陳 曦

        走進胡清華的辦公室，立刻被他滿屋子的書所吸引。這些書的種類既有專業類書，也有哲學類、文學類書，甚至還“藏”著幾本金庸小說。放松的時候，這位天津大學智能與計算學部教授兼人工智能學院院長，就愛讀讀武俠小說。

        “我覺得知識是相通的，不要給自己設定邊界，要對新事物保持好奇。”這是胡清華常對學生說的一句話，這也是他的科研準則。

        從動力機械到人工智能(AI)，10年前，不給自己設限的胡清華，以跨界者身份走進了這一如今炙手可熱的領域。

        近年來，胡清華一直在不確定性建模領域深耕，他希望從“不確定性”中尋找“確定性”，從看似無規律的數據中發現規律。“我的工作主要是研究算法，從一些低質量的、雜亂的數據中找尋規律。”他說。

        前不久，2019年度國家杰出青年科學基金項目評審結果正式公布，胡清華申報的研究項目“不確定性人工智能”名列其中。

        從動力機械走向人工智能

        胡清華出生在湖南省婁底市雙峰縣，小時候，書是他最喜歡的“玩具”。“我每次去親戚家串門，第一件事就是找書看。找到一本書就躲進角落讀，完全忘了外面的熱鬧。”他說。

        上世紀80年代，胡清華家鄉的圖書、報刊很少，多虧在外地上大學的叔叔每次放假回家帶一大摞書回來。從那時起，胡清華就向往上大學，“因為能有看不完的書”。

        1995年，胡清華考入哈爾濱工業大學，學習動力機械專業。“作為一個地道的南方人，我跑到東北去上學，只是因為語文課本上一篇課文，把北大荒描述得太美了，讓我對那里充滿無限的想象。”他笑著回憶道。

        上大學時，胡清華的專業學習主要圍繞火力發電廠的鍋爐和汽輪機。當時，隨著發電機組向大型化方向發展，對設備可靠性的要求也日益提高。發電機組開始安裝上各種傳感器，實時采集大量數據，用于設備的狀態監測與故障診斷。

        “讀研時，導師希望我能開發出算法，以自動分析這些監測數據，判斷設備的狀態。我發現這項研究很有意思，從生產數據中尋找規則、建立模型，然后用模型判斷、預測設備狀態。現在看來，這屬于人工智能范疇，但當時自己并未意識到這一點，從事相關研究的人也不多。尤其在動力機械領域，這還是很前沿的方向。”胡清華回憶道。

        如果說，此時人工智能在胡清華心中，還只是個火種，那么把它變為熊熊大火的，是他參加的一個學術會議。

        2000年前后，中國科學院發起“龍星計劃”，邀請一批在美國學術界已有一定成就的華人教授，不定期回國在某所大學，系統地講授一門美國研究生課程。“在那個年代，數據挖掘就像現在的大數據一樣時髦。2002年暑假，數據挖掘領域的頂尖學者韓家煒來北京大學授課，在課程快結束時，他還請來了在歐美大學任教的多位學者作報告。”胡清華說。

        當時，還在讀研的胡清華，就坐在臺下。“這些平時只在論文中才能‘見’到的學者，面對面給我們講授數據挖掘知識，實在太震撼了。”從此，他開始把研究領域從動力機械慢慢延伸至模式識別、數據挖掘。

        “不務正業”助其順利完成跨界

        雖然跨界到人工智能的想法，已在胡清華腦中醞釀多時，但他“并不急于一步到位”。

        在碩博階段，胡清華依舊圍著“老本行”動力機械轉，但在研究過程中他應用了大量人工智能知識，并將相關成果寫成十余篇論文。

        此外，胡清華還閱讀了大量與人工智能相關的書籍和文獻，也常去參加學術會議。為更好地向同行學習，他甚至申請擔任了南京大學BBS小百合數據挖掘版的版主，定期在網上組織學術討論。

        “其實，很多論文的原始想法，都源于和網友進行的討論，可以說很多靈感都是碰撞出來的。”胡清華笑著回憶道，當時周圍人覺得他在網上組織討論是“不務正業”，但如今想來，恰是這些經歷，讓他更順暢地實現了跨界。

        經過漫長的醞釀期，直到博士畢業后，2009年去香港理工大學做博士后研究，胡清華才算正式邁入人工智能的大門。

        其實，早在念本科時，胡清華“不務正業”的本性就已顯露。

        大二時，胡清華當上了校報記者，還長期為校刊《哈工大人》寫專欄。“起初，寫稿是為了賺稿費，拿到稿費后就可以去買更多的書。后來自己慢慢喜歡上了寫東西，不寫不成。”他回憶道。

        無心插柳，讓胡清華沒想到的是，經過幾年的新聞語言訓練，自己的寫作能力得到迅速提升，語言表達更加精準、有力，這對他后來的科研工作幫助極大。

        “很多理工科學者最頭疼的，就是寫論文、寫申請、做報告，由于之前積累的筆頭功夫，寫論文對于我來說，非常輕松。別人可能需要一個月才能完成的論文初稿，我不到一周就可以寫好。在惡補人工智能領域相關知識時，對文字的駕輕就熟，也使我的閱讀理解速度快過旁人，一些大部頭的書，我有時一兩周就能‘啃’完。”胡清華說。

        一些人工智能學界的同行表示，胡清華清新的文風、簡潔的語言風格，使他寫出的論文更易被人理解，學術觀點也更易被同行接受。同時，這樣的語言風格也有助于提高其文章的引用率。

        “當版主、記者，在當時，這些都是我的興趣，可能看上去有些‘務不正業’，但我一直覺得，學習是觸類旁通的，你永遠不知道，不經意的積累，會將你的人生引向何處。”胡清華表示，他也常對學生說，要珍視自己的興趣，它是“你科研路上最好的老師”。

        在不確定性建模領域深耕10年

        興趣是最好的老師，但僅憑興趣，并不能讓胡清華在人工智能這個新領域開疆拓土。

        2011年底，胡清華結束了在香港理工大學的博士后研究工作，進入天津大學。入職后，他接到的首個項目就極具挑戰性，胡清華與博士生導師一起獲得“國家重點基礎研究發展計劃(973計劃)”課題的資助，開展“新能源不確定性建模”方面的研究。

        胡清華介紹道，這個研究圍繞電力系統中的太陽能、風能展開。“這部分能源有點‘不靠譜’，大規模利用它們時，可能會破壞電力系統的穩定性，降低供電質量。只有摸清這些能源的‘脾氣’，才能讓其為我所用。”他說。

        對胡清華來說，新能源不確定性建模，是一個完全陌生的領域。從查資料、讀文獻，到收集數據、分析數據，胡清華的“拓荒之路”走得異常艱辛。

        但幾年努力下來，“門外漢”胡清華，硬是在該領域闖出了一片天地。“為提升風功率預報的精度，我進行了大量的建模工作并設計了眾多算法。在此基礎上，風速難以被確定等難題被逐步破解，風功率預報的精度隨之得到提升。”他說。

        2016年，這個項目順利通過了驗收，他所在的課題組被評為優秀。在一般人看來，此時研究也就該結束了。然而，胡清華“并不想就此收手”。

        “圍繞這一項目，還有很多東西可以挖掘，所以研究不僅沒有結束，而且才剛剛開始。”在胡清華眼中，這項研究屬于數據不確定性建模研究范疇，而這類研究是機器學習和數據挖掘領域的難點。“大數據時代已經到來，在利用大數據方面的最大問題就是，數據質量的不穩定。質量低下的數據，可能導致基于數據的決策出現重大偏差。”

        于是，胡清華組建起一支20多人的團隊，向著一個個數據不確定性建模難題，發起沖鋒。從新能源的不確定性擴展到大數據的不確定性，胡清華率隊從工程應用研究中發現基礎研究問題，再將基礎研究成果應用于工程領域，實現了科研的良性循環。

        經過近10年的開疆拓土，胡清華對不確定性建模研究，有了更系統的認知，逐漸意識到這是座處在交叉學科領域的科研“富礦”。今年，胡清華獲批的國家杰出青年科學基金項目，依舊是瞄準不確定性，從數據的不確定性向建模任務的不確定性延展。

        “未來，我計劃將團隊研究的算法，應用于天氣預報、森林火災預報以及大型裝備故障預報等領域，希望成果能有更廣闊的應用空間。”胡清華說。

《電鰻快報》