&p&&b&下面这段对话是一个加州伯克利的学生在我们讲座群做的分享，可做参考！&/b&&/p&&p&&b&———————————————————————————————————————————&/b&&/p&&p&&b&1、说完申请，我们聊一下你在伯克利的学习和生活。虽然都知道伯克利是公立强校，人数多，但毕竟之前你没有去探校过，去了之后有什么与你印象中不一样的么？&/b&&/p&&p&总体来讲，感觉学业与活动上的压力比想象中大很多。校园里学习气氛超级浓，难度也较大，听说我们学校今年上了&b&“期末考试最难的大学榜”前三&/b&，教授讲课的速度也都飞快。总的来说，&b&上课前都必须先预习，上课后又要下去复习，而且考试很难&/b&。但是有很多同学都是大神，不管考试有多难，总有人拿满分，peer pressure很大。&/p&&p&&b&2. 你们平时课堂规模如何？每次都是几百人大课堂？这样上课会不会很乱，无法取得老师的关注，有没有学习资源等方面竞争激烈的情况？&/b&&/p&&p&并不是的，上课的方式会根据选的课也不同，&b&基本上分为大课和小课&/b&。&b&小课的话会是十五到二十人&/b&，有更多的机会跟讲师互动，但是要求参与度也更高，所以难度也会更大一些。这种课一般都是开在文科的。然后至于理科的话，因为学的人数更多一些，所以&b&大课少是一百人，最多可以达到七百人&/b&，会在很大的auditorium上课，会有好几层楼高以及很多排，非常的夸张。但是这种环境下学习的氛围很好，至于取得教授关注的话，我觉得可以去教授office hour就是刷存在感、问问题之类的。这些课我认为都是因人而异吧，也是因课而已。&/p&&p&&b&3. 人数这么多，学校给你们提供的学术支持是否足够？&/b&&/p&&p&我们学校就是专门针对这种大课，其实有做很多学术上的支持。比如说学校有提供一些学习资源，例如就是教授office hour，&b&大部分课（尤其是理科）都会有3~4个GSI（graduate student instructor）&/b&，也可以轮流去GSI的office hour各种问问题。再不行还可以去student learning center找专门的tutor帮忙解决问题，或者在&b&某些课会设置的piazza（交流学习的论坛）&/b&上提问。&/p&&p&我认为我们学校在这点做得非常好。首先我认为图书干是最能体现一个大学学术水平的东西之一。基本上在校园里走五分钟就是一个图书馆，&b&有超级多个图书馆&/b&（可以在 UC Berkeley Library 看到），从Math&Statistics Library到East Asian Library，很多学科都有专门的独立图书馆来借阅专业资料，非常方便。而且&b&图书馆里面基本时时刻刻都是在学习的人，就连晚上也灯火通明&/b&，各大图书馆之间地下还是连通的。无论在哪里上课，总是能找到下课可以去温习的地方。而且不同图书馆风格也差很多，比如Doe Library就很适合学习，但是MainStacks会更安静、更可以集中注意力，而Moffit Library则很适合小组讨论，学习的气氛非常浓郁，总能找到适合自己的图书馆。&/p&&p&&b&4. 上课一般都是教授还是助教？&/b&&/p&&p&&b&一般都是教授&/b&，助教是都是在我刚刚说那种小班里面开一些discussion之类的。这种情况，他们一般都会给我们习题来当做课后作业布置，偶尔会有一些小测之类的。差不多就是辅助的功能吧，而且&b&如果真的遇到好的助教，他们甚至可能会比教授讲的还&/b&要好。&/p&&p&&b&5. 美国学生的阅读压力一直都很大，你感觉伯克利的学习压力大么？是不是有很多作业都要阅读，写paper？&/b&&/p&&p&我觉得&b&压力还是蛮大的&/b&，而且这个压力不仅是在文科的课，在理科的课上有所表现。比如我在上些数学课时候他我要要求课前先去预习吧，所以这种情况有时候会要读很久很久书。文科课的话，举个例子，他们会&b&每周或者是每天都要布置reading&/b&，一般情况下，每天大概读10页，然后每三天读够二十页左右。&/p&&p&&b&校园生活&/b&
&/p&&p&&b&1. 因为你大部分时间都在学校，你感觉学校伙食和住宿如何？伯克利那边会不会生活花费特别贵？&/b&&/p&&p&我认为&b&伙食还是挺不错的&/b&，有好几个食堂，每个食堂做的东西都不太一样，比如cafe 3是专门为素食者准备的。校园内咖啡馆也非常多，很适合在下课的间隙吃个午餐，或者去图书馆学习前吃点东西果腹。&b&学校周边也都是吃的&/b&，比如走路两三分钟就可以到一个叫Asian Getto的地方，那里汇聚了很多东南亚美食，包括韩餐、日料、中餐、和泰餐等。离的很近的downtown和旧金山美食就更多了，有不少好吃的日料，还有chinatown，可以吃到广东早茶、北京烤鸭、煎饼果子、火锅之类的。&/p&&p&&b&2. 交通情况如何？去其他地方方便么？&/b&&/p&&p&还是挺便利的。学校会在&b&入学的时候给新生发一张交通卡&/b&，可以凭那张卡免费坐berkeley本地的公交，极其方便。而且用这张卡从学校可以直接坐地铁到繁华的旧金山市区和机场，大概半个小时左右，每趟五美刀。娱乐逛街美食啥都有，Moma现代艺术馆还经常有很厉害的展览，或者可以偶尔去奥克兰看个演唱会，去每个周末都可以去欣赏艺术，劳逸结合。&/p&&br&&p&&b&最后，对于考虑申请伯克利的学弟学妹，你有什么个人的建议供他们参考？&/b&&/p&&p&觉得申请的话，只要&b&满足学术水平&/b&上的要求还有&b&展现自我个性&/b&应该是没有特别大问题。然后，至于伯克利的话，我觉得这个环境应该算是相当不错的，就是除了良好的学习氛围，有意思的校园文化。我觉得他给了很多独特的体验和机会，可以说是增强了我的独立性吧！除了知识收获之外。所以我觉得这个&b&环境是挺不错&/b&的啊，希望学弟学妹们都过来申请啊。&/p&
下面这段对话是一个加州伯克利的学生在我们讲座群做的分享，可做参考！———————————————————————————————————————————1、说完申请，我们聊一下你在伯克利的学习和生活。虽然都知道伯克利是公立强校，人数多，但…
在读MFE2017小菜鸟一枚自告奋勇来答题。望各位前辈和学长轻喷。&br&&br&1. &b&课程&/b&：每两个月一学期，学期间有一周假期。每学期3门课（共8学分），每门课周周有作业（不过还大多数作业是4人小组交一份）。从第三学期开始可以选electives，也可以拿group projects换学分。&br&&br&2. &b&就业&/b&：1年的项目自带3个月实习。申请实习的过程从开学前就开始了（今年有2位大神还没开学就被Citi quant trading place了）。提供实习机会的公司分成三部分：Sell-side (e.g. MS, JP, GS, Citi, CS, DB...), Buy-side (e.g. Citadel, SunTrading, Cutler...), 和Tech companies (e.g. Uber)。&br&&br&&b&8/3/16更新：&/b&最新的placement出来了：&a href=&///?target=http%3A//mfe.berkeley.edu/careers/placement.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Placement Reports, MFE Program, Berkeley-Haas&i class=&icon-external&&&/i&&/a&&br&亮点很明确：Citadel, State Street, Millennium. 的确深深感觉的到这个program在把focus往reach-able 的Buy-side靠拢。&br&&br&3 .&b&生活&/b&：学长们都纷纷表示：在MFE的一年中，实习是最轻松的。目前我的处境基本每天就是家，学校，食堂三点一线。目前的第二学期俗称&Killer term&，争取能够顺利存活下来。
在读MFE2017小菜鸟一枚自告奋勇来答题。望各位前辈和学长轻喷。 1. 课程：每两个月一学期，学期间有一周假期。每学期3门课（共8学分），每门课周周有作业（不过还大多数作业是4人小组交一份）。从第三学期开始可以选electives，也可以拿group projects换学…
应该是统计机器学习老大吧。NIPS就是他及他弟子搞的。&br&做这种人的博士，要么毕业后也大牛，要么毕业直接废了。据朋友说，他对学生基本放&br&养，不管学生，太忙，也没时间管。(这其实是大牛的共性)。只给学生一个非常泛的课题，剩下的自己去搞吧。但由于他学生个人能力都特强，可以自己做出突破，所以大多毕业产出都不错。他一个博士在博士论文致谢中写到“感谢乔丹在我一开始读博就放弃了我，对我不闻不问，让我不得不提高自己独立思考能力，独立科研能力”来讽刺乔丹。&br&朋友选过他的课，说他的统计理论功力很深，对经典的统计理论有非常深入的见解。&br&八卦：他工资是伯克利统计系，CS里工资最高的。工资网上可查，在这不贴了。
应该是统计机器学习老大吧。NIPS就是他及他弟子搞的。 做这种人的博士，要么毕业后也大牛，要么毕业直接废了。据朋友说，他对学生基本放 养，不管学生，太忙，也没时间管。(这其实是大牛的共性)。只给学生一个非常泛的课题，剩下的自己去搞吧。但由于他学生…
&p&&strong&Kira&/strong&：Sylvia是Kira在美国最早的房东之一，是一个温柔美丽的工科女博士。她在高贵的Haas商学院当助教，见识了不少“苟利国家生死以，岂因祸福避趋之”的优秀学生，因此将自己的感受和大家分享。&br&&/p&&br&&p&我（Sylvia）是UC Berkeley某工学院的Ph.D.学生，同时修过一些金融方面的课程。上一个暑假，我伯克利Haas商学院全美最好的金融工程硕士项目（MFE，即master of financial engineering)当GSI，也就是助教。应kira邀稿，来和大家分享一下作为一个GSI观察到的MFE现况。&/p&&p&&img src=&/50/v2-dff96a943c025fa1e6843c_b.jpg& data-rawwidth=&640& data-rawheight=&194& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/50/v2-dff96a943c025fa1e6843c_r.jpg&&伯克利Haas商学院，作为商学院有四位诺贝尔经济学奖得主，包括大名鼎鼎的Oliver E. Williamson（《公司的性质：起源、进化和发展》、《资本主义经济制度》的作者，2009年诺贝尔经济学奖得主）&/p&&br&&p&众所周知，Berkeley的MFE是全美顶级也是最难进的MFE program之一，设在Haas商学院里，为期一年，没有奖学金，只有春季入学，每年招60到70个人。校友网络非常强，毕业后的placement也算是北美MFE项目中最好的之一。&br&【Kira注：伯克利的MFE项目就业持续位居同等项目第一，毕业生以去投行量化交易部门为主。】&img src=&/50/v2-842c27eaeb1ba25f79cd6_b.jpg& data-rawwidth=&640& data-rawheight=&136& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/50/v2-842c27eaeb1ba25f79cd6_r.jpg&&&/p&&br&&p&我教的这一届学生中国际学生人数非常多, 69个学生中，只有不到10个美国人，有大约一半是中国人，将近10个印度人，还有一些欧洲南非以及其他东南亚国家的学生。&strong&这些学生的背景都很优秀，超过一半人拥有硕士以上学位，有些人甚至拥有2到3个硕士学位，有10个人有博士学位&/strong&。学生的之前的专业通常是quantitative science 如engineering, computer science, math, stats, economics etc. 数学好编程好都会非常有优势。&/p&&br&&p&&strong&他们普遍非常努力&/strong&，从作业的质量上能看出来，从内容到排版普遍都做的很好，同时也非常aggressive, 考试后为了一些小分能和我争论好几个回合，来回email十几封的大有人在，会从各种角度找出论据说明他为什么应该多得几分，甚至有一次一个学生为了一道题与我和教授一直争论到晚上10点。 MFE本身是个非常quantitative的学科，但是我教的这门课却并不如此，有很多qualitative的内容，对于这种困境更是雪上加霜。期中考试后一周我为了这种regrading request焦头烂额，要在保证公平的基础上仔细衡量各种各样的错误答案应得的分数实属不易。站在学生的角度想也情有可原，MFE的所有课程成绩都是要curve的，平均只能给到B+，这种情况下，即使是你考了99分，如果别人都考了100分，最后也只能得到一个不尽如人意的成绩，在全班中的名次才是最重要的。所以有很多学生会为了1分2分的差异争很久，就为了能多超过一个同学。&/p&&br&&p&&strong&况且MFE这个项目中成绩很重要&/strong&，很多公司来招实习的时候会只看GPA在某条线上的简历，对于最后找工作的重要性更是不言而喻。能进入MFE这个项目的，一般上进心本来就很强，习惯了当top students，而且这个项目的节奏也非常紧张，一年之内要学16门课，找实习做实习，最后还需要找工作，这种氛围下学生表现的aggressive也情有可原了。（有时候还会过于aggressive, 我在监考的时候发现MFE的考试是全场录像的，我问和我一起监考的MFE office staff这是为什么，她告诉我有时候考完了会有学生指责他人作弊，没有录像的话就非常难处理。 有了录像之后，他们就会调出录像从头到尾把学生的行动看一遍，但其实大部分情况下被指责的学生并没有什么异常举动。）&/p&&br&&p&必须要指出这只是我作为一个GSI的感受，站在一个学生的角度来看可能截然不同。比如我一个学生曾经对我说，她觉得她的同学都非常谦虚，即使他们都非常优秀，但是毫不自傲也很乐于帮助别人。&/p&&br&&p&我在课程结束后问过几个学生他们为什么会来berkeley MFE项目，得到的答案大同小异，主要有以下几个方面：&/p&&p&1. 时间短（一年），相应的花费就少（~100K）。&/p&&p&2. 毕业后的placement好，很多大的银行和基金来招人。&/p&&p&3. 校友网络广且团结，有很多和校友接触的机会，也很愿意帮忙。&/p&&br&&p&说的直白一点，这是一个非常time-effective和cost-effective的项目，通过这个项目找到的工作与之前的薪水差距很大，学费能很快的挣回来。&/p&&br&&p&在教书过程中我也了解了一些招生的情况，我所了解到的MFE入学标准：&/p&&p&1. 学校成绩，工作情况&/p&&p&2. 沟通能力&/p&&p&3. 能不能最终找到好工作&/p&&br&&p&&strong&最后一点是最关键的，Berkeley MFE非常重视placement, 可以说是placement-oriented&/strong&。有学生说入学终极标准就是MFE office能不能最终把你sell出去（所以通常对于工科学生和年轻一点的学生，MFE会让他们在入学之前考CFA 1）。所以有数学背景的，有quant experience的，或者是有很强编程能力的，会有优势。这种风气带来的好处是学生并不太需要担心找工作的问题，MFE office 工作的重点之一，就是为学生联系各种实习和工作机会，用staff的话来说，就是we try our best to sell our students。&/p&&br&&p&MFE program每年的学生组成都会略有不同，比如今年的学生普遍比较年轻，很多只有不到两年的工作经验，而去年的普遍年龄较大。国际学生比例变化也很大，传言是因为国际学生报考数量和上一年此国学生找工作的质量正相关，如果上一届印度学生工作找的好，下一届印度学生报考人数就会多。同时MFE office也会根据市场情况调整招生的侧重点，如果他们觉得明年市场上会大量需要某种类型的人才，就会多招有此类背景的学生。&/p&&br&&p&&strong&总的来说，根据我观察到的情况，Berkeley MFE还是一个很不错的项目，有世界一流的教授和非常优秀的同学&/strong&，就业情况也很好。对于有志于在金融方面大展宏图的同学还是很推荐的。&/p&&p&搜索“&b&Kira_Research&/b&”关注我的公众号“Kira的研究中心”，更多精彩内容&br&&/p&&img src=&/50/v2-bd9b14db636cce46f10aba81942b67fe_b.jpg& data-rawwidth=&258& data-rawheight=&258& class=&content_image& width=&258&&
Kira：Sylvia是Kira在美国最早的房东之一，是一个温柔美丽的工科女博士。她在高贵的Haas商学院当助教，见识了不少“苟利国家生死以，岂因祸福避趋之”的优秀学生，因此将自己的感受和大家分享。 我（Sylvia）是UC Berkeley某工学院的Ph.D.学生，同时修过一…
&img src=&/50/5a80d39ffe41a5c0d851_b.jpg& data-rawwidth=&500& data-rawheight=&205& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/50/5a80d39ffe41a5c0d851_r.jpg&&&p&最近一段时间，来跟我咨询金融工程的同学挺多的。甚至有个学生就想去只想去加州伯克利读金工。这一片赤诚之心，我不知道感没感动伯克利，反正我已经被感动了。&br&&/p&&p&不过，其他学校的金融工程也就算了，加州伯克利的金工不是你想读，想读就能读的。 &br&&/p&&p&加州大学伯克利分校，不管是从美国的排名上讲，还是世界大学的排名上看，都是名校中的名校。也是雄踞于美国西部，仅次斯坦福大学，跟东北部的常青藤对峙的并且傲视群雄。这所以理工科见长的学校，金融工程却是在商学院里，(⊙o⊙)…好吧，在商学院里的情况也是挺多的。以下这段摘自百度百科。感谢这位作者。微笑脸。&/p&&p&哈斯商学院（Haas School of Business）成立于1898 年，它的前身是商业学院 （College of
Commerce），其成立的宗旨是为了服务太平洋沿岸的商务活动，所以学院从成立起就很重视对亚洲其他国家的研究和交往。1989年，商业学院被改名为
哈斯商学院，是以&a class=& wrap external& href=&/?target=http%3A///item/%25E6%25B2%%25B0%%%25C2%25B7%25E5%E6%2596%25AF& target=&_blank& rel=&nofollow noreferrer&&沃尔特·哈斯&i class=&icon-external&&&/i&&/a&（伯克利校友、&a class=& wrap external& href=&/?target=http%3A///view/1082651.htm& target=&_blank& rel=&nofollow noreferrer&&李维斯&i class=&icon-external&&&/i&&/a&公司前董事长） 来命名的
。依托加州的强大财政支持和西海岸的优秀商业环境，再加上旧金山的亚太商贸枢纽地位，哈斯商学院现在已经成为美国最顶尖的商学院之一，它在金融，国际商务，非赢利机构管理，创业等方面颇具特色。在2016年的US News全美最佳商学院排名中，哈斯商学院高居全美第七，兼职MBA
（Part-time）项目更是位列全美第一。此外，哈斯商学院的金融工程硕士（MFE）项目更是被誉为全美最好的金融工程项目之一。&/p&&p&说这个学校的金工项目好与坏，全看将来的就业情况。通过往年的数据统计，我发现，真真是极好的。学校每年录取68个人，然后100%就业率。该项目
学校是帮助安排和寻找实习的。实习期间的工资已经完虐其他学校了。每月平均8000美金，这还是实习。毕业后找工作，平均年薪15万美金。我滴天啊（小岳
岳脸）！这还是第一年的薪资。不久之后升职加薪,当上总经理,出任CEO,赢娶白富美,走上人生巅峰!想想就替你们感到小小的激动呢！&br&&/p&&p&伯克利的金融工程项目时长1年。只有春季入学。3月1号开学，现在网申还开放着，想要申请的童鞋，抓紧了。总共4轮截止日期，最早的1月13号截止，最晚的截止日期就是10月3号。但是因为开学的日期是春季，所以应届毕业生申请不了，除非是你可以考虑延迟半年申请，好饭不怕晚，这样的优质项目还是值得等待的。值得一提的是，该项目是不能直接转博士的，要想读该项目博士，只能重新申请。&/p&&p&伯克利金工的特点就是比较重视工作经历综合素质和实践能力，对一些细节的东西不是很在意。例如雅思7分，托福90分以上。免掉托福条件也是非常简单的，如果你在美国全日制学习满一年，并且均分在B级以上，你就可以不用考托福。对于中国来讲，如果你是在香港区域英语教学的学校里，例如港科技或者城市大学之类的，也可以不用考托福。&/p&&p&GMAT或者GRE都可以接受。数学部分的要求至少要在90%以上。语文成绩越强越好。该成绩基本没有豁免情况，但是如果你有博士学位，再去读硕士的时候，就可以不用考啦！（这种情况挺少见啊）&/p&&p&另外，伯克利的金工也需要很多先修课。在计算机编程方面最低也得会一个C或者C++吧；线性代数，概率，统计类的课程能多修就多修；数学工具MatLab, Mathematica,
MathCad之类的不会你还能好意思申请？英语类的听说读写也得厉害一点才好；工作经验这块之前已经说了，它比较喜欢有工作经验的，但是也能不拘小节，如果你其他方面特别（重读）优秀，没有工作经验的 人它也录取过。如果在学术上，你不是惊为天人，还是乖乖该实习的实习，该工作的工作吧。&/p&&p&另外一点学生比较看重的学费问题——学费加生活费的话，10万美金。而且国际生没有奖学金！！我就问你害怕吗?!今天刚看到一个新闻，说是人民币要贬值，这可能对于很多家庭来讲都是鸭梨山大，不过想想毕业之后的薪资，还是有很多学生希望去的！&/p&
最近一段时间，来跟我咨询金融工程的同学挺多的。甚至有个学生就想去只想去加州伯克利读金工。这一片赤诚之心，我不知道感没感动伯克利，反正我已经被感动了。 不过，其他学校的金融工程也就算了，加州伯克利的金工不是你想读，想读就能读的。 加州大学伯克…
已有帐号？
无法登录？
社交帐号登录
1942 人关注
509 条内容
5785 人关注
256 条内容
19511 人关注
6898 条内容
235 条内容
148 条内容清华大学计算机学科顾问委员会成立清华新闻网9月30日电（记者 李婧 摄影 常志东 杨艳宾）9月30日上午，清华大学计算机学科顾问委员会（以下简称&顾问委员会&）成立仪式暨第一次会议在主楼接待厅举行。中国人民政治协商会议第十二届全国委员会副主席、顾问委员会主席陈元，清华大学校长、顾问委员会副主席邱勇院士，图灵奖获得者、清华大学交叉信息研究院院长姚期智院士出席,仪式由清华大学计算机系主任、顾问委员会秘书长吴建平院士主持。陈元在会议上讲话。陈元介绍了顾问委员会的筹备情况。在两年多的筹备期，顾问委员会的组织结构、使命任务、委员邀请、运行方式等经多方商讨，得以确定。顾问委员会委员涵盖知名学术大家、大师，清华计算机学科杰出校友及国内外产业界领军人物。陈元表示：&我会带领委员会承担好为计算机学科发展提出战略性建议的使命，为清华大学建设世界一流大学、清华计算机学科建设世界一流学科贡献力量。&邱勇在座谈会上讲话。 邱勇对顾问委员会成立表示衷心祝贺，对陈元主席对学校改革发展、学科建设的支持表示感谢。邱勇指出，计算机科学是当今最活跃、发展最迅速、影响最广泛的领域之一，对创新产业形态、推动经济社会发展发挥着重要作用，其技术和应用水平已成为衡量一国综合竞争力的重要标志。清华大学始终高度重视计算机学科的建设，通过60多年的发展，计算机学科得到了长足进步，取得了一系列突出成果，培养了一大批优秀人才。邱勇说，清华大学正在深化综合改革，努力提升办学质量，进一步提升国际影响力。2016年，学校推行全球战略，全面推动与国际一流大学、科研机构和企业的合作。计算机学科是清华的优势学科，希望计算机学科进一步提升学术研究水平，进一步提升人才培养质量，进一步拓展国际合作水平，使学科整体实力再上一个新的台阶。基于此，学校决定成立计算机学科顾问委员会。邱勇表示，清华大学将对计算机学科发展给予持续有力的支持，希望各位顾问委员会委员对学科发展积极发表意见和建议。他最后说：&我相信，通过大家的共同努力，清华计算机学科一定会百尺竿头更进一步，成为全球领先的一流学科。&成立仪式上，邱勇宣读了顾问委员会名单，并为陈元颁发顾问委员会聘书。陈元为邱勇和姚期智颁发聘书，并和邱勇一同为到场的顾问委员会委员颁发聘书。邱勇为陈元颁发顾问委员会聘书。在随后召开的顾问委员会第一次会议上，全体委员审议了顾问委员会章程，并就计算机学科发展进行了热烈讨论。委员们表示，清华建设世界一流的计算机学科，就要建设一流的教师队伍，培养一流的学生，使学科发展具有广阔的空间和潜力。大家还就如何建立适合学科特点并与国际接轨的学术评价机制、如何整合清华相关科研单位建立整体协调的学科发展模式、如何结合市场需求和宏观规划确定学生规模等方面提出了一系列战略性建议。顾问委员会会议现场。本次会议为期两天，在已经进行的顾问委员报告环节，来自加州大学伯克利分校的迈克尔·乔丹（Michael I. Jordan）院士和麻省理工学院的弗朗斯·凯斯霍德（Frans Kaashoek）院士分别以&计算思维、推理思维与数据科学&&保证缓存安全的文件系统&为题作了特邀报告。清华大学计算机系副教授李国良、助理教授翟季冬、副教授朱军，网络科学与网络空间研究院教授段海新，软件学院副教授高跃，交叉信息研究院副教授金奇奂等优秀青年教师也分别做了科研工作报告。顾问委员们还与计算机学科的师生交流座谈，并参观了校史馆。编辑：徐静 田心a 当前位置：
Michael I. Jordan：我们并非处于人工智能的大爆炸时代
&Michael I. Jordan o 　来源：混沌大学　E298
本文由混沌大学(ID：dfscx2014)授权转载。混沌大学是一所没有围墙的互联网创新大学，遍邀全球名师，拓展认知边界，奉献最专业、最实用、最顶级的互联网创新课程，陪伴这个时代最有梦想的人，早半步认知这个混沌的世界。
现今的我们，并非处于一个人工智能的神奇大爆炸时代。
在人工智能成为炙手可热的话题之后，前百度首席科学家吴恩达的导师、被誉为人工智能领域的&根目录&之一的Michael I.
Jordan教授希望能通过自己的课程让人们更准确地认知AI领域。
*以下根据Michael I. Jordan 9月9日在混沌大学的课程《人工智能-机器学习：观点与挑战》整理而成。
授课老师|Michael I. Jordan
加州大学伯克利分校教授、美国三院院士
目前，人们讲到人工智能和机器学习，可能还是觉得它很复杂。
事实上，当你听过我的课程，就会发现，关于这个话题，有很多还停留在概念性、战略性的阶段。当然，也有一些投入实际应用的技术，但这背后的理论，还是非常基础和简单的。
人工智能与机器学习，其实还远远不是一门基础扎实的工程学科，它并不能为现在用数据分析问题提供强大且可拓展的解决方案。
因此，我们并不能将人工智能与机器学习的发展简单理解为一个神迹，如同高楼非一夜而起，它是必须要经历长时间的发展的。
大家首先要意识到，在这一领域，我们仍处于非常初级的阶段。很多事情我们还不了解，现今的我们并非处于一个人工智能的神奇大爆炸时代。
可以说，我们有可能要花上百年的时间，这个高楼大厦才能真正地建立起来。
准确认知人工智能的现在与未来
目前的智能系统还无法做到对场景的常识理解;
我们不太可能看到所谓的&超级人类AI&。
抛弃那些外界的宣传，我们需要实际且准确地理解人工智能。我们来讲，目前的人工智能有哪些可能性，以及，哪些技术还没有实现的可能。
　计算机视觉
可能：在可视场景中标记对象
目前尚无可能：对视觉场景的常识理解
比如，一个会议室的摄像机，把它连接到电脑上后，让它区分哪些是人脸。在目前，人工智能也许可以标记对象，但却不能理解这个场景。
作为人类，我知道这个会议室有很多人，出口在哪里，我要小心台阶不能掉下去。这是我的常识性理解，但计算机是做不到的。
可能：多语种语音到文本和文本到语音的转换
目前尚无可能：对听觉场景的常识理解
我的声音可以通过话筒接到电脑中并转化为文本，转化为语音。但如上所述，电脑并不能对文本背后的常识进行理解。
人们可以马上理解一个很复杂的句子来预测下一步行动，但计算机做不到。
自然语言处理
可能：最低限度的翻译和问答
目前尚无可能：语义理解、对话
自然语言中有很多东西，机器是做不到的。机器只能死记硬背，却没有办法真正地回答问题。
当你和电脑交流的时候，它可以回答你&中国最大的城市是哪一个&，那是它通过&中国&、&城市&、&最大&这三个关键词，在百度搜索的答案。
但如果你的问题是&中国不在河边的第二大城市是哪一个&，电脑给你的答案一定是对你一点用都没有的。因为在此之前可能从来没有人做过这个问题的相关数据，没有这个问题答案的数据列表。
但在未来的十年，上述被列为&尚无可能&的部分，将至少可实现基本形式。
十年，就技术而言，是一个很长的时间窗口了。事实上有一些技术已经开始出现，只是目前在比较原始初级的阶段而已。
比如自驾车以及自驾式空中出租车，它们还是会出现的。尽管不会是超级智能，但肯定会越来越好。
但请注意，人工智能系统仍然是非常有限的智能系统。我相信，我的AI同事们也会赞同我的观点：我们不太可能看到和人有同等智力的灵活性与创造性的AI系统。
首先，人类每时每刻都在以新的方式思考怎样用新的语言来表述，就像我现在讲的每一句话都是有创造性的，我在讲话中可以不断讲新的内容以及新的理念，使用隐喻、反讽等修辞。
在现实中，AI系统还做不到。AI可以帮你做一些基础工作，比如帮你在网上订一张票，但是它无法和你谈人生。
此外，人类还非常善于做新的抽象推理。
比如，&Blank从上海走到杭州只花了3个小时&。作为人类，你会做很多推理：Blank会移动，而且从上海走到杭州只花了三个小时，它的运动速度一定很快。那么，你会针对Blank问很多问题。
但AI系统就做不到，它需要反复、重复用海量的数据才能得出一个答案。
最后，人非常擅长计划和规划。而AI系统只是擅于捕捉目前的数据，而不可能对未来做出一个长期的、有条不紊的规划。
很多人在讲&超级人类AI&，这类人一定没有在AI领域工作过，他们根本就不知道AI领域中存在的技术问题有多难。
AI系统可以知道世界所有的城市、餐厅、电影院，然而它也只知道这些事实而已。
所以，我不相信所谓的&超级人类AI&，也不相信AI会比人更聪明。
人们觉得AlphaGo很厉害，是因为觉得一般玩围棋的人就很聪明了，那能打败玩围棋的人肯定更聪明。
这是有误解的。人知道怎么还贷款，上什么学校，怎么和同伴做智慧交流，这些事都是AlphaGo做不到的。
其实，AlphaGo只是通过无数对棋盘的模拟，非常机械地、不断重复地复盘，十几亿、几百亿次地进行学习。这背后没有什么创造力，只是无数次的重复工作。
所谓的&智能&，是我们根据参数汇集起来的数据算法，它们只能复制、模仿、模拟人类的行动，而不是真正的智能。说到底，相比我们真实的世界，围棋的复杂程度要低很多，因为真实的世界充满不确定性。
我觉得，有生之年不会出现这个奇点了。
传统的机器人算法不能适应未来
传统单一机器人的算法并不能应用于未来的智能城市构建;
甚至在今天，传统的机器人问题也没有得到很好的解决;
相比过去的工业革命，人工智能带来的事业浪潮将会比过去进程快三倍;
那么，什么是值得大家担心的呢?
我前面讲到，所谓的超人类智能系统，我们是不应该担心的。而正好相反的是，看似智能，实则不够智能的这些系统，却是值得我们警惕的。
很多媒体提到AI的时候，讲到的是视觉、语音的方面。但我们未来涉及到城市规划、推荐系统、医学诊断等，都不再是传统单一机器人的问题。
这是完全不同类型的问题。
一个机器人的某一错误我们是可以控制的。比如，机器人走到舞台边缘，探测到下面将有一个高度落差，它会知道停下来。
但如果是一系列问题呢?又或者，是很多机器人一起呢?
如果大楼发生火灾，这个机器人就不会知道该怎样逃出去。因为，这是一系列的决策，涉及到你从哪里转移到哪里，还需要和其他人的合作。
比如，大家都从同一个逃生通道出逃，就会出现堵塞，那么，就要选择换其他的道路。在这种情况下，机器人是做不到的，这样的算法是非常难的。
如果你用过去传统的机器人研发算法去应用到城市规划建设等领域，就会出现很多无法解决的重大问题：
NO.1：大规模多重相关决策的错误控制
搜索引擎给你一个错误的推荐建议，如果没有人因此死亡，就不会出现什么大错漏。顶多你会觉得这个搜索引擎不好用，再换一个就完了。
但假设这个推荐是医疗诊断意见呢?如果这个意见出现错误，那真的是会出人命的。而且，我们已经看到这件事情的发生了。
即便是在金融服务领域，一旦出现错误，也可能会引发市场的大动荡。交通也是如此，如果连公交走向都出现问题，就极有可能发生车辆碰撞，整个城市的交通陷入瘫痪。
因此，一旦扩大到这些领域，我们就不能再以传统应用到单一机器人的算法去做这种大规模的事情，必须要有新算法。
但事实上，在这一点上，我们远未达到。目前，我们所沿用的思路都是比较传统或通用的，并没有意识到在这个层级上还需要做很多事情。
NO.2：如何在竞争环境中共享数据
很多公司手握数据，却不愿与人分享。
假如，有一个黑客找出了新的办法来骗钱，他针对了某一家公司A。那么，A公司就会从这次欺诈当中学到新东西，可以未来避免同样的情况。
但因为当初的攻击只针对了A公司，其他的公司并不知道，因此也就不知道如何改进自己的系统了。
表面上看，A公司只把这个技术掌握在自己手里，让其他人学不到，这好像有点自私。因为，他没有从整个行业的角度去考虑问题。如果这家公司把这个数据分享给所有人，整个行业就可以一起改善这个算法。
但现在大家都不愿分享，其实一方面是技术原因，一方面也是法律的原因。
NO.3：大规模的云端互动
大家都在谈云计算，所有的东西都在云上，让人们感觉到非常便利。
但这些智能设备，并不是云设备，而是端设备。
事实上，我们未来将要接触的设备，都会是所谓的端设备，它们没有时间将数据上传到云中。如果你和机器人的每一次对话都要上传到云，就会导致速度跟不上。
比如，汽车做智能，&我在这里到底要不要转弯&这样的问题，是不可能每一次都实时和云进行交互的。
因此，要把端设备和云连接起来，还要实时交互，这两者之间是存在极大挑战的，我们现在也不知道该怎么做。
NO.4：如何实现公平，保证品质、保持多元化
收集大量的数据并没有问题，但这些数据是可能产生偏差的。
比如，你出于某种原因不喜欢某类人而没有把他们纳入你的样本，但以这样的样本去做预测其结果本身就是存在偏差和偏见的。
NO.5：稳健性和安全性问题
我们在报纸上经常讲到所谓的超级AI，发生了某种革命。
但请记住我今天讲的话：很多技术还远远不能实现，很多问题还有待解决。
比如，无人驾驶车怎样确保在所有气候条件下，在所有的路况前提上，每一台车都可以保证安全驾驶呢?这其实也是一个极大的挑战。
甚至在今天，传统的单一机器人，也仍有很多问题没有解决。
还有失业浪潮。每一次工业革命，都有很多人会因此失去工作。但值得注意的是，过去的失业浪潮是花费三五十年完成的。但接下来，很多工作可能在5-10年内就会被完全取代，这是一个新的趋势，贫富差距也会随之进一步拉大。
并且，人工智能可能会被居心叵测的人滥用。AI本身不存在邪恶与正义，主要还是看它被谁利用。比如，我们现在的网络安全就是一个很严重的问题。
现阶段人工智能的商机
United Masters：用数据分析打造新市场，换取新的商业模式;
Jibo：开放机器人学习的应用平台，聚焦家庭;
蚂蚁金服：应用大数据，连接客户与商户两端。
我想向大家介绍三家公司，我也是这三家公司的科学顾问委员会的委员，因此有更多的信息分享。
United Masters
这家公司是专门做音乐作品的。
事实上，音乐市场在几十年前是为几十家大公司所控的，它们会签几个音乐歌手，然后在市场上大规模推广。而作为消费者，你没什么选择，也就那么几个作曲家和歌手。
但你看现在的音乐市场，已经并非仅限于几位少数的歌手了。在网上，有很多音乐人才，他们会在网上播放自己制作的音乐视频，也会有越来越多的人听他们的音乐。这和以前听音乐的人数相比，达到了一个全新的数量级。
问题是，这些歌手没有一个很大的商业市场，在市场上最受欢迎的音乐，一般还是大公司做出来的。
United Masters的目标，就是希望有更多的人从事自己所喜欢的音乐创作，并可以以此为生。
这家公司怎么实现这一目标呢?就是连接数据，用数据分析。
比如一个年轻的音乐人，他写了很好的歌，有几万名死忠粉。但其实他本人并不知道自己有这么多追随者。
谁知道这个数据呢?网站，比如微信。
Masters就会把这个数据拿过来，告诉这个歌手，你的粉丝有多少，分布在哪里，接下去可以做什么。比如，你可以去粉丝多的地方开演唱会。
而且，这家公司还会告诉你如何针对自己的粉丝去打造一些产品。
比如，有个粉丝要来这个歌手北京的现场演唱会，那么，歌手可以给这个粉丝一个VIP后台通行证，让他可以到后台见面。很多粉丝是很看重这种和偶像亲密接触的机会的。
所以，通过这些数据的汇总，就可以创造出盈利模式。只要有人对这些数据感兴趣，就可以获取这些数据。因此，慢慢地，这家公司的口碑就建立起来了。
这就是非常好的商业模式&&通过一个小的数据交换。传统的唱片公司对歌手的抽成要到85%以上，但对于UnitedMasters来说，它只抽10~15%，就打造了这样一个全新的市场。
这家公司做家庭机器人很多年了。未来10~20年，我们每个人家里可能都会出现一个家庭机器人。
目前，很多人还是把家庭机器人当作玩具，它们在家里走来走去会发出很有意思的声音，但真正时候帮助到人们的生活，现在还是很少。但是，所谓的家庭助手或者家庭秘书，却是不一样的。
Jibo三年前推出了一个机器人，长得很像手机。但是它会跟随你，像眼睛一样看着你，给你拍照片。你可以对它说：Jibo，今天晚上我要在家里开派对，你帮家里的人们拍照片好吗?
Jibo就会给你拍照。它还会跟你说看这儿、看那儿，可以把整个派对的影像资料保留下来。
这听上去是一个很有意思的应用，但要把它打造成一个规模性的应用还是很难。三年后，这家公司终于感觉找到了方向，推出了一款新的家用社交机器人。
这个机器人拥有电子眼睛、耳朵和声音，可以捕捉照片、视频通话，也可以做提醒、订餐、发送邮件等这些辅助工作。它是一个开放式的平台，可以让人们不断开发新的应用。
这和手机上的应用是不同的。手机的应用并非机器学习的应用。但这中机器人的平台应用，会进行适应性的调整，进行自我学习。
而Jibo肯定不是唯一一个往这个的方向努力的公司。
我相信可能在中国、日本也是会对这种机器人非常感兴趣。
蚂蚁金服在中国发展非常迅速，我现在是蚂蚁金服科学智囊团的主席。他们也是中国首家有这么一个科学智囊团的组织，他们希望智囊团可以帮助这家企业把握未来的方向。
这家公司比我所知道的任何一家西方公司成长都要快。
美国还是一个信用卡加现金的社会。尽管美国有一个Paypal，与支付宝有点类似，但是它的规模也不过是支付宝的十分之一，并且也不是所有人都在用。
也许是受益于中国没有信用卡这个产业的束缚，使得支付宝一下子实现了移动支付的巨量增长。蚂蚁金服手握大量的数据，它知道你买了什么，了解很多关于你的个人信息。
它使贷款变得前所未有的容易。这不是表面上你在手机上按一个键说&给我钱&这么简单，其背后蕴含着大量的机器学习。这涉及到机器学习中的&欺诈监测&：如果你很简单地让人们贷到款，很多人是会来骗你的。
总结：人工智能的商业模式，是要创造一个市场，而非一个算法
传统的推荐，都是针对个人。
但这里的问题是，如果有一家很好的餐厅，它被推荐给很多人，那么大家都跑到这家餐厅去，就需要排长队，人们的体验就会很糟糕，反过来给差评和抱怨。
如此，整个系统就开始崩溃，形成恶性循环。
你必须要去创造一个市场，而非一个简单的算法。
比如，在APP上面，不仅仅是向客户推荐某一家餐厅。除了让客户看到自己附近有什么餐厅之外，你还要让餐厅看到自己今晚可以供应多少食材，我今天接了一场婚宴之后，还剩下多少个散客的位置。
甚至，你可以了解一下旁边的竞争对手餐厅，他们有没有满座。如果旁边满座了，那么对我而言就是一个机会，我可以打折吸引更多的人流到的餐厅。
你要结合客户和商户两端的需求。
这不仅是一个应用的事情。现在很多公司已经着手在研究这方面的工作。当然，这个过程要充分考虑人们不同的喜好和需求，要掌握大量的数据。
本文来源前瞻网，转载请注明来源！（图片来源互联网，版权归原作者所有）
广告、内容合作请点这里：
前瞻网官方微信
发现趋势，预见未来！
前瞻产业研究院
如何抓准行业的下一个风口？未来5年10年行业趋势如何把握？扫一扫立即关注。
相关阅读RELEVANT
文章评价COMMENT
还可以输入<em class="orange" id="emCmtLen" maxlen="个字
网友评论仅供其表达个人看法，并不表明前瞻网同意其观点或证实其描述。
前瞻产业研究院
Copyright (C)
深圳前瞻资讯股份有限公司 All rights reserved. 　 　增值电信业务经营许可证：}