时，我意识到概率建模方法是多么有用的技术，比如贝叶斯网络，但另一方面，它们是多么脆弱。
脆?
[概率]是一种表达能力非常有限的语言，因为它只能指代特定的、具体的实体。
在伯克利，我记得我和一个正在建立高速公路上车辆交通模型的研究生交谈过。他有一个很好的模型，效果很好，但它只适用于三车道的高速公路。如果他想增加另一条车道，他要花两周时间做模型。
这就是逻辑的作用。
逻辑语言允许您提出更通用的规则来描述对象的属性及其相互作用。这是一种将概率的力量扩展到更具表现力和说服力的东西上的好方法。
这就是所谓的概率关系建模的综合。
我们所做的就是使用这种对象和关系的语言，并添加了做出概率陈述的能力，这使你能够表示相关个体网络的概率分布。
它还使您能够创建相当复杂的系统模型。
是的，从那以后这就是我工作的重点。世界是非常复杂的:人们与他人互动，也与物体和地点互动。如果你想描述正在发生的事情，你必须考虑相互作用的事物网络。我们发现，把镜头开得更大一点，不仅仅考虑一个物体，而是考虑与它相关的所有事物，你就能得出更有根据的结论。
这是你给人工智能领域带来的见解…
我不是唯一一个被牵连的人。人工智能领域一直存在两种几乎对立的研究方向:一种是传统的人工智能人士，他们从小就认为逻辑是代表世界复杂性的最具表现力的语言。另一边是来自认知推理和机器学习的人，他们说，“看，世界是嘈杂和混乱的，我们需要以某种方式处理我们不确定的事情这一事实。”他们都是对的，他们都有重要的观点，这就是为什么他们一直在争论。
概率关系建模如何帮助解决争端?
逻辑和概率的综合可以让你从真实世界的数据中学习这种(复杂系统)的整体表示。它使您能够学习更高级的模式，这些模式以可重用的方式讨论不同个体之间的关系。
你已经开始把你的技术应用到生物学领域了。
最初，它是一种寻找问题的方法。我有一项整合逻辑和概率的技术，我们做了很多工作来理解复杂数据集背后的模式。最初，我们正在寻找丰富的数据集来激励我们的工作。但我很快就对这个问题本身产生了兴趣。
这是什么问题?
生物学正在经历一场转变，从一个纯实验科学，一个人研究系统的小块，以非常假设驱动的方式，到一个领域，大量的数据，关于整个细胞系统可以在几周内收集。因此，我们有数百万个数据点，它们告诉我们非常重要的见解，但我们不知道如何得到它们。
你从和生物学家的合作中学到了什么?
重要的是建立一种协作的努力，在这种努力中，双方都尊重对方的技能、见解和评估标准。要让生物学家关心你所构建的东西，你需要说服他们，它实际上产生了良好的生物学。你必须训练自己去理解他们所关心的事情，同时你也可以用你的社区的方法去训练他们。
所以，这不仅仅是学习一门新的科学语言，而是训练自己尊重不同的研究过程。
问题是要找到能够充分学习对方语言的人，使合作富有成效。
©2008 acm 0001-0782/08/1000 $5.00
允许为个人或课堂使用本作品的全部或部分制作数字或硬拷贝，但不得为盈利或商业利益而复制或分发，且副本在首页上附有本通知和完整的引用。以其他方式复制、重新发布、在服务器上发布或重新分发到列表，需要事先获得特定的许可和/或付费。
数字图书馆是由计算机协会出版的。版权所有©2008 ACM, Inc.