你所不知的角落，有人在做没有深度学习的AI( 四 )

Q8：你在 SAT 上的研究有哪些实际应用？以及你比较关心的实际应用是哪些？
蔡少伟：我们的SAT求解器被实际项目直接调用的，我知道的有美联邦通讯委员会的频谱分配项目，意大利银行ARC系统优化，以及MIT的新型材料研究项目，如果说到相关方法的应用，还包括腾讯地图优化和微软Azure云平台里虚拟机预配置用到的约束求解算法等。
目前我更加关心SAT求解在芯片验证上的应用，实际上最近我们正在跟国内这方面的主要企业讨论这方面的事情，也做了一些初步的实验，希望有机会能为我国的芯片事业贡献微薄的力量。
Q9：我看到你之前提到，你在人工智能和算法设计有着比较广泛的兴趣。那么在这些方面，你研究思路是什么呢？
蔡少伟：人工智能是很大的领域，不同方法擅长求解不同类型的问题。不过现在可能很多人觉得人工智能和机器学习是同义词，他们可能不知道人工智能还有约束求解和自动推理这些方向。我自己会坚持做约束求解和自动推理这些偏向于符号主义的方向。我感觉机器学习更适合于感知任务，而基于逻辑和约束的方法在认知层次会更合适一些。当然，不同的方法其实可以互相借鉴，相互融合，我相信机器学习方法可以用来提高约束求解方法。但我倾向于相信在这方面比较好的途径是，将人类经验知识（比如成功的算法框架/方法）和机器学习进行结合。

本文插图
此外，做求解器就是做工具，总是要找到实际问题去发挥它的价值，很多智能应用的底层都涉及到复杂的约束问题，我们做的研究处于人工智能比较底层的研究。
在算法设计方面，我一直比较关心的一个事情就是，如何缩小理论算法/复杂度理论和实验算法之间的距离。从现状上，这个距离可以称得上是鸿沟了。理论算法有漂亮的理论结果，但是实际应用的时候却很少有效解决问题，而实验算法比如SAT求解器可以很好解决实际问题，但是缺乏理论上的理解。这需要两个方向的人互相交流合作，然而这正是目前比较缺乏的。我和几个朋友组织了一个研讨会，是关于难解问题的理论、算法和应用，也是想促进这个事情。我和北航的许可老师就这个问题讨论过很多次，谈到目前对算法的分析方法也许需要做出调整，比如理论上认为比较难的最大团问题，在实际中一些几千万点的大图上却可以在几秒钟精确求解，因为具体问题的难度不仅和规模有关，也和问题的结构有关，直观上是很容易理解的事情，但是如何做就不知道了。理论算法和实验算法在思路上有时候也是可以互相启发的，比如我在SAT方面有一个关于“关键子句”方面的想法，就是受到一个SAT理论算法PPSZ的启发。上次陆品燕老师跟我讨论时也提到他在考虑如何将近似算法的方法用于启发式算法，我觉得很高兴，越多人重视这个问题，那么就越早有进展。
Q10：很棒，最后问一个比较宽泛的问题。你觉得做学术研究，最重要的品质是什么？
蔡少伟：我觉得自己还是学术界的学生，现在还不适合来回答这个问题。我只知道，做学术研究，心里得有学术， “要保守你的心，胜过保守一切。 ”
[博文视点赠书福利]
AI科技评论联合博文视点赠送周志华教授“森林树”十五本，在“周志华教授与他的森林书”一文留言区留言，谈一谈你和集成学习有关的学习、竞赛等经历。
AI 科技评论将会在留言区选出15名读者，每人送出《集成学习：基础与算法》一本。
活动规则：
1. 在“周志华教授与他的森林书”一文留言区留言，留言点赞最高的前 15 位读者将获得赠书。获得赠书的读者请联系 AI 科技评论客服（aitechreview）。
2. 留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。