人物小傳
邁克爾·I·喬丹出生於1956年，美國計算機科學與統計學家，現任加州大學伯克利分校電子工程與計算機科學系、統計學系教授。主要研究方向為人工智慧、生物系統與計算生物學、控制、智能系統和機器人、信號處理、機器學習等。
獲獎理由
真正的大神級人物是怎樣的？可能就是「大音希聲，大象無形」——他的貢獻無處不在，卻又難以具象言說。在人工智慧領域，美國計算機科學與統計學家邁克爾·I·喬丹就是這樣一位「大神」。今天，他因「對機器學習的理論基礎及其應用作出了根本性貢獻」，獲得首屆世界頂尖科學家協會獎「智能科學或數學獎」。
作為美國科學院院士、美國工程院院士、美國藝術與科學院院士，邁克爾·I·喬丹是人工智慧領域唯一一位集三院院士於一身的科學家，他的突出貢獻在於成功連接了計算機科學和統計學。浙江大學上海高等研究院常務副院長、計算機科學與技術學院吳飛教授說，正是這位喬丹用統計學方法，為機器學習打通了理論與方法上的「任督二脈」，讓大數據驅動的第三代人工智慧得以廣泛應用。
擺脫「從理論到理論」，將統計模型引入人工智慧
「邁克爾·喬丹教授是機器學習領域的先驅，為機器學習、概率學、統計學以及圖形建模四者間建立了聯繫，這些領域的相互聯繫不僅促進了機器學習領域的研究和發展，還提升了相關領域研究工作的質量和數量。」頂科協獎「智能科學或數學獎」遴選委員主席、2017圖靈獎得主約翰·軒尼詩這樣評價喬丹的貢獻。
機器學習是人工智慧的基石，喬丹在這一領域工作了近30年，他讓人工智慧從理論和方法學上得到了根本性提升。
吳飛舉了個例子，一項統計顯示，大醫院的病患死亡率比小醫院高。由此我們就能得出「大醫院醫療水平不如小醫院」的結論嗎？顯然這不科學。大醫院因為醫療水平高，接收危重症病人也更多，死亡風險本就高出小醫院很多。處於「蠻荒時代」的人工智慧大數據，往往會給出令人啼笑皆非的統計結果。
要發展一種理論和方法，來確保數據在處理中能夠得出正確的結論，就需要建立可以不斷改進的統計模型。「過去，許多統計模型的設計、參數優化，都醉心於『從理論到理論』。與此同時，人工智慧又迫切需要理論模型來提升自我。」吳飛說，喬丹就以其橫跨計算機與統計的學科交叉優勢，為機器學習打通了理論與方法學之間的「任督二脈」，使數據驅動的人工智慧成為可能，同時也更高效、更可靠。
如果說，數據是血肉，那麼統計模型就是筋骨，得到全方位提升的機器學習終於可以大展拳腳，人工智慧開始進入數據驅動時代。過去十年間，機器學習在諸多領域的應用呈現爆炸式發展，自動駕駛汽車、X光片分析、蛋白質摺疊預測等都離不開基於喬丹研究所塑造的理論框架。同時，他本人也是文本分析、圖像分析等領域的開創者之一。
AI領域「喬幫主」，提倡「以人為中心」的理念
喬丹對計算機科學的貢獻也體現在教育方面，他指導了80多名博士生和60多名博士後研究人員，這一群體目前活躍在世界領先的學術機構，帶領行業向前發展。
2018年圖靈獎得主、加拿大蒙特利爾大學教授約書亞·本吉奧，貝葉斯學習領域權威、英國劍橋大學教授祖斌·加拉馬尼，線性判別降維演算法領域權威、哥倫比亞大學教授大衛·布萊等，都是業界富有盛名的「喬門弟子」。
北京大學人工智慧研究院張志華教授是喬丹的博士後，他在一次訪談中提到，邁克爾的人格魅力令他深深折服。他對學生能「因材施教」，曾被戲稱為「會看相」。他的不少學生覺得，有這樣一位既會周到考慮學生職業發展，又不會有「一日為師，終生為父」負擔的導師，實在是人生幸事。
事實上，喬丹也喜歡與世界各地的學者以及學生廣泛交流，他多次到訪中國，並長期擔任清華大學和北京大學的名譽教授。
在這位人工智慧的教父級人物看來，真正的AI革命尚未到來。他認為，現在的人工智慧還僅僅處於機器學習階段，還無法在涉及推理、運用現實世界知識和社交互動等許多任務中替代人類。
2018年，喬丹在《哈佛數據科學評論》上發表了《人工智慧——革命尚未發生》指出，如何將計算機和人類結合起來，以提高人們的生活水平，是我們面臨的挑戰。他認為，人類的幸福不應該是科技發展之後才考慮的事情。因此，發展人工智慧，不能只是技術上的對話，而是需要聽到來自更廣範圍的聲音，尤其是社會科學和人文學科的視角。他說：「我們有個真正的機會來構想一個全新的東西：一個以人為中心的工程學科。」
作者：許琦敏
圖片：頂科協提供
