提契诺大学

大数据文摘作品

编译：张南星、傅一洋、蒋宝尚、龙牧雪

本文是Bloomberg的一篇人物特写，来自《硅谷钢铁侠》（马斯克传记）作者Ashlee Vance。这次他的镜头对准了LSTM发明者Jürgen Schmidhuber。

Jürgen Schmidhuber可以说是人工智能研究领域的Rodney Dangerfield（美国喜剧演员，80年代以一句“没人尊重我”而知名），因为他总是认为他在人工智能领域的开拓性研究没有得到重视。

55岁的Schmidhuber高大整洁，留着精心修剪的椒盐色山羊胡。他喜欢从头到脚穿成黑色或白色，身着Nehru夹克和鸭舌帽。

他富有感情的慕尼黑口音，加之昂扬顿挫的停顿与变调，让人想起了昆汀电影《希魔撞正杀人狂》中克里斯托弗·沃尔兹饰演的兰达上校。你总是不禁注意到他语言中诗意与严谨的结合，因为这总让人觉得什么重要且不详的事情正在到来。

Inglourious Basterds

其他科技明星身上都有耀眼的光环，他们或作为导师备受尊敬，或作为专家被大公司争夺，或作为时代的先驱被邀请参加各种会议。

而Schmidhuber则游离在主流学术圈之外，不为大众所知。部分原因在于他住在阿尔卑斯山脉深处的瑞士小城卢佳诺（Lugano），地远人偏，但更大的原因是他的同僚并不太喜欢他。

在AI界的一些传闻里，Schmidhuber被描述为一个极端利己、狡猾欺诈的人，“他的存在就是痛苦之源”。

除此之外，Schmidhuber还常常在学术期刊以及大型会议上训斥其他研究者，打断别人的演讲，声称他们借鉴、甚至是窃取了他的想法。这些事迹成为了其他研究者无意嘲讽、甚至是攻击性语言的素材，甚至已经有了一句谚语“他被Schmidhuber了”（Schmidhuber此处为动词）。

大多数情况下，Schmidhuber说的都是对的。但是他越是想得到承认，人们就越不把他当回事。AI圈中很多人已经决定忽略Schmidhuber的存在，希望他离得远远的。

“小团队就能创造AGI”

“从少年时代起，我就意识到，一个人可以做到最伟大的事情就是创造出比人类更会学习的机器。物理学是万物之基础，因为它揭示了世界的本质以及世界运转的方式，但你还可以做一件事，那就是创造一个物理学家。”——Schmidhuber

科技行业很多大牛都投身于开发通用人工智能（AGI）的事业中。与现在很多领先的人工智能软件不同，AGI不需要实际的训练者告诉它怎么将英文翻译为中文，或者怎么在X光照片中识别癌细胞。

理论上，AGI某种程度上能独立于其创造者，自行解决复杂的新问题，充分昭示了人类不如机器时代的到来。

如果人类真的能够发明AGI，我们可能会觉得最初的突破将会出现在加州硅谷、北京或者莫斯科。因为这三个城市都邻近或拥有世界级AI研究大学，并且也有为AGI比赛注入了数十亿美元投资的大型公司。

然而，还有一种可能性。AGI突破口将可能出现在一个意大利边境附近山脉间的田园诗般的瑞士小城卢佳诺——Schmidhuber所在的城市。小城里的Schmidhuber拥有多重身份：教授、研究员以及一家雇有25人的名为Nnaisense的AI公司创始人（公司名寓意人工智能复兴）。

Schmidhuber是一个拓荒者。数十年来，Schmidhuber以及其他几个AI专家都在寻找AGI的实现途径，但是直到六年前才开始有足够性能的电脑和足够多的数据供他们进行理论实验。

Schmidhuber无比确定，他的命运就是真正搞清楚人类种族的未来将走向何方。所以即使Google、百度以及亚马逊已经拥有上百亿美元以及上千个员工，他却说：“其实像我们这样小的团队就可以创造出AGI，我们已经找到一些基本的拼图碎片了。”

一个瑞士小城的AI世外桃源

Schmidhuber的AGI之梦始于德国。他出生于一个中产家庭，父母的职业是建筑师和教师。他成长过程中无比崇拜爱因斯坦，并且励志深入科学领域。

他的弟弟Christof还记得他们一家人开车经过阿尔卑斯山脉时，Jürgen在后座上高谈阔论的时光：

“他告诉我们人类可以创造比我们都聪明的智能机器人，人类可以一个个原子地制造大脑，用铜线进行连接，来代替人类缓慢的神经传输。我下意识地反驳他，一个人造大脑是不可能模仿人类的感情以及自由意志的。但最后，我意识到他是正确的。”

后来，Schmidhuber在慕尼黑TUM大学取得了计算机科学博士学位，并发表了他最早关于AI以及神经网络的论文，主要讲述了如何使用软硬件模仿人类大脑内部神经连接的构造。此前，他只用了4年就完成了本科和硕士学位，而别人一般需要花6年。

他还特意在简历里提到“曾拒绝加州理工的博士后offer”。

Schmidhuber之所以来到卢佳诺湖和周围的秀丽山峰之间一呆23年，还要感谢一个意大利烈酒进口商Angelo Dalle Molle。

Dalle Molle使用百合酿出了受欢迎的餐前酒，从中大赚了一笔。他同样梦想着建造一个以智能机器为劳动力的世外桃源，所以在1988年，他捐赠了数百亿美元成立卢佳诺Dalle Molle人工智能研究所，也称为IDSIA（研究所意大利名的首字母）。

Schmidhuber每年在位于卢佳诺中心的提契诺大学（USI）教授一门课程，同时在位于郊区的IDSIA实验室工作。

IDSIA实验室挤在一个加油站、一条高速公路以及位于山上的农场之间，马、驴以及羊哞声不断。2014年，Schmidhuber和他以前的四个学生在离大学几个街区的地方成立了Nnaisense，希望能够在制造业、健康以及金融领域达成商业合作的同时，进行纯粹的学术研究。

LSTM，AI发展的里程碑

和他那些更受欢迎的AI同僚们一样，Schmidhuber将一生中大部分时间都献给了计算机科学前沿研究。他坚信，机器意识最有可能出现在神经网络中。

这个想法在20世纪50年代非常受欢迎，但当时由于技术限制，导致一直到21世纪才让这个想法重焕生机。

21世纪起，互联网上诞生了大量可以用于训练神经网络的数据集，而受到最新电子游戏驱动迅速发展的图像芯片也完美适用于处理这些数据。Schmidhuber和他的同事们坚持认为他们的算法比传统的编程方式更能解决问题。

到2012年，神经网络成功在图像识别与语音识别中崭露头角，随后在别的领域中也显示出了不俗实力。如今，AI驱动的软件充分发挥它们的优势，存在于我们的办公室、家庭以及口袋中的智能手机里（别忘了Siri和Alexa）。谷歌、亚马逊、Facebook、百度以及微软等巨头都把它们的未来赌在了AI的进一步发展之上。

Schmidhuber发明的拥有学习所需记忆力

想读完过去所有的AI研究论文几乎是不可能的，但实际上过去几十年内，真正值得读、需要读的论文也就那么几篇。

第一篇在这个领域树立根基的文章需要回溯到1986年，Geoffrey Hinton提出了前馈算法，一个通过对输入数据按照重要进行排序的精准神经网络。

1989年，Yann LeCun写了另外一篇旷世之作，描述了卷积神经网络。这些发现突破了计算机难以解决的问题，譬如从一张照片中找到一只猫。

第三个突破发生在1997年，Schmidhuber发明了长短期记忆网络（LSTM）。“你用五行代码就可以写出来。”

一个神经网络需要进行上百万的计算，而LSTM的代码旨在发现有趣的相关关系：在数据分析中增加时间文本内容，记住之前发生了什么，然后应用于神经网络，观察与神经网络接下来所发生的事情之间的联系，从而得出结论。

如此精巧而又复杂的设计让AI自我发展、独自得出结论、并发展成为一个更大的系统成为现实——基于大量文本的学习，达到语言中细微差别的自我学习。

Schmidhuber将类似的AI训练比作人类大脑的一种筛选模式，即长时记忆会记住重大的时刻，而对于司空见惯的时刻则任之消失。

“LSTM能够学习将重要的事物放在记忆中，然后忽略掉不重要的内容。”他说。

如今，LSTM在很多重要的领域里都能够表现出色，比如最出名的就是语音识别和语言翻译，还包括图片说明，即当你看到一张图像时，你能够写下一段话解释你所看到的内容。

这些都让LSTM毫无悬念地带来了AI最成功的商业应用。

2015年起，谷歌开始使用LSTM做语音识别，它将谷歌语音的性能提升了50%。

从各方面来说，Schmidhuber都超越了他所处的时代。

每个人都在用LSTM，但他不被承认

NIPS（Neural Information Processing Systems的缩写），是世界上最具权威的AI会议。它起源于1987年，一开始只是几百个死忠粉的非正式聚会，经过了几年之后，参加人数就从1000人增长到超过6000人。NIPS是世界超级AI巨星们炫耀他们最新、最重要发现的地方，也是他们最容易被Schmidhuber怼的地方。

在2016年巴塞罗那的NIPS大会上，一位名为Ian Goodfellow的后起之秀针对他划时代的论文“生成对抗网络GANs”进行了时长两个小时的演讲。这位来自谷歌的科研工作者率先提出了一种通过网络间相互对抗来加快神经网络求解速度的方法。

2016年NIPS大会上的Goodfellow

Ian Goodfellow留着奇特的发型，戴着眼镜。在演讲开始前，当被介绍为“学术圈内最具创造力和影响力的研究者之一”时，他低着头，双手紧扣站在那里。随后，他走到讲台后面开始他的演讲，脸颊上仍然泛着些许饱受赞美后的红光。

之后的一小时，一切进展得很顺利，Ian Goodfellow不断翻动着充满着各种方程式和AI技术的幻灯片。但当他谈论到噪声对比估计这一话题时，一个熟悉的声音说道：“我能问你个问题吗？”

“你的PPT做得不错，”Schmidhuber先来了一句。随后，Schmidhuber用了近三分钟时间讲述了对抗式神经网络自1992年以来的历史，其中特别指出了他的研究和Goodfellow之间的联系，最后又问道：“我想知道你对这些已有的对抗式神经网络之间的异同有什么看法？”

言外之意就是：“小伙子，这东西不是你发明的！”

这时，Goodfellow的脸上泛起略带愤怒的微笑。“他之所以了解我的研究，是因为我们曾通过电邮交流过，我不想在公开场合争论。”Goodfellow向听众们解释说。很多听众都鼓掌称赞了他。掌声停下后，Goodfellow又补充道，他并不认为他的研究和以往相似。

Schmidhuber并没有就此作罢。他又一次开口，并试图反驳Goodfellow的回应。此时Goodfellow的耐心即将到达极限：“我宁愿用这个时间来讲授生成对抗网络（而不是争论）。”又一轮掌声响起。Schmidhuber再次尝试发言，而Goodfellow直接忽视了Schmidhuber，继续他的演讲。

“对于像Ian这样的天才，Schmidhuber基本上都会站出来说这不是一个有趣的想法，说他几年前就这样想过了。”阿尔伯塔大学的一位AI研究员Kory Mathewson说。他亲眼目睹过多次这样的情况。Schmidhuber怼人似乎成为了一种仪式。

Schmidhuber将“重新划分研究者的功劳”这项任务看得比自己本职工作还重。

他的个人网站像一块主板一样复杂，从无人车到所谓的万物理论（该理论认为数学可以正确描述宇宙），各种信息交错排列着。在大多数历史学家将英国人如Charles Babbage和Alan Turing视为现代计算的先驱者的时候，Schmidhubered却唯独认准德国工程师Konrad Zuse。

“每当我看到有人做了一件重要的事情，但没有得到荣誉，而其他人却声称是另一个人先做了这件事，那么我一定是第一个把这个消息公布给给《自然》或《科学》杂志社或其他媒体舆论的人，并且我一定会把它讲出来。你可以通过回溯历史来证明谁，先做了某事，而在他之后的一切充其量只是重塑，甚至是剽窃。”

AI界的许多人认为，Schmidhuber高估了理论的作用，并低估了实际的应用。在起自《自然》杂志并波及整个网络舆论的一场争论中，Schmidhuber迅速将自己的所有同行——AI教父们纳入了吐槽的范围，指责他们扭曲了AI的历史，以此来抹去Schmidhuber和他人的原创想法。

“受害者”之一的LeCun认为，来回地反驳是毫无意义的，人们有自己的看法。“我没有抱怨过，”LeCun说道，“因为科学和技术就是这样进步的。”

AI界同仁们以这种公平交流和竞争的精神而自豪。尽管如此，一些人认为Schmidhuber被排除在历史之外是不公平的。

“我们不应该因为某人的个性而贬低他们所做的工作，”Mathewson说，“科学家的一半工作是传播科学，Schmidhuber做到了这点，即使方式有些脱离常规。”

Schmidhuber清楚地意识到他的这些行为已经危及到他的地位，削弱了他的观点的影响力。他补充说，他对自己的工作已经进入主流感到很满意。

“每个人都在使用LSTM，每个人都在引用它，这很好，生活也很好。”他说道。

根本不愁赚钱！

在二月里一个阳光灿烂的日子，Schmidhuber出门转悠。他的IDSIA实验室从外面看来很不起眼，但内部摆满了各种实验无人机和类人机器人。书桌后的书架上摆放着数百册《自然》与《科学》，以及两大罐乳清蛋白。

Schmidhuber从曾任教过的大学旁边走过，然后前往Nnaisense办公室。许多员工都是他以前的学生。他曾向学生们贷款以支持他们参与到这些伟大的项目中来，以此来避免学生去寻找利润更丰厚的公司（比如DeepMind）。DeepMind的联合创始人Shane Legg也曾是Schmidhuber的博士生。

Nnaisense从西班牙投资者Alma Mundi Ventures那里获得了数百万美元的资金，与少数几家公司建立起合作。放在办公室里的三辆微型车曾是用于帮助奥迪完善自助停车软件的。同时，Nnaisense还希望与一家名为Quantenstein的AI股票交易商以及一家金融公司合作开展未来的研究项目。而Schmidhuber说，他的团队也开发过强大的医疗技术，但他不会透露任何客户的信息，以及合作的细节。

这个低调而安静的办公室看起来并不像一个AI超级研发中心，但Schmidhuber的团队却经常能凌驾于拥有更多资金的竞争对手之上。

在2017的NIPS会议上，Nnaisense击败了441名参赛者获得了“学会奔跑Learn to Run”比赛的冠军，这个比赛要求类人型的AI以尽可能快的速度跑过虚拟障碍。

最初这些“机器人”的动作就像喝醉酒一样，身体由静止，到摇晃，再到跌倒，通过不断学习迭代，慢慢从错误中吸取教训。Nnaisense的作品很不错，看上去甚至像是一个运动员一样，能跑出每秒4.6米的速度，超过了中国一只队伍的每秒4.2米。这场胜利为Ninaisense赢得了一台价值7万美元且功能强大的计算机。

午餐时，Schmidhuber和他的员工谈论到AI目前的形势。“如今AI行业的大部分利润都集中在市场营销上。”Schmidhuber说。而他的团队希望能从中分离开来，旨在真正地提升AI处理不同任务的能力，以便其承担更多的工作。

而这也正是AGI的最终目标。“什么时候机器能够自己制造自己了，并能处理更多复杂的任务了，那时候你根本不愁赚不到钱。毕竟，谁都想有一个能制造iPhone的AI。”

要么完全不同，要么退出历史

其实就目前而言，AGI还很遥远，人类距离实现真正可靠的AI技术还有很长的路要走。如今蹩脚的机器翻译，将热狗识别成腊肠狗的视觉系统，发生事故的无人车等等都证明了这一点。

然而Schmidhuber认为，实现AGI只是时间问题。“机器劳动在未来将重塑人类社会。”他说。

“在不远的将来，我们将能够与一个小机器人对话，并教会它做复杂的事情。比如仅仅通过展示和讲述来教他组装智能手机、制造T恤衫等等，并且所有的这一切都能在发展中国家，在恶劣的条件下，由一个贫困儿童来实现。人类的寿命也将会延长，且生活的更健康，更快乐，更容易，因为现在很多人类的工作未来都将由机器来完成。同时，会涌现出数万亿种不同类型的人工智能，以及形成快速膨胀的AI生态圈”。

Schmidhuber对于AI产品的看法与很多人不同，他并不认为AI的进步会导致大量失业。他认为，一些国家或组织能更快地适应新局面，比如像拥有强大福利体系的北欧国家，在那里，没有工作也可以生存。

女性将比男性更难被取代，因为她们更善于解决一些“普遍性问题”；还有那些“创造工作者们”，比如能唤起人们深度思考的的作家。

尽管Schmidhuber有时候也会很浪漫，但是他和大部分的“AI教父”一样，都非常忠于代码。他们确信机器最终会超越人类，也会陶醉于新世界秩序带来的清晰与高效。

Schmidhuber深信AGI一定能实现，这种信念来自于，他相信我们已经生活在了《黑客帝国》式的计算机模拟中。

“这就是我的想法，因为它是对所有事情的最简单的解释。”他说。

在他看来，人类自身所带有的程序要求人类不断进步，并制造更强大的计算机，直到使自己变得过时，或决定与机器合为一体为止。

“你要么变得与人类完全不同，要么会因为怀旧而继续保持人类的样子，”Schmidhuber预测道，“而如果你选择后者，你就永远无法成为一个重要的决策者，也就不会在塑造新世界的过程中发挥任何作用。“

至于为什么觉得有必要实现AGI，他觉得这是人类的天性所致。历史的进程需要有人来不断地打破常规，创造新事物，再超越自己的创造，即便会有部分甚至几十亿人对此感到不安。

“古老的物竞天择法则，这便是人类发展的正常规律。”他说道。

相关报道：

https://www.bloomberg.com/news/features/2018-05-15/google-amazon-and-facebook-owe-j-rgen-schmidhuber-a-fortune

机器之心报道

机器之心编辑部

荷兰、瑞士两位学者（其中一位是教授）的SIGIR 2019论文被发现抄袭，部分内容与RecSys 2018一篇论文高度相似，只有个别用词出现改动。

今日，有Reddit网友爆出，入选SIGIR 2019的论文《Adversarial Training for Review-Based Recommendations》与RecSys 2018上的一篇论文《Why I like it: Multi-task Learning for Recommendation and Explanation》惊人相似。

起初，发帖者以为这仅仅是一个巧合，maybe 这只是因为两组研究人员提出了同样的问题、开展了相同的研究，然后，提出了相同的解决方案。

但仔细阅读完两篇论文后，ta 发现事情并不简单。

被质疑抄袭他人论文的两位作者分别来自荷兰和瑞士的高校。其中，Dimitrios Rafailidis 是荷兰马斯特里赫特大学的助理教授，Fabio Crestani 则来自瑞士提契诺大学。两个人是老搭档，合著过很多篇论文。Fabio Crestani 在 Google Scholar 上的被引用量甚至高达 5936。

他们的这篇论文被 SIGIR 会议接收。SIGIR 会议的全称是「Special Interest Group on Information Retrieval」，是一个展示信息检索领域中各种新技术和新成果的重要国际论坛，在《中国计算机学会（CCF）推荐国际学术会议》列表中属于 A 类会议。

而这次抄袭事件的「原版」论文来自推荐系统顶会 ACM RecSys 2018，其中一作 Yichao Lu 是华人，目前在 AI 公司 Lyaer 6 AI 担任机器学习研究科学家，本科就读于复旦大学，硕士就读于多伦多大学。另两位作者 Ruihai Dong 与 Barry Smyth 则来自都柏林大学。

说回来，SIGIR 2019 那篇论文中的模型像是从 RecSys 2018 那篇中复制过来的一样，让我们来对比一下：

首先，这两篇论文都在矩阵分解框架的基础上使用了对抗序列到序列的学习模型。其次，在生成器和鉴别器的部分，两篇论文都使用了 GRU 生成器和 CNN 鉴别器。优化方法也相同，都是两个部分之前交替优化。最后，两篇论文所使用的符号和公式也极其相似……

Fine，鉴于「对抗训练」是一种当下很流行的操作，所以不能因此下结论。但是，SIGIR 2019 论文和 RecSys 2018 两篇论文的文字重合之处证明了一切：

看这两个句子，一字不差：

SIGIR 2019 论文第 1 部分。

RecSys 2018 论文第 2 部分。

在论文写作中，很难想象一个人会写出与他人一字不差的语句，除非是抄袭的。

再来一个例子：

SIGIR 2019 论文 2.1 节：

「解码器利用了一个单一的 GRU，迭代地逐词生成评论。具体来说，在时间步 t 上，GRU 首先将之前时间步的输出表征 z_ut-1 映射为 k 维向量 y_ut-1」，并将其与

连接在一起，以生成一个新的向量 y_ut。最后，将 y_ut 输入 GRU，得到隐藏表征 h_t。接下来，将 h_t 与输出投影矩阵相乘，并通过 softmax 遍历文档词汇表中的所有单词来表示每个单词的概率。时间步 t 上的输出词 z_ut 从 softmax 给出的多项式分布中采样得到。」

RecSys 2018 论文 3.1.1 节：

「用户评论解码器利用了一个单独的 GRU，迭代地逐词生成评论。在时间步 t 上，解码器 GRU 首先将前一个时间步上的输出词 y_i, t-1 嵌入到相应的词向量

，然后将其与用户文本特征向量

连接在一起。连接后的向量被用作解码器 GRU 的输入，以获取隐藏激活 h_t。接下来，将隐藏激活与输出投影矩阵相乘，并通过 softmax 遍历文档词汇表中的所有单词来表示当前语境的每个单词的概率。时间步 t 上的输出词 y_i, t 从从 softmax 给出的多项式分布中采样得到」。

在这个例子中，SIGIR 2019 论文的作者替换了论文中的个别短语，以使两篇论文看起来没那么像。然而，发帖者认为，两篇论文之间的相似性还是可以表明，SIGIR 2019 论文的作者在写自己的论文之前肯定读过那篇 RecSys 2018 论文。

最后一个例子：

SIGIR 2019 论文 2.2 节：

「评论 r 的每个单词都被映射成对应的词向量，然后与特定于用户的向量连在一起。需要注意的是，在 2.3 节的对抗训练中，特定于用户的向量与鉴别器的参数 D_*θ*是一起学习的。接下来，用一个卷积层、最大池化层和一个全连接映射层来处理连接后的向量表征。CNN 的最终输出是一个 sigmoid 函数，它会将概率归一化为 [0, 1] 区间内的数字，表示候选评论由用户 u 撰写的概率。」

RecSys 2018 论文 3.1.2 节：

「首先，将评论中的每个词映射到相应的词向量，然后将其与一个特定于用户、表明用户信息的向量连接在一起。特定于用户的向量与训练中的其他参数是一起学习的。接下来，用一个卷积层、最大池化层和一个全连接层来处理连接后的向量表征。最终的输出单元是 sigmoid 非线性，它会将概率压缩到 [0, 1] 区间内的数字。」

我们注意到，这两段表述中有一个句子几乎完全一样（接下来，用一个卷积层……来处理连接后的向量表征）。

另外，发帖者认为，将特定于用户的向量连接到评论中的每个词向量是一个非常不直观的想法。ta 表示，来自不同研究团队的观点细节不可能如此相似。如果 ta 是作者，ta 会将特定于用户的向量连接到最后那个投影层之前的层上，因为这样能节省计算开销，泛化性能也更好。

在整理完这些重叠之处之后，发帖者陷入沮丧。ta 的结论是：这篇论文绝对不应该在这样一个顶会上发表。而且此时此刻，着急的应该不只是论文作者，SIGIR 2019 的论文评审恐怕也罪责难逃了。

在评论区，众人主张将此事告知 SIGIR 19 会议组织·，也有人认为二位抄袭者的学术生涯就此结束了。

两位作者都是知名学府的学者，他们应该知道，剽窃在学术界是件大事。

对于科学研究来说，观点、方法的剽窃已经是非常严重的不端行为，更何况出现了「复制+粘贴」这样的情况。

前段时间因为论文抄袭而「臭名昭著」的 Siraj Raval，也是活生生的例子。因为被人扒抄袭，不仅被骂得很惨，还被迫与自己创办的 AI 学院断绝关系。

嗯，这次他也被 cue 了：

这件事的后续，恐怕会引发更多关注，不知情况是否还会发生反转。

参考链接：

https://www.reddit.com/r/MachineLearning/comments/dq82x7/discussion_a_questionable_sigir_2019_paper/

论文传送门：

https://gofile.io/?c=ej2y69https://researchrepository.ucd.ie/bitstream/10197/10892/4/Why%20I%20like%20it%20Multi%20Task%20learning%20for%20recommendation%20and%20Explanation.pdf

西安电子科技大学人工智能学院面向国家重大战略发展和国际前沿发展需求，深入贯彻十九大报告精神和《新一代人工智能发展规划》，践行“互联网+”“一带一路”和创新型国家建设、军民融合发展等一系列国家战略，着力打造人工智能领域高端人才培养基地、创新成果研发中心和高层次团队培育平台。

2017年11月，部属高校首个人工智能学院成立

学院设有智能科学与技术国家级特色专业（本科），同时，在人工智能领域相关学科招收博士和硕士研究生。

在学校深耕人工智能领域三十年的基础上，学院联合建立了智能感知与计算国际联合研究中心、国家“111”计划智能信息处理创新引智基地、“信息感知技术”国家2011协同创新中心等3个国家级平台；建有智能感知与图像理解教育部重点实验室、智能感知与计算国际合作联合实验室、陕西省大数据智能感知与计算2011协同创新中心、智能科学与技术教学团队等9个省部级科研平台和教学平台；形成智能成像、智能信息处理、智能感知与图像理解、视觉计算与协同认知等6个国家和省部级科技创新团队；拥有智能科学与技术国家级特色专业。同时，学院深化产学合作协同育人，与各大知名企业紧密协作，成立了西安电子科技大学-惠普高性能计算联合实验室、西安电子科技大学-AMD联合实验室、西安电子科技大学-北斗军民融合联合研究中心、西安电子科技大学-蒜泥人工智能研究院等10个集教育、培训及研究于一体的联合研究中心/创新实验室。近5年来，学院在人工智能领域3次荣获国家自然科学奖二等奖；面对国际学术前沿和国家战略需求，成功研制我国首套类脑SAR系统、基于面阵CCD的光谱视频成像系统、我国首个人脸画像识别系统、首个FPGA深度学习系统等重大平台和系统。

经过十余年科教结合的探索和实践，学院构建了“国际化+西电特色”本硕博一体化人才培养、“国际学术前沿+国家重大需求”科学研究+创新实践协同育人和“高水平平台+高层次人才”服务人才培养的具有西电特色的本硕博一体化育人体系，已有百余名校友成长为我国人工智能领域学术界和工业界的领军人物。

2018年5月，主办国际人工智能院长论坛

师资力量

学院现有教师近70名，其中教授29名，副教授30名，90%以上教师具有一年以上海外经历，是一支结构合理、具有国际视野的师资队伍。截至目前，学院入选IEEE Fellow、国家“百千万人才工程”第一、二层次、“长江学者”、“千人计划”、“青年拔尖人才计划”、获得基金委优青资助、“新世纪优秀人才支持计划”、高被引学者、全国模范教师、教育部科技委委员、全国人大代表、国务院学位委员会学科评议组成员、陕西省“百人”计划、陕西省“千人计划”、“陕西省青年科技新星”、陕西省青年人才托举计划等50余人次，形成了一支基础理论扎实，兼具工程实践能力，学风严谨，创新意识强的高水平科研创新队伍。

焦李成教授等获国家自然科学二等奖

石光明教授等获国家自然科学二等奖

人才培养

西安电子科技大学人工智能学院在三十多年的办学实践中不断探索、创新，面向产学研和实际应用开展科研和人才培养；面向国际拓展视野，参与国际竞争；创建了一套有西电特色的人才培养体系。在教育部奋进之笔“1+1”系列发布活动中，西安电子科技大学与清华大学、浙江大学一同向社会发布人工智能人才培养与科技创新成功经验。

西电特色的一体化人才培养体系

西安电子科技大学智能科学与技术本科专业于2004年获批，并于2005年开始招生，2008年，智能科学与技术本科专业被评为国家级一类特色专业。面向人工智能时代国家战略人才需求，参考发达国家人才培养模式，西电在多年的教学和科研实践中确立了“国际化+西电特色”的本硕博一体化人才培养体系。以产学合作、产教融合、科教协同、本硕博衔接与协同的新工科人才培养模式，有针对性的、阶梯式培养学生 “会做、敢想、能创新”。

本硕博一体化贯通的培养模式给了学生持续学习的动力。纵向上，学生的学分以本硕博一体化拉通的形式进行计算，学习能力强的本科生可以修习高层次的课程，为本科生参与高水平科学研究提供支持，也为学生进入研究生阶段学习奠定坚实的科研基础；横向上，建立起了跨学科、跨学院、跨学校的三级选课和学分互认机制。人工智能学院持续完善这一培养体系的同时，针对智能学科的特点进行了课程设计，课程设置包括数学基础、电子信息基础、计算机基础等基础必修课，智能、大数据等专业方向课程以及竞赛、实习创新创业课程，全方位开发学生的创新思维、激发学生的创新潜力、提升学生的创新能力，将“创新能力”的培养贯穿于人才培养的全过程。

“产学研用”协同化育人

《高等学校人工智能创新行动计划》提出“深化产学合作协同育人，推广实施人工智能领域产学合作协同育人项目，建设一批集教育、培训及研究于一体的区域共享型人才培养实践平台”。在西电人工智能人才培养的探索与实践中，依托高水平国际平台，产学合作协同育人、培养创新型人才一直是重点工作。智能感知与计算国际联合研究中心等三个国家级平台，智能感知与图像理解教育部重点实验室等九个省部级科研平台和教学平台，智能信息处理教育部创新团队等六个省部级创新团队，与惠普、AMD、蒜泥等企业合作建立的九大创新实验室均是学生进行学习和科研的沃土。平台从应用项目开发、应用性学术竞赛、创新项目研究三个方面引导和培养学生，学生可以参与到具有实际应用意义的项目开发中去---实现“练中学”，可以通过学术竞赛快速提升科研能力、加强学术交流---实现“赛中学”，可以自己主持创新项目研究、充分挖掘自己的创新能力---实现“研中学”。

智能科学与技术专业师资队伍由教育部“长江学者支持计划”创新团队首席专家、IEEE Fellow焦李成教授带领，是一支教学能力强、科研实力雄厚的团队，近30位博导、硕导中有多位优秀青年科学基金、吴文俊人工智能科学技术奖、国家各层级人才发展计划等的获得者与入选者，近五年更荣获了三项国家自然科学二等奖，将多项省部级科学技术一等奖、省级教学成果一等奖等殊荣收入囊中，还成功研制了我国首套类脑SAR系统、首套基于面阵CCD的光谱视频成像系统、首个人脸画像识别系统等重大应用平台。类脑SAR系统可实现大规模SAR影像中桥梁、机场、车辆、飞机、舰船等目标的检测、分类与识别，具有大场景SAR影像地物分类、变化检测等功能，填补了国内SAR智能感知与解译系统及原理样机的空白，打破了欧美对我国的技术封锁与禁运。基于面阵CCD的光谱视频成像系统可用二维低分辨光电探测器同时获取空间、谱间、时间高分辨图像，解决了高分辨成像严重依赖高性能探测器的瓶颈问题，缓解了海量高分辨光谱数据与传输存储之间的矛盾，光谱视频获取等关键技术经鉴定处于国际领先水平。首个人脸画像识别系统可实现人脸照片与手绘素描画像之间的相互转化，进而实现不同模态人脸图像的检索比对与识别，已成功辅助警方破获了多起重大案件。

学院目前已在复杂影像感知与人工智能、类脑智能与深度学习、视频感知与光电智能系统、数据科学与大数据关键技术、智能控制与机器人系统、高性能智能计算等方面开展研究，并引导和鼓励学生参与其中，将产学研用紧密结合到创新型人才培养的全过程。

积极拓展国际视野，参与国际竞争

AI的疆场是全球的疆场，在人工智能人才培养的实践中，西电一直强调拓展师生国际视野，智能科学与技术专业从建立之初就倡导师生“立足西电看世界”，鼓励教师和学生出国交流、深造，更新知识，改善知识结构，积极参与国际竞争。近五年中，有百余名智能学科的本硕博生出国交流学习，智能学科教学团队80%以上的教师有国外留学或访学经历，出访的学校包括美国麻省理工学院、哥伦比亚大学、美国加州大学洛杉矶分校、英国伯明翰大学、荷兰莱顿大学、西班牙Basque Country大学等著名学府。同时，西电与英国贝德福德大学等诸多高校开展常规化的交流访问为教师和学生“走出去”开阔视野、学习先进知识提供了全方位的支持和保障。

人工智能学院建立之后，在全球范围内与人工智能领域专家积极联系并进行了公开招聘，引进国际化师资，通过国际协同不断提升人才培养的质量。学院拥有国内第一个智能感知与计算国际联合研究中心、第一个教育部智能感知与计算国际合作联合实验室，人工智能学院将在积累的优势之上发挥人工智能人才培养的探索引领作用，培养具有国际视野的高端人才。

根据国家对高等教育改革发展“全面实现教学2.0，并向教学3.0迈进”的部署，在《高等学校人工智能创新行动计划》的战略布局的指引下，西电人工智能学院将在以往创新型人才培养的基础上，依托电子信息技术与计算机的学科优势确立“智能感知用”的专业特色，面向科技前沿，坚持理论与实践全方位融合，坚持将解决问题贯通教学全过程，以创新为根本，培养具有国际视野、适于“人工智能+”时代的创新型人才。

2017年10月，部分校友返校

专业介绍

智能科学与技术本科专业是国家级一类特色专业，是为了适应信息智能化发展的需求，把人工智能技术与信号处理技术有机结合的“新工科”，具有计算机、通信与电子信息等多学科领域交叉特点。专业所在学院设有硕士点、博士点、博士后流动站，为国家重点学科和国家“211”重点建设学科，同时设有教育部“长江学者计划”特聘教授岗位，已建立教学科研基地有电工电子国家基础课程教学基地、教育部回国人员实验室和教育部“智能感知与图像理解”重点实验室，以及 “智能感知与计算”国际联合研究中心、“智能信息处理”国家111创新引智基地、“智能感知与图像理解”教育部创新团队和智能感知与计算国际合作联合实验室等一系列国内首批、国际领先的科研平台。同时西安市政府正在与学校共建西电人工智能小镇。

本专业建立了与国际接轨的本、硕、博人才培养体系。近五年本科毕业生平均就业率超过98％以上，就业单位包括华为、中兴、联想、美的、海信、康佳、步步高、科大讯飞、三星等在内的多家国际知名企业，以及中电集团、航天科技集团、中船重工集团等科研院所。累计考研和出国率达到85%以上，多名优秀毕业生被推荐保送至清华大学、北京大学、中国科技大学、西安交通大学、上海交通大学、中科院自动化所等国内知名院校和研究所。超过20%的毕业生留学于美国杜克大学、卡耐基梅隆大学、加州理工学院、俄亥俄州立大学、伊利诺伊理工学院、英国莱斯特大学、南安普顿大学、利物浦大学、法国高等电力学院、德国汉诺威大学、德累斯顿工业大学、瑞士提契诺大学、加拿大阿尔伯塔大学等海外著名大学。博士和硕士毕业生就职于百度、腾讯、阿里巴巴、联想、华为、中兴，三星大数据研究院，以及中电14所、20所、38所、54所、中航503所、504所、631所、771所、中国兵器206所、209所、212所等等国内外著名企业研发岗位。该专业已培养全国百优博士学位论文获得者1人和提名1人，陕西省优秀博士学位论文获得者10余人。专业建设成果获得了国家级教学成果一等奖、陕西省教学成果一等奖和陕西省教学成果二等奖。

培养目标

培养学生具备数据挖掘、信息处理、计算机与互联网等人工智能技术的基础知识，具有从事各类智能信息领域科学研究、教学工作能力，适于各类电子信息系统、控制系统、仪器设备等智能化研究、设计、开发及应用要求的高层次、创造性科技人才。

本科毕业后，学生既可在包括模式识别与智能系统、智能信息处理、电路与系统、计算机应用技术、电子与通信工程、计算机技术等不同的学科领域进行深造，也可在科研院校、企事业单位等机构从事智能科学相关方向的研究、教学、开发和管理工作。

联系我们办公电话：029-81891373；029-88202605；029-88201592学院网址：sai.xidian.edu.cn学院邮箱：sai@xidian.edu.cn

来源：西安电子科技大学人工智能学院

瑞士的诸多名校，风景极其美丽！

瑞士是一个高度发达的资本主义国家，也是全球最富裕、社会最安定、经济最发达和拥有最高生活水准的国家之一。瑞士人口虽少，但却拥有密集的高教网。那么，你知道瑞士有哪些大学吗？

苏黎世联邦理工学院

简称ETH Zürich

苏黎世联邦理工学院，坐落于瑞士苏黎世，是享誉全球的世界顶尖研究型大学，连续多年位居欧洲大陆高校翘首，享有“欧陆第一名校”的美誉。截止2017年，学院的校友、教授和研究人员中，共有包括爱因斯坦在内的32位诺贝尔奖得主。现今仍有很多获奖者在教学科研第一线，该校还是国际研究型大学联盟、IDEA联盟等国际高校合作组织的成员。

洛桑联邦理工学院

一所世界顶尖的理工院校

洛桑联邦理工学院，成立于1969年。学校位于瑞士的法语区，与德语区的苏黎世联邦理工学院是姊妹院校。两所院校以及相应研究机构共同组成了瑞士联邦理工学院，直接由联邦政府管理。在教学与研究之外，洛桑联邦理工学院还负责操作核反应堆CROCUS，一个托卡马克聚变反应堆，一台Blue Gene/Q 超级计算机以及 P3 bio-hazard设施等。

苏黎世大学

德语区乃至欧洲最具活力的大学之一

苏黎世大学，成立于1833年，经过180多年的洗礼，如今已成为瑞士规模最大、实力最强的综合大学。包括第一届诺贝尔物理学奖得主伦琴、"世纪伟人"爱因斯坦，干扰素的共同发现者让.林登曼等在内的12名诺贝尔奖得主都曾在此学习或工作过。苏黎世大学是德语区乃至欧洲最具活力的大学之一，在很多领域都享有盛名。

日内瓦大学

欧洲研究型大学联盟的成员之一

日内瓦大学，前身是1559年约翰·加尔文建立的日内瓦学院。作为一所神学院，这里主要教授修辞学、辩证法、希伯来语和古典希腊语。经过启蒙时代，其学科领域逐渐扩展。作为世界百强大学之一，日内瓦大学享有国际声誉，是集合了欧洲12所最优秀的研究型大学的欧洲研究型大学联盟以及科英布拉集团的成员。

巴塞尔大学

瑞士最古老的大学

巴塞尔大学成立于1460年，巴塞尔大学的生化系居世界领先地位。曾在巴塞尔大学任教的化学家TadeusReichstein于1933年发现了维他命C，并于1950年获得诺贝尔医学奖，1978年微生物学家WernerArber获得了同样的荣誉。现有8000名学生，每年有700名学生毕业。巴塞尔大学不是全科目大学。

洛桑大学

瑞士历史最悠久的大学之一

洛桑大学，学校学术氛围浓厚，与洛桑联邦理工学院一起，形成致力于教学和科学研究的高等权威学府，是世界著名的综合性院校。位于西南部沃州的洛桑市，瑞士法语区中心地区，地理位置十分优越。获得中国教育部认证。该校前身是成立于1537年的Schola Lausannensis，首要任务是为教堂培养神职人员。是当时拥有全国惟一的法语新教神学院。1890年升格为大学。

伯尔尼大学

公立大学

伯尔尼大学创建历史可以追溯到十六世纪早期建立的神学院，当时建校的目的是为宗教改革培养清教徒牧师。学校在建校时拥有3位教授，到十七世纪末拥有6位教授。到十八世纪学校在人文和神学领域一直处于统治地位。1805年伯尔尼政府改革整个高等教育体系，学校从原先的神学院扩展为拥有四个系的大学院。

圣加仑大学

欧洲商学院排名中列第4位

圣加仑大学圣加仑大学，是一所以经济、金融、法律和社会学为主的综合性大学。学校的管理学硕士项目在2014年Financial Times的全球管理学硕士排名中列1位。圣加仑大学是一所以经济、法律和社会学为主的综合性大学。属于欧洲最有名的经济大学之一。圣加仑大学提供本科、硕士和博士层次的高等教育，其主要授课语言为德语，同时也开设了部分英语授课的专业。

弗里堡大学

综合大学

弗里堡大学，位于阿尔卑斯山脚下的古城弗里堡。作为瑞士高等院校联合体成员，弗里堡大学为法语区及德语区大学起了桥梁作用。弗里堡大学是瑞士唯一一所双语授课的国立大学。甚至在欧洲也是唯一一所坚持使用双语教学、管理的大学。学生们使用两种语言完成学业并得到双语文凭，当然也可以选择使用其中一种语言学习得到单语文凭。

提契诺大学

跨学科多语种大学

提契诺大学，是瑞士12所公立大学之一，也是瑞士意大利语区唯一的一所公立大学。。提契诺大学是一所公认的跨学科和多语种大学，设有四个学院，其中包括举世闻名的门德里西奥建筑学院。提契诺大学的正式授课语言是意大利语.但英语作为第二工作语言用于很多研究生院的硕士课程和硕士专业课程。一些专业课程也采用德语和法语授课。

作者：历史在琴弦上

很多人提到瑞士，可能会想到高山、滑雪、湖泊、海蒂、银行、巧克力、手表...

除了这些，瑞士可能还有很多你所不知道的：

欧洲的中心：瑞士位于欧洲的心脏地带 ，当日即可乘坐公共交通往返欧洲的许多城市，比如米兰、慕尼黑、巴黎等，而罗马、柏林、伦敦也只需要一个半小时的飞行。

四种官方语言：瑞士有四种官方语言：德语、法语、意大利语和罗曼什语；英语在瑞士也非常普及。

欧洲“水塔”：瑞士拥有1,500多个湖泊，在瑞士国境内，你离最近湖泊的距离不可能超过16公里。

△ 瑞士的主要湖泊

登山爱好者的天堂：在瑞士，海拔超过2000米的山脉有超过4400座，其中超过3000米的有437座。瑞士最高峰不是马特洪峰（Matterhorn），而是位于瑞士、意大利边界的杜富尔峰，海拔4634米。

瑞士并不全是山脉：在瑞士南部的提契诺州，你可以轻松找到棕榈树。怎么过去呢？自2017年以来，瑞士成为拥有世界上最长铁路隧道的国家，堪称工程杰作。哥达基底隧道长57公里，在阿尔卑斯山下方延伸2.3公里，共花了17年建造。

瑞士不仅仅是冰天雪地：寒冷多雪的冬天来了又去，你会发现夏天瑞士高原的温度可能超过30–35°C。

△ Lido Locarno

日内瓦是联合国欧洲总部以及200个国际组织的所在地。

除了有上述得天独厚的自然人文环境，瑞士在创新方面更是首屈一指。

在诺奖榜上瑞士科学家也是常客，自1901年以来瑞士共获得29项诺贝尔奖。

在世界知识产权组织（WIPO）发布的“2019全球创新指数”中瑞士已连续九年被纳入全球最具创新性国家。瑞士同时也是欧洲人均专利申请比最高的国家。

爱因斯坦在瑞士伯尔尼学习和生活时，提出著名的相对论公式 E=mc。

Tim Berners-Lee于1989年在位于日内瓦的欧洲核子研究委员会（CERN）发明了万维网（www）。

字体Helvetica由Max Meidinger于1956年设计。Helvetica在拉丁语（源自Helvetia）中的意思是“瑞士”，瑞士联邦的官方名称为Confoederatio Helvetica。

众所周知，瑞士是银行之国，而如今创新浪潮正在改变金融行业。瑞士的区块链和加密货币研发以及金融科技领域的创新也出现激增。著名的“加密谷”(Crypto Valley)坐落于瑞士楚格(Zug)。

瑞士的高等教育体系为瑞士的创新研究提供了有力的支持，它更是对国际学生十分友好。瑞士高等教育可以分为传统大学（10所州立大学，2所联邦理工大学）、应用科技与艺术大学（8所公立，1所私立）以及师范学校（20所，包括14所独立的州立或州际师范学校、两所师范学校隶属于所在应用科学大学，以及其他隶属于高等教育机构提供师范教育的学校）。

传统大学

五所位于德语区（巴塞尔大学、卢塞恩大学、圣加仑大学、苏黎世大学、苏黎世联邦理工学院）

两所位于双语州（伯尔尼大学和弗里堡大学）

四所位于法语区（日内瓦大学、洛桑大学和纳沙泰尔大学、洛桑联邦理工学院）

一所位于意大利语区（提契诺大学）

应用科技与艺术大学

应用科学大学的学生主要学习将科学知识或艺术能力应用到日常工作中，一般都涵盖工程、信息科技、建筑、建设与规划、化学、生命科学、农林、商业和服务、设计、健康、社会工作、音乐、电影或其他艺术类学科、应用心理学、应用语言学或体育等学科。

师范类大学

师范大学是在教师培训学校基础上于2001年成立的，同时还提供继续教育和培训课程。

瑞士大学提供3000多个学位项目，其中700多个为英文授课。瑞士大学25%以上为国际学生，50%以上为外籍教授教授。

为什么要去瑞士留学？答案全在这儿！

△ 留学瑞士的几大理由

虽然2020年我们都经历了艰难的开始，但今年的秋季学期，瑞士各大高校已准备好了迎接国际学生的到来。在2020 U21的国家高等教育体系排名中，瑞士名列第二。来听听swissuniversities主席、日内瓦大学校长Yves Flückiger是怎么说的吧。

为什么要去瑞士留学？答案全在这儿！

△ 瑞士大学欢迎国际学生

【来源：瑞士驻华大使馆】

声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn