人物小传

迈克尔·I·乔丹出生于1956年，美国计算机科学与统计学家，现任加州大学伯克利分校电子工程与计算机科学系、统计学系教授。主要研究方向为人工智能、生物系统与计算生物学、控制、智能系统和机器人、信号处理、机器学习等。

获奖理由

对机器学习的理论基础及其应用作出了根本性贡献。

真正的大神级人物是怎样的？可能就是“大音希声，大象无形”——他的贡献无处不在，却又难以具象言说。在人工智能领域，美国计算机科学与统计学家迈克尔·I·乔丹就是这样一位“大神”。今天，他因“对机器学习的理论基础及其应用作出了根本性贡献”，获得首届世界顶尖科学家协会奖“智能科学或数学奖”。

作为美国科学院院士、美国工程院院士、美国艺术与科学院院士，迈克尔·I·乔丹是人工智能领域唯一一位集三院院士于一身的科学家，他的突出贡献在于成功连接了计算机科学和统计学。浙江大学上海高等研究院常务副院长、计算机科学与技术学院教授吴飞教授说，正是这位乔丹用统计学方法，为机器学习打通了理论与方法上的“任督二脉”，让大数据驱动的第三代人工智能得以广泛应用。

摆脱“从理论到理论”，将统计模型引入人工智能

“迈克尔·乔丹教授是机器学习领域的先驱，为机器学习、概率学、统计学以及图形建模四者间建立了联系，这些领域的相互联系不仅促进了机器学习领域的研究和发展，还提升了相关领域研究工作的质量和数量。”顶科协奖“智能科学或数学奖”遴选委员主席、2017图灵奖得主约翰·轩尼诗这样评价乔丹的贡献。

机器学习是人工智能的基石，乔丹在这一领域工作了近30年，他让人工智能从理论和方法学上得到了根本性提升。

吴飞举了个例子，一项统计显示，大医院的病患死亡率比小医院高。由此我们就能得出“大医院医疗水平不如小医院”的结论吗？显然这不科学。大医院因为医疗水平高，接收危重症病人也更多，死亡风险本就高出小医院很多。处于“蛮荒时代”的人工智能大数据，往往会给出令人啼笑皆非的统计结果。

要发展一种理论和方法，来确保数据在处理中能够得出正确的结论，就需要建立可以不断改进的统计模型。“过去，许多统计模型的设计、参数优化，都醉心于‘从理论到理论’。与此同时，人工智能又迫切需要理论模型来提升自我。”吴飞说，乔丹就以其横跨计算机与统计的学科交叉优势，为机器学习打通了理论与方法学之间的“任督二脉”，使数据驱动的人工智能成为可能，同时也更高效、更可靠。

如果说，数据是血肉，那么统计模型就是筋骨，得到全方位提升的机器学习终于可以大展拳脚，人工智能开始进入数据驱动时代。过去十年间，机器学习在诸多领域的应用呈现爆炸式发展，自动驾驶汽车、X光片分析、蛋白质折叠预测等都离不开基于乔丹研究所塑造的理论框架。同时，他本人也是文本分析、图像分析等领域的开创者之一。

AI领域“乔帮主”，提倡“以人为中心”的理念

乔丹对计算机科学的贡献也体现在教育方面，他指导了80多名博士生和60多名博士后研究人员，这一群体目前活跃在世界领先的学术机构，带领行业向前发展。

2018年图灵奖得主、加拿大蒙特利尔大学教授约书亚·本吉奥，贝叶斯学习领域权威、英国剑桥大学教授祖斌·加拉马尼，线性判别降维算法领域权威、哥伦比亚大学教授大卫·布莱等，都是业界富有盛名的“乔门弟子”。

北京大学人工智能研究院张志华教授是乔丹的博士后，他在一次访谈中提到，迈克尔的人格魅力令他深深折服。他对学生能 “因材施教”，曾被戏称为“会看相”。他的不少学生觉得，有这样一位既会周到考虑学生职业发展，又不会有“一日为师，终生为父”负担的导师，实在是人生幸事。

事实上，乔丹也喜欢与世界各地的学者以及学生广泛交流，他多次到访中国，并长期担任清华大学和北京大学的名誉教授。

在这位人工智能的教父级人物看来，真正的AI革命尚未到来。他认为，现在的人工智能还仅仅处于机器学习阶段，还无法在涉及推理、运用现实世界知识和社交互动等许多任务中替代人类。

2018年，乔丹在《哈佛数据科学评论》上发表了《人工智能——革命尚未发生》指出，如何将计算机和人类结合起来，以提高人们的生活水平，是我们面临的挑战。他认为，人类的幸福不应该是科技发展之后才考虑的事情。因此，发展人工智能，不能只是技术上的对话，而是需要听到来自更广范围的声音，尤其是社会科学和人文学科的视角。他说：“我们有个真正的机会来构想一个全新的东西：一个以人为中心的工程学科。”

*文汇独家稿件，转载请注明出处。