今晚听了微软亚洲研究院刘铁岩副院长的讲座，受益匪浅。我前后大概听过吴恩达，七月，炼数成金等等一些公开课。发现还是该学科领域领军人物讲的好，毕竟刘院长NIPS,AAAI等等top会议都发了个遍，学习还是要跟业内顶尖的专家学习，这样才能最快速的跟上学术界最前沿的研究。

如上图所示，刘院长围绕着机器学习四个方面目前研究的不足进行了展示，主要讲了四点：

1）对偶学习–解决big  data方面的问题

2）轻量化机器学习–解决big compuation的问题，这点和我目前的工作原理上类似，我也是用代理模型去模拟复杂的仿真模型，加速算法收敛

3）深度理论–解决目前depth theory匮乏的问题

4）学习如何学习–超过meta-learning的学习，突破深度学习的边界

其中学习如何学习这一节提到，D,omega，L，这三个符号意义如下：

D：训练集

omega：函数空间

L：损失函数

最后，在机器学习的展望中，刘院长展望了四点，具体可以见下图所示。其中给我留下深刻的印象是第三点和第四点：

第三点：模式识别vs  预测vs  即兴学习

这点主要讲的是机器学习的发展方向，从早期的模式识别模拟动物的识别功能，然后再到预测功能，但是有一句话讲得好：

“人生唯一可以预测的就是不可预测性”。因此，机器学习是否能够预测未来，并且强化学习能否在不确定的世界中得到良好应用？

因为，目前的强化学习成功应用案例均是在规则明确的游戏和围棋类比赛中得到验证，但是在现实世界大量不确定的框架下能否继续发挥威力？

让我们拭目以待吧！而即兴学习的意义在于人生下来就在不断的学习，这些学习得到的知识是为了今后的应付新的紧急情况而做出更好的应对措施。

这种思想确实打动了我，养兵千日用兵一时，学习的目的不就在于应付人生中一个又一个的挑战吗？科研不就是为了突破人类知识的边界吗？

非常欣赏刘院长这种思辨的思维，科研就需要这种突破的思维！

第四点：群体智能vs  个体智能

这点其实和智能群体算法很像，不再过多的展开，但是机器学习目前的multi-agent这个领域也是做这个方面的事情，因此应该有一定的成果。