黄高在作业中。

材料图片

中心阅览

32岁的清华大学自动化系助理教授黄高，在人工智能快速展开白茶属于什么茶的浪潮里，沉下心来，重视根底性研讨与要害中心技能攻关；一起坚持敞开心态，学习新知并付诸实践。

通往人工智能的未来之路上，他正全力奔驰。

如果说以蒸汽技能驱动的榜首次工业改造延伸了人的肢体，拓宽了人类的力气，那么，以新一代人工智能技能为驱动的新一轮科技改造和工业改造则致力于拓宽人类的智能，进步人类智力所能发明的价值。

在清华大学自动化系助理教授黄高看来，"人工智能是咱们这一代人不能失去的名贵时机。"而怎么让机器更高效、智能，也成为他研讨中最重视的部分。

这名32岁的青年学者，首要研讨范畴为深度学习和核算机视觉。他规划的密布衔接卷积网络（DenseNet），论文单篇引证已超1万次，广泛运用于医学、光学、气象学等许多范畴。黄高也成为国内核算机视觉范畴榜首作者论文被引次数最高的学者。

科研的夸姣，在于测验拓宽常识的鸿沟

深度学习是指核算机经过深度神经网络，完结跟人脑相似的功用，是现在人工智能范畴的抢手研讨方向之一，已被使用于人脸辨认等许多范畴。

但是，在2009年黄高刚开端攻读博士学位时，人工智能范畴深度学习的东西还在展开中。优化算法等现在看来简略到仅需一行代码的操作，其时要靠一行行编程完结。许多研讨者在探究怎么经过减缩网络衔接来下降模型杂乱程度，黄高却另辟蹊径，期望经过添加跨层衔接，使信息通道愈加晓畅，让模型中的信息能更快速地向前传递。

这一主意无疑是斗胆的，也极具立异价值。"不断探究新的东西，做他人没做过的作业，与不知道同处，才是科研最有魅力之处。"黄高说，做科研最夸姣的便是测验去触碰、拓宽人类常识的鸿沟。

2016年，黄高提出了密布衔接卷积网络的斗胆想象。起先并不被看好，但他与协作者一向坚持，终究打破了传统深度网络的单向直链结构，提出大局密布跨层衔接范式，使神经网络完结"衔接数多而核算量少"，进一步进步了运算功率。这项具有开创性的模型，获得了首届国际人工智能大会最高奖SAIL前锋奖，被编入多本深度学习书本，也被广泛使用于医疗印象处理、人脸辨认、文本翻译、语音辨认等人工智能使用场景。

探究不知道是一件危险和本钱很高的事，"开荒"路上，黄高不免遇到波折。有时坚持好久却一向没有效果，有时十分困难获得展开，却发现已有研讨者抢先一步。"研讨受阻，懊丧是不免的。咱们需求一股干劲，坚持下去，将主意终究转化为实际。"黄高说。

服务夸姣日子，是人工智能的重要任务

黄高的研讨大多源于日常日子中的需求，他期望用键盘"建立"出更多智能日子的夸姣场景。"服务人们的夸姣日子，是人工智能的重要任务，也是科技向前展开的重要动力。"黄高说。

上一年新冠肺炎疫情产生之初，核酸检测还没有广泛展开，肺部CT是重要的查看手法。但由于医师数量有限，读片速度与确诊准确率均受到影响。曾在博士后期间做过医学印象剖析方面作业的黄高开端考虑，怎么使用人工智能技能减轻医护作业人员的压力。

搜集数据、规划算法、开发体系……研讨效果很快落地。黄高与解放军总医院等单位联合开发了根据人工智能技能的CT印象快速辅佐确诊体系，读图快，准确率约为96%，能辅佐医师更好地做出确诊。上一年2—3月，这一体系在120多家医院完结病例剖析3万余例。

现在，核算机视觉已成为黄高的要点研讨范畴之一，他在图画辨认方面的研讨效果，已使用至医疗服务、企业出产、遥感图画等多个场景。"咱们正在跟中科院声学研讨所协作，研讨海底声呐成像中方针的自动辨认与盯梢，能够用于海底勘探、救灾等方面。"黄高介绍。

不只致力于抢手使用研讨，也重视根底性研讨与要害中心技能攻关，这是黄高关于团队的要求。

航空发动机的研发技能难度极大，需求重复试验、试飞，研发周期也很长。人工智能能够帮上什么忙？本年1月起，黄高与物理学者展开协作，研讨怎么使用深度学习来进步空气流体力学模拟试验的功率。

"人工智能不能满足于酷炫，而应该带动工业改造、推进科技全体展开。"黄高一向提示自己，越是在研讨的热潮里，越要沉下心来。

面对学科的快速展开，要跟时间赛跑

这些年，重视人工智能范畴的研讨者日益增多。黄高坦言："赶上了一个学科展开的浪潮，关于研讨者而言，既夸姣又深感压力。"

之所以夸姣，是因为有许多人朝向同一方针尽力奔驰。人工智能范畴的许多公司、学者都已敞开程序源代码。开源深度学习结构、开源使用软件、开源社区的快速展开，推进了研讨互相促进和协同立异。黄高规划的深度学习结构也是敞开的，在他看来，"敞开的、充满活力的研讨环境，能孕育出更多好效果。"

之所以深感压力，是因为竞赛很剧烈。一台用支架高高架起的电脑、满屏算法、喧闹高温的机房，组成了黄高的科研日常。黄高习气站着做研讨来会集精力，"面对学科范畴的快速展开，每个人都要跟时间赛跑。一方面要时间追寻最新的研讨趋势，了解学术界的最新动态；一方面要有很强的行动力，一旦犹疑就很或许失去时机。"黄高说。

"展开人工智能的故事才刚刚开端。"黄高介绍，人工智能范畴还存在许多未解的问题，从根底理论、技能展开，到构建人工智能相关的道德标准，都是科学家们面对的应战。"尽力打破它们，正是咱们做科研的价值地点。"

"猜测未来最好的方法，便是发明未来。人工智能的远景很夸姣，值得咱们为之全力奔驰。"黄高说。

（陈炳旭参加采写）