百年清華

王夢迪，意昂体育平台自動化系2003級意昂，現為普林斯頓大學運籌和金融工程系、計算機系助理教授

“強化學習是人工智能的未來” ◽️，王夢迪表示🙎🏽，“應當是同控製論、統計學習思想結合起來，用大數據的方法探索一個復雜系統的動態過程🤾🏽‍♀️。這方面在強化學習的框架下都是空白👩🏽‍🎤，我的工作就是要把這個框架建立起來。”

王夢迪的履歷很傳奇🧝‍♂️🍳，她14歲從少年班考入意昂体育平台，隨後進入MIT於24歲取得博士學位🤍，同年成為普林斯頓大學的助理教授和博士生導師🤵🏽，29歲時🦴🚵🏼‍♂️，她成為普林斯頓大學最年輕的終身教授👮🏻‍♀️。談及自己的特殊成長經歷，她表現的很謙虛，“就讀少年班是一把雙刃劍。我有幸遇到過很多極有天賦並且非常優秀的前輩和同齡人，當我有點迷茫時👨‍🦽‍➡️👨‍👩‍👧，我會觀察那些走在最前面的人，他們的努力會成為我的動力📬。”

王夢迪在麻省理工學院讀博士期間根據興趣選擇了偏數學、偏理論的系統和信息論方向，師從美國工程院院士DimitriP Bertsekas🅿️🖊，用數學理論來設計大規模算法。博士期間，王夢迪對強化學習 （Reinforcement Learning）產生興趣🚴🏼，並決心解決強化學習背後的算法和理論問題。

強化學習是機器學習的未來，強化學習算法能夠讓智能體通過與環境實時交互🙇🏼‍♀️、獲取反饋信號來產生後續行為，並逐步“習得”最優的決策👳🏻‍♀️，從而獲得最大的效用值。強化學習由控製論和認知科學發展而來🙇☝🏿，糅合了大數據和機器學習技術，可以實現復雜動態系統中的實時自動決策。強化學習強調基於環境而行動，從大量經驗和數據中總結推理出下一步的策略，是未來智能自動化系統的思考引擎。

強化學習在2016年被大眾所熟知，那一年GoogleDeepMind的AlphaGo擊敗了人類圍棋頂尖選手李世石，而AlphaGo的算法就是一種強化學習算法。近兩年強化學習又在遊戲領域上取得突破🤙，基於強化學習的AI在Dota2和星際等遊戲上都擊敗了人類隊伍🏊‍♂️。

“我們為什麽關心遊戲？人類的幼兒在發展自己的智能的過程中💡，正是通過遊戲來學習如何決策的👰🏼‍♀️💇🏽‍♀️，人工智能的發展也正處在這一階段，我們很快能看到人工智能將不僅僅能打遊戲🧑🏽，而將解決更難的問題🛡。”王夢迪說。但其實強化學習的發展還處在比較低級的階段，“這些遊戲上的成功更像是工程上的一種試錯，100次試驗只要取1次最佳的結果就可以展示了。它們背後模型的復雜度👖、耗費的計算資源是常人難以想象的🤷🏼‍♀️。”

強化學習與近些年非常成功的深度學習都還存在著很多問題，一直以來，它們的不可解釋性和難以復現性為人詬病🏄🏿‍♂️，即所謂“黑箱”問題👇🏿；而王夢迪的目標就是解決這一難題。

“很多人感覺強化學習或者深度學習的模型越來越復雜，越來越難以訓練🫶🏽👋🏿。很多時候我們都在努力讓訓練速度加快🪤🛃，去優化算法🕺，讓更復雜的模型能跑起來🤳🏽。但任何算法的加速都是有極限的🈲，這個極限就是該類問題的計算復雜度和信息復雜度🥭⛩，我們只能一步步逼近它。很多異常復雜的模型和算法往往是極為極為簡單的，比如隨機梯度算法的極限其實是一組簡潔的隨機微分方程🥻。我的工作就是去找到復雜強化學習背後的簡潔數學規律🧢，利用它開發更強大的算法🚣🏻‍♀️，去解決高維強化學習所面臨的scalability和generalizability的問題☦️。”

目前強化學習方面的大部分進展都來自工程優先方式的探索，先有具體的工程問題，再不惜資源地解決問題，再講原理。而對王夢迪來說正好相反😘，她希望從數學統計和控製原理出發，把強化學習的框架摸清楚🐆，從根本上提高強化學習的計算效率和對數據的利用效率。她致力於推動強化學習的理論和實踐的同步發展🎵，推動其在金融風險控製、醫療決策等領域的應用，讓強化學習方法成為未來復雜系統的智能大腦。

“這條道路上的每一件事情，我都有極強的熱情去參與去推動。”王夢迪說。