高级研究员

鱼羊 发自 凹非寺量子位 报道 | 公众号 QbitAI腾讯史上最高专业职级17级，现在已经有了首位入主的科学家。近日，腾讯宣布，腾讯Robotics X实验室及腾讯AI Lab负责人张正友博士成为腾讯首位17级研究员/杰出科学家。在授予仪式上，腾讯高级执行副总裁、技术工程事业群总裁卢山表示：正友老师荣升T17级——腾讯历史上最高的专业职级，可以说是当之无愧的。“学术有影响，工业有产出”这句话不仅是Lab的口号，更是一种技术人的情怀，当你老了，和小孩去聊的时候，就可以说这辈子不仅是在学术上很牛，我们在落地上也有值得骄傲的成就。所以，谁是张正友？谁是张正友？张正友，出生于1965年，是世界著名人工智能和机器人科学家，ACM Fellow和IEEE Fellow。加入腾讯之前，他曾任微软人工智能及研究事业部首席研究员和研究经理，在MSR工作近20年。三维计算机视觉里著名的“张氏标定法”，就是他加入微软后做的第一个项目。摄像机标定是三维计算机视觉的第一步。张氏标定法，就是使用二维方格组成的标定板进行标定。二维标定板制作简单，普通打印机就可以打印出来，并且精度较高，可以满足大部分场合，因此在业界得到了广泛应用。2013年，张正友也凭此成果获得了IEEE Helmholtz时间考验奖。2018年3月，张正友博士确认加入腾讯，担任腾讯Robotics X实验室负责人。在公开演讲中，他谈到，自己加入腾讯的原因就是想创建机器人实验室：我觉得我们在不久的将来要进入到人与机器人共生的时代。为什么我这样讲？一是从计算的演变，计算从最初的大型计算机到PC的普及，到互联网的兴起，到智能手机的普及，到现在可穿戴式或者陪伴的设备的涌现，这些都说明了这个计算能力从最初的固定的时间、固定的程序、固定的地方慢慢变得移动化、无处不在，还有连续化，你随时随地可以拿到你要的信息。另外计算也变得非常个人化，无论是GPS还是信息，都是在你的手机、PC上，得到无微不至的关注。2019年1月，张正友又接任张潼，成为腾讯AI Lab负责人。2020年，张正友提出了虚实集成世界（Integrated Physical-Digital World，IPhD）这一全新的概念。即，将当前在 AI、虚拟现实（VR）、增强现实（AR）、混合现实（MR）领域的前景展望乃至互联网和物联网的思想进行融合。在虚实集成世界的框架下，现实虚拟化、虚拟真实化、全息互联网、智能执行体四大发展方向成为腾讯AI Lab和Robotics X实验室未来发展的重要指导。所以，在张正友的带领下，腾讯Robotics X实验室和AI Lab带来了怎样的新研究、新突破？2020年11月，Robotics X发布的四足机器人Jamoca，就以成功挑战梅花桩的精彩表现，吸足了人们的眼球。还有能自行保持平衡的两轮式移动机器人：这是Robotics X实验室首个整机自研机器人，在传统轮式移动机器人的基础上，研究人员增加了动量轮、及电机驱动系统，使得机器人可以在静止及行进状态下，均保持平衡不倒。而腾讯AI Lab在进行原创性研究的同时，还开展了结合腾讯场景与业务优势的应用，其研发的农业AI iGrow系统、虚拟人技术、人脸识别系统、语音前端技术等已经在腾讯多个产品和业务中落地应用。比如，2020年疫情期间，腾讯就将AI技术应用于疫情防控及病理筛查等其它医疗应用，为抗击新冠疫情贡献了重要的技术力量。2020年11月，腾讯云（莘县）农业数字经济产业基地开园，腾讯AI Lab研发的iGrow解决方案将在该基地得到进一步的研究和应用。腾讯AI Lab的传统艺能——围棋AI“绝艺”，也在2020年与中国国家围棋队续约三年，担当国手们的最强陪练。腾讯加码基础科学和前沿科技领域授予张正友腾讯最高专业职级，侧面反映了腾讯加码基础科学和前沿科技领域的决心。卢山也在授予仪式上承诺，会继续全力支持腾讯AI Lab和Robotics X的发展。事实上，腾讯如今已经构建起完备的前沿科技实验室矩阵，涵盖人工智能、机器人、5G、边缘计算、IoT、硬件和多媒体技术等关键领域，吸引了包括张正友在内的一批海内外知名科学家担任实验室的负责人。而在公司之外，自2016年以来，腾讯CEO马化腾就围绕着基础科学和前沿科技领域，以个人名义先后捐赠了中国未来科学大奖、美国科学突破奖以及西湖大学等项目。在腾讯成立20周年之际，马化腾还与北京大学教授饶毅，携手杨振宁等十几位知名科学家共同发起了“科学探索奖”。2020年，就有50位青年科学家，总计获得来自腾讯的1.5亿元奖金。此前马化腾在接受媒体采访时表示：当前绝大多数互联网企业都是应用型的科技企业，未来这些企业都必须向技术驱动型的企业进化。腾讯会继续关注基础科研的探索，期望具备更前瞻的目光，看得更远。— 完 —

面对特朗普政府不断施加的压力，中国最好静待三个月。中国要做的是管理好自己的经济，处理好贸易关系。从长远来看，这将是中国最大的利益文 |《财经》驻华盛顿记者 编辑 | 苏琦几年前，曾在摩根士丹利公司担任首席经济学家和亚洲区主席，后为耶鲁大学杰克逊全球事务研究所和管理学院高级研究员的斯蒂芬·罗奇预见到，中美之间维系了几十年的经济相互依存关系即将终结。他将中美经济关系及未来发展前景进行的分析展望集结在他的著作《失衡：美国和中国的相互依存》中。罗奇那时认为中美经济的相互依存是一种“权宜婚姻”，几年后，中美关系在经贸等领域冲突不断，近期在其他领域还不断升级。他注意到在过去一个月左右的时间里，特朗普政府四名高级官员针对中国发表了一系列措辞激烈的演说，完全不顾美中现实。罗奇发现，先是美国国家安全顾问罗伯特·奥布莱恩率先发难，将中国视为美国的意识形态威胁。紧接着，联邦调查局局长克里斯托弗·雷谈到了所谓的中国间谍活动。随后，司法部长威廉·巴尔无端指责中国的经济政策。7月23日，美国国务卿蓬佩奥则在加利福尼亚州尼克松图书馆发表了激烈的对华演讲，对中国发起正面攻击。美国公众对中国的看法正处于历史低点时期，这四个美国政客却孤注一掷。8月9日接受《财经》杂志专访时，罗奇指出，他们的论点不仅夹杂着阴谋论，还缺乏基于事实的分析。这体现在三个关键领域：经济、新冠疫情和中美关系的特点。对此，罗奇认为过去三年半的经历让许多人相信，中美间似乎是意识形态冲突、价值观的冲突。在这样的情况下，中国最好的策略就是静等三个月，面对特朗普政府不断施加的压力，以静制动。罗奇说，现在是需要克制的时候，中国要做的是管理好自己的经济，处理好贸易关系。从长远来看，这将是中国最大的利益，而不是急于应对因中美冲突而不断加剧的短期压力。部分美国政客为何攻击中国？ 共和党竞选策略备忘录很长，但基本的结论却非常简单，“说到新冠病毒，不要为特朗普辩护，相反，攻击中国。这恰恰是我们所看到和听到的《财经》：你最近的评论文章称，在过去一个月左右的时间里，特朗普政府四名高级官员针对中国发表了一系列经过精心策划的激烈演说。是什么促使你写这篇评论？罗奇：近来美国这些高级官员发表了一系列关于中国的演讲。在我看来，这些演讲一个比一个更糟糕。真正促使我写这篇文章的是司法部长威廉·巴尔大谈经济、贸易政策。作为一个司法部门的负责人却就经济问题发表演讲，这很奇怪。也许它表明了特朗普政府实际上找不到比律师更擅长于经济学的事实，这也有可能，特朗普的经济顾问也不是特别强大。但威廉·巴尔对全球经济以及中国在美国制造业问题上所扮演的角色的评论，让人大跌眼镜。就在我润色写这篇分析文章时，国务卿蓬佩奥发表了他的对华政策演讲，充满了可以预见的责难之辞。我认为把这些演讲作为一个整体来评判比较合适，他们对中美关系的说辞有共性。《财经》：蓬佩奥发表的演讲被有些人称为“新铁幕演讲”，被视为可能会开启新一场冷战的演讲，你认同这些人对他演讲重要性的判断吗？罗奇：我的总体看法是，若我们被这些演讲牵着走，给他们赋予太多含义会得不偿失。这些演讲若按字面意义来逐一解读，那确实感觉很危险了——他们提出的许多基本问题涉及到深层次的美中关系、全球化的未来、美国的领导角色。但老实说，我认为不应该和他们叫真，因为这些演讲的共同之处在于，他们就是纯粹的政治。他们确实展示了事态的重要，那就是特朗普政府的绝望。特朗普的民调支持率一蹶不振，在很多议题上他的表现很差。今年4月美国政治新闻网站Politico披露说，随着新冠疫情对美国的破坏越来越严重，一份名为《冠状大书》（Corona Big Book）的共和党竞选策略备忘录发给了共和党参议院候选人。这个备忘录很长，但基本的结论却非常简单，“说到新冠病毒，不要为特朗普辩护，相反，攻击中国。这恰恰是我们所看到和听到的。美国疫情真是非常糟糕，随着特朗普在疫情应对的表现越来越差，他们对中国的攻击也一阵紧似一阵。就在过去几周的时间，从外交层面关闭中国驻休斯敦总领事馆、到针对TikTok和微信等中国应用程序的禁令，到美国将扩大在“清洁网络”计划上的努力，到财政部宣布对多位中国政府涉港工作机构负责人和香港特区官员实施制裁，到特朗普一再诉诸种族歧视，把新冠肺炎疫情称为“中国病毒”，最近事态的发展都与中国有关，是中国在过去几周的行为发生了重大的变化吗？然而，事实并非如此。所以他们不过是在政治上执行备忘录中提及的战略。《财经》：所以这些都是特朗普为90天后的2020年总统竞选造势？罗奇：是的，这是特朗普发现他11月大选的获胜几率急剧恶化后的绝望之举。《财经》：你提到美国政府高级官员完全不理解美中现实罗奇：我称其为所谓的“中美相互依存关系”，在过去的15年中，在支持中国出口的外部需求中美国占据了最大的份额，中国则提供了有益于美国消费者的低成本商品。在自2009年到2019年为止的十年中，中国一直是美国国债的最大购买国，为美国出口提供了快速增长，中国是美国的第三大出口市场，也是美国增长最快的出口市场。所有这些都表明两国相互依赖。政治家们，无论是民主党人还是共和党人，他们关注的重点都是：中国是美国商品贸易逆差最大的部分。我写过很多文章，美国对102个国家的贸易不平衡总额高达8530亿美元，就算是除去中国，美国还有101个其他有贸易逆差的国家。美国存在多边赤字是由于美国国内的储蓄水平极低。美国存款严重不足。2020年第一季度，美国国内净储蓄率——个人、企业和政府部门的储蓄总和——仅占国民收入的2.9% ，还不到1960年至2005年45年期间的长期历史平均水平(7% )的一半。这还是新冠疫情冲击美国之前。只是指责中国，就错过了美国宏观经济失衡的实质。美国政府高级官员对此一无所知，他们不了解美国多边贸易失衡与我们自身储蓄问题之间的联系。现在新冠疫情在美国暴发后，联邦预算赤字剧增，导致储蓄进入了创纪录的负值区域。他们不能理解这些表明他们在任何美国大学的经济学入门课分数都不会及格。 看清美国式的“政治化叙事”8月15日双方对中美第一阶段经贸协议审议之后，中美紧张局势会进一步升级延续，新的关税也可能推出《财经》：随着特朗普的贸易战加剧，美国的工厂产出在整个2019年都在下降。但仍然有一些美国人，包括美国学者认为，对中国增加关税是有创意的，贸易战是值得的。他们的看法错在哪里？罗奇：首先，我不同意关税有创意、贸易战值得的说法，不管这是哪个大学的教授，哪里的学者这样说。关税证明不起作用。关税正在减少中美间的双边贸易逆差。但一方面美国的储蓄问题仍然很严重，而且越来越严重；另一方面中国产品转而流向其他国家、其他贸易伙伴——他们在很大程度上比中国的生产成本更高。我们看到的是贸易转移，而非总体贸易赤字的减少。这相当于是对美国消费者的攻击，它会继续挤压美国家庭。中美将于8月15日举行视频会议，两国高级官员将审议第一阶段经贸协议的执行情况。从最开始中美通过贸易战达成经贸协议就很糟糕，因为它基本上是试图在双边基础上解决美国的贸易问题，而非应对多边不平衡，是政治驱动不良经济学的一个例子。今年的前七个月，中国对美国商品的购买远低于第一阶段经贸协议所预想的轨迹，这反映了世界因疫情突发而要面对的困难。我担心的是，美方会利用8月15日举行视频审议会议之机来批评责难中国。《财经》：美中贸易曾是2019年之前中美对抗的核心，现在却表现得相对稳定。美中贸易战会何去何从，是否会走向缓解？罗奇：从现在到11月的美国大选期间，情况将会变得更糟。特朗普会继续在围绕中国的许多方面施压，有过去几周的先例为证。中美对抗会加剧。我确实担心8月15日双方对中美第一阶段经贸协议审议之后，紧张局势会进一步升级延续，新的关税也可能推出——这些都不是建设性的、解决冲突的方式。如果11月大选白宫易主，尽管在中美关系的某些方面仍非常具有挑战性，但我希望拜登政府能建立不同的框架来解决这些问题。特朗普政府既有的框架没有建设性，也不会提供任何建设性的解决方案。《财经》：在中美关系的历史中有过对抗，与此同时会有各种缓解紧张局势升级的努力。但近期中美之间的对抗占了主导，缓解紧张局势变得更加困难，为什么呢？ 罗奇：都被政治化了，这是我所能找到的解释。特朗普惯用的手法、和所有人打交道的方式是用“交易的艺术”：来硬的，采用非常激进的策略。显然他对中国最为激进，不过他对美国的欧洲盟友也表现出激进的态度，近来他对北美最亲密的盟友之一加拿大也使了这个手法。不管他所谓“交易的艺术”奏不奏效，他选择通过对贸易伙伴施加压力的凌霸方式，希望别人屈服于他，按他的意愿行事。我认为现在是时候从所谓“交易的艺术”回到妥协的智慧中来了，这样双方才能共同探讨如何在共同关心的棘手问题上进行合作。在过去五年中，我最喜欢并反复提及的、中美最有可能达成妥协的建议是，重拾双边投资协议的谈判，这对双方都有益。奥巴马政府时中美已非常接近于实现突破，当然，特朗普拒绝接受奥巴马政府时期的任何努力，他们放弃了在这方面的尝试。我会敦促新一届美国政府回到这个出发点，如果中美双边投资协议能够正确谈判，它会建立可执行的强硬规则，同时中美两国市场对彼此公司开放。中国市场的快速增长对美国企业而言将是至关重要的增长源。当然，中国企业希望进入美国市场，但在当前中美冲突的框架下，目前无法实现这一目标。美国大选后，尤其是美国领导人发生变化后，中美可以回过头来继续推进。《财经》：从美国政府目前对华气氛和目标策略来说，美国公共舆论对中国的负面看法似乎已经形成，如果美国换了总统，这种负面情绪会不会消失？罗奇：我个人认为，美国公众舆论对中国的评价很低，因为两党政客把美国国内存在的严重的问题归绺于中国，无论是网络间谍、知识产权盗窃、强制技术转移还是失业、实际工资压力等一系列结构性问题。特朗普政府贸易代表罗伯特·莱特希泽就说中国对美国的经济安全构成威胁。从表面上看，这些对美国人来说很具有说服力，产生了非常有害的影响。我看了他们提出的指控，这些指控在很大程度上没有充分的证据支持，另一部分问题确实存在，但我认为在很大程度上证据不足。如何扭转这种局面？在评估中美关系时，如何能够返回到基于更多事实证据的争论？这是一个挑战。如果特朗普继续执政，一切都不会改变。但我希望如果美国总统人选发生变化，随之而来的应是美国与包括中国在内的所有国家进行更多基于事实的经济和贸易问题评估。《财经》：有人说中美之争是两个不同体系，不同文明的冲突？罗奇：老实说，我们确实笼罩在关于意识形态的争论中，对中美意识形态的区别渲染得有些过分了。我们有两个完全不同的体系。但自从1972年以来，这两个不同的体系已经能够建立起协作关系，不管二者间有多大的不同。过去三年半的政治使许多人相信，中美间是意识形态冲突，也只有当政治朝意识形态的方向发展时，两国关系才真的成为意识形态、价值观的冲突。但如果在更具建设性的政治氛围下，中美将允许意识形态差异的存在，而不会因此而加剧冲突。中美是否真的有冷战？中美之间的冲突无疑是处于某种冷战之中。冷战指国家之间的冲突而不涉及军事行动，这就是目前的状态《财经》：对很多美国企业而言，中国提供了复苏、稳定、增长的模式，疫情期间更成为美企避风港，但在中美关系紧张加剧之际，对所谓的中美“脱钩”，部分美国企业为什么选择了三缄其口？罗奇：我不认为美国企业觉得中美可以脱钩。这可以追溯到我对贸易的看法。让美国企业回流对我来说是不可思议的，无论它在政治上很重要，还是它是使美国再次变得伟大的方式，如果美国不解决储蓄问题，那些都不会实现。美国可以选择不与中国进行贸易，甚至可以想象美国与一个国家进行双边脱钩，但在没有解决储蓄问题的前提下，美国不可能与全球贸易伙伴实现全球脱钩。同时，全球价值链需要数年甚至数十年来构建，它们往往黏性很大，很难改变。来自IMF的研究清楚地表明这一点。看一下严重依赖中国的苹果公司的供应链就明白它很难被快速改变。《财经》：新冠肺炎疫情被认为是迄今为止本世纪最大的全球危机，它产生的影响还未完全显现，但它将加速改变国际体系和力量平衡，对全球秩序产生深远影响。罗奇：在很多方面我都不会低估疫情带来的重要影响，它对全球经济的冲击将持续很长时间。现在中国迅速恢复了生产，美国在过去三个月的就业人数也出现了大幅回升，但就业水平仍远低于疫情暴发之前。无论是中国还是美国，最薄弱的一环将是消费者——就算他们不愿外出，不去旅行，他们仍然担心感染病毒，对疫情的担忧会使他们的大部分活动都严重受限。世界经济的需求侧将不可避免地在疫情后经历很长一段时间的疲软。我认为在某些医疗及防疫物资产业链供应链领域，美国把大量的关键设备外包给中国等国家，这确实存在一些隐忧。疫情暴露了这个问题，让美国意识到至少应在供应链中储备一些这类商品。疫情带来很大的压力，造成了很多紧张局面。它导致了超常规的货币和财政刺激政策，这些刺激政策显然不能解决病毒的问题，却在金融市场上带来了很多过剩，最终可能变得难以管理，甚至可能令人担忧。 《财经》：在短期看来，似乎美国试图与中国一起解决具体问题的兴趣不大，中国应当怎么办？罗奇：中国目前几乎没什么可以做的，面对特朗普政府不断施加的压力，中国政府也不能改变什么。在我看来，中国最好的策略就是静等三个月，以静制动。当然这对中国来说是比较困难，毕竟中国政府和中国企业受到了特朗普政府的攻击，这牵扯到中国的民族主义自豪感。现在是需要克制的时候，中国要做的是管理好自己的经济，处理好贸易关系。从长远来看，这将是中国最大的利益，而不是急于应对因中美冲突而不断加剧的短期压力。 《财经》：以国家安全担忧为由，特朗普政府宣布将在45天后禁止美国司法管辖范围内的个人和财产与微信和TikTok这两款中国应用进行“交易”。但白宫没有明确定义这些交易的内容。从华为到TikTo，中国企业目前对白宫的态度不满。罗奇：这些中国企业和他们面对的境遇各不相同。华为已明确下决心为智能手机和其他硬件开发自己的核心器件，以独立于美国供应商对所谓的实体清单施加的压力。华为继续专注于产品开发，研究和创新，那就是他的核心竞争力。美国试图让华为歇业破产，不留后路。因此对华为而言，唯一的出路是在美国之外寻找零部件和供应源。至于字节跳动，面对特朗普政府施加的压力，他们能做的也不多。如果与美国软件公司微软进行交易符合微软的最大利益，也符合字节跳动的最大利益，那么双方就其美国业务出售给微软进行谈判比完全被禁止更具建设性。 《财经》：如果中国等待三个月，这其间中美紧张局势却一再升级，最坏的可能性是什么？罗奇：从现在起到11月，中美关系很可能要面对更大的压力，特朗普政府会针对中国采取更多的行动。我不会猜测它们是什么，因为它们会非常极端，特朗普政府对中国采取的过激行动已然非常令人担忧。最坏的可能是中国也针锋相对，做出过激反应，那中美就远远超出了冷战模式的对抗。《财经》：也就是说现在中美处于某种冷战之中？罗奇：我对使用标签一向比较犹豫。中美之间的冲突无疑是处于冷战之中。冷战指国家之间的冲突而不涉及军事行动，这就是目前的状态。《财经》：美国国务卿蓬佩奥7月23日在加利福尼亚州尼克松总统图书馆发表演说，是在暗示中美关系比冷战时期的美苏关系更差吗？罗奇：我的建议是不要从字面上理解国务卿蓬佩奥的讲话，甚至不要很认真。他只是想表现得强硬，以便在特朗普的选民之基中争取政治加分。但他把中美关系的状态归类为冷战是正确的，它不是军事战争，是中美双方有非常激烈的冲突并逐步升级。 《财经》：特朗普竞选的基调是要对中国强硬，这个基调会超出2020年大选的范畴吗？罗奇：中美间存在的问题很严重。五年前美国还是民主党做总统时我写过一本书，那时两国就摩擦不断。在书的最后我预言中美关系会变得更糟。这个预言并非基于特朗普会当选美国总统，而是基于双方各自存在的问题。我的结论是，直到（或除非）双方在解决各自的问题上更为成功，否则中美关系会一路下行。现在美国存在的很多问题变得更加严重，不幸的是，自我的书出版后，这些美国国内的问题，就业和工资，生产力，创新压力都被归咎于中国之祸。30年前美国就把这些问题归咎于日本。美国不愿意为自己的问题承担责任。中国自身也有很多问题：需要解决中小企业的问题和国企改革，企业如何去杠杆的问题；就业增长，农村低生产率和社会安全网的问题——后者在疫情中被证明是一个真正的问题。由于中美贸易战政治化，中国把解决自身许多问题的精力转移到应对美国的压力上来。因此，我希望两国都专注于解决自己的问题，这样彼此参与解决中美冲突时才变得更强大和更有信心。也许我很天真。但如果一直沿着彼此冲突的道路走下去，结果就是没有赢家，只有输家。如果有人问我给美国新政府一个解决中国问题的建议，我会说，放弃特朗普政府对中国使用的方法，将其彻底撕毁，中美重新开始。《财经》：前不久，你提到美国应对疫情的财政和货币政策将导致美国国内储蓄率变成巨大的负数，加速终结美元的“过分特权”，迫使美元在未来两三年内贬值35％。这意味着什么？罗奇：我对美元的预测是出于以下几个原因：美国宏观经济失衡。美国的国内储蓄数字和经常账户赤字问题非常严重，且越来越严重。多种原因已经在削弱美国所提倡的全球领导地位。其他主要经济体，比如欧洲表现出积极发展的态势。老实说，我从未期望过欧洲如此表现，在我的大部分职业生涯中，我一直对欧洲持负面态度，现在欧洲比过去很长一段时间的表现都要好。我判断这些对美元造成很大的负面影响。当然美元不会立刻失去其作为世界储备货币的地位，但随着时间的流逝它会发生。但是美元仍然是主要的储备货币。尽管自2000年以来，美元在全球外汇储备当中的占比从超过70％到今天比例已不足60％。但我们仍远远领先于排名第二的欧元。人民币储备资产在全球已分配外汇储备份额在上升，但在全球官方外汇储备中所占的比例仍然很小。美元大幅下跌会导致世界金融市场的动荡，因为全球都指望美元维持坚挺。过去几个月里，美元承受了巨大的压力已经下跌了很多，但我认为美元仍处于多年修正的早期阶段。

图到文本生成是文本生成任务中的一项重要技术，其目的是通过机器理解图中信息，然后生成相应的解释文本。现有的图到文本生成模型，主要是通过更强大的模型来表示图信息，但模型依然是通过拟合到目标文本的基于语言模型（language modeling loss）的损失函数进行训练的，作为结果，模型会产生流畅的输出，但会丢失许多输入的重要信息。为了保存输入图中更多的信息，一个潜在的解决方案是改进训练信号来增强结构信息的保存，通过用额外的自编码损失来丰富训练信号，从而保存输入图的结构信息。但这种方法面临着一个问题，那就是不同类型图的标准自编码需要不同的重构算法。而在今年的ACL 2020中，腾讯AI Lab高级研究员宋林峰博士作为一作发表了一篇名为《Structural Information Preserving for Graph-to-Text Generation》的论文。在本文中，宋博士提出了一种通用的基于“多视角重建”的损失函数来辅助模型训练的方法。通过多种方法把输入的图投射到目标句子端，让解码器不仅学习输出目标句子，还要输出投射的图结构，这样能够迫使模型在做生成的时候更好的记住输入内容。9月9日上午10点，智东西公开课邀请到腾讯AI Lab 高级研究员宋林峰博士参与[腾讯AI Lab专场]第2讲，宋博士将围绕《图到文本生成任务中的通用型图结构信息保存法》这一主题进行直播讲解。宋博将从图到文本生成技术的发展与研究出发，详解基于重构图模型的通用型图结构信息保存法，并深入讲解该方法在多类型图到文本生成技术中的应用。宋林峰博士于2019年5月从罗彻斯特大学获得博士学位，师从Daniel Gildea教授，于2014年从中科院计算所硕士毕业，师从刘群博士。2013年11月到2014年2月，宋博士简短的以研究助理的身份访问在新加坡SUTD的张岳博士，曾于2015、2017和2018年暑假在IBM沃森研究院Salim Roukos的团队实习，Mentor是王志国博士。课程内容课程主题《图到文本生成任务中的通用型图结构信息保存法》课程提纲1、图到文本生成技术的发展与研究2、基于重构图模型的通用型图结构信息保存法3、在多类型图到文本生成技术中的应用讲师介绍宋林峰，腾讯AI Lab高级研究员，于2019年5月从罗彻斯特大学获得博士学位，师从Daniel Gildea教授，于2014年从中科院计算所硕士毕业，师从刘群博士；2013年11月到2014年2月，宋博简短的以研究助理的身份访问在新加坡SUTD的张岳博士，曾于2015、2017和2018年暑假在IBM沃森研究院Salim Roukos的团队实习，mentor是王志国博士。直播信息直播时间：9月9日上午10:00直播地点：智东西公开课小程序答疑地址：[腾讯AI Lab专场]讨论群加入讨论群本次课程的讲解分为主讲和答疑两部分，主讲以视频直播形式，答疑将在[腾讯AI Lab专场]讨论群进行。加入讨论群，除了可以免费收看直播之外，还能认识讲师，与更多同行和同学一起学习，并进行深度讨论。添加小助手小语（ID：hilele20）即可申请，备注“姓名-公司/学校/单位-职位/专业”的朋友将会优先审核通过哦~

来源： 观点地产网2月4日，耶鲁大学杰克逊全球事务学院(Yale Jackson Institute for Global Affairs)高级研究员罗奇(Stephen Roach)表示，新型冠状病毒肺炎疫情的影响可能持续一段时间，但中国最终将战胜疫病。他又指，有关政府周一决定开市是一个正确的选择，因为当局不可能通过休市来抑制潜在风险影响和投资者情绪。通过如常开市，可展现出监管机构信心，股市价格发现机制发挥作用。中国人民银行也为市场流动性提供了保障，显示金融监管机构有足够工具来支持市场。罗奇预料，中国首季经济增长将因疫情受到显著影响。为控制疫情而出台的城际交通限制措施，对供应炼和零售业造成的冲击，将在短期内对中国经济增速产生一定的影响。对于中国经济形势的担忧，可能会有一定程度上继续反映于股市。又指人行已经向市场提供流动性支持。当疫情影响降低时，流动性工具将有助于经济迅速反弹。

刘友法,经济学博士、资深外交官。1980年毕业于北京外国语大学英文专业。1983年毕业于美国杨伯翰大学;2001年毕业于南开大学世界经济专业，获博士学位。1980年进入外交部，历任外交部机关外语学校副校长、中国驻澳大利亚使馆研究室二秘、驻巴布亚新几内亚使馆研究室主任、驻坦桑尼亚使馆政务参赞、驻埃塞俄比亚使馆政务参赞、驻美国使馆政治处参赞、驻美国使馆国会处公使衔参赞、中国国际问题研究所副所长、中国驻孟买总领馆大使衔总领事。现任上海国际问题研究院客座研究员、国防大学客座教授、南南合作促进会理事等职。主要著作有：《出国英语会话手册》、《国际贸易》、《国际金融》、《西方财政》、《世界经济统计》、《世界经济与中国：世界经济专题论集》、《最新高级会话英语》、《非洲投资指南》。经常参加国内外专题研讨会、圆桌会议，先后在国内外媒体发表大量专题文章。

金融界网站讯在当前全面深化资本市场改革的新时代，制度建设推进，市场机制不断强化，价值边界不断拓展。作为资本市场中的连接枢纽——上市公司董事会秘书受到多方关注。在此背景下，董秘的角色定位发生了哪些变化？市场的变化对董秘职责和价值带来了哪些新要求？10月29日，金融界组织“新时代新董秘新价值”研讨会，邀请公司治理专家、投资机构代表以及多位资深董秘，围绕上述话题深度探讨。在本次专题研讨会中，金融界上市公司研究院高级研究员周婷分享了《多维连接的中枢——数说A股上市公司董秘》的研究成果。根据对上市公司年报和董秘数据研究，发现上市公司董秘大概率的可能是一位“70后”男性，年龄在40-49岁之间，本科学历，年薪在50万上下，在当前这家公司担任董秘的时间约为4.24年。在年龄分布方面，上市公司董秘中的绝对主力是70后，作为承上启下的中坚力量，他们之后的80后比例已经超过了前辈60后，还有16位“90后”董秘所代表的年轻一代已经崛起。制图：金融界上市公司研究院数据来源：巨灵资讯从性别比例来看，男性仍然是董秘中的主要性别构成，但是过去两年，女董秘所占比例由24%提升至27%，女董秘群体的崛起在女性高管中十分明显。学历方面，本科学历的董秘超过半数，三成董秘为研究生及学历(包括MBA)，其中50名董秘拥有顶级“博士帽”头衔。董秘职业的“敲门砖”是大学本科学历，研究生学历成为“行业标配”。从董秘角色身份的转变来看，经历了从1.0时代向2.0时代再到3.0时代的飞跃，主要职责中市值管理、并购重组成为董秘工作的新主线。制图：金融界上市公司研究院数据来源：巨灵资讯在对部分董秘工作权重的调查中发现，所占权重最大的工作内容是市值管理，其次是资本运作，排名第三的是投资者关系管理。制图：金融界上市公司研究院数据来源：巨灵资讯董秘个人价值的体现既包括个人薪酬的价值，也包括个人股权的价值。2018年董秘平均年薪超过60万元，但两级分化明显。过去5年间，董秘薪酬整体上涨趋势明显，从2014年的42万元涨至2018年的60万元，平均涨幅为9%.董秘因价值提升带来的地位和身家飞跃，在首批科创板董秘中体现得尤为显著，有18位董秘在公司持有股份，身家超过亿元的有5位。制图：金融界上市公司研究院数据来源：巨灵资讯当前，董秘职群的市场化时代已来，董秘价值正在从多维连接的角度得以提升。但是市场从严监管下，2018年以来，针对上市公司董秘的的处罚案例激增，2019年上半年共有近50家上市公司董监高被证监会立案调查，已经超过了去年全年的数量。此外，沪深两交易所共对188家上市公司做出纪律处分决定书，深交所62份，同比增长68%，上交所86份，同比增长15%。高风险也带来了高离职率，2019年上半年数据发现，A股有超过320位董秘离职，占所有上市公司1成的比例，最短任职不足50天。稳定且高素质的董秘必然是上市公司高质量发展的基石。上市公司频繁更换董秘，对于董秘职群人才队伍建设、董秘的身心健康、上市公司治理以及资本市场的健康发展都提出了考验。来源: 金融界

选自 Nature作者：Patrick Riley机器之心编译参与：panda、张倩、杜伟算法分析已经成为科学研究的重要方法，生物学家、高能物理学家、病理学家等许多领域的研究者都正在广泛采用机器学习算法来发现新配方和新方法，但是谷歌 Accelerated Science 团队高级研究员 Patrick Riley 近日在 Nature 上发表的文章认为，科研工作者对机器学习的预期普遍过高，这可能会导致研究者将资源浪费在错误的研究方向上。他在文中列出了科研工作者在使用机器学习时可能遇到的一些陷阱和应对思路。机器学习正在推动各个科学领域的研究进展，其强大的模式发现和预测工具正在助力所有领域的科学家——从寻找合成分子到提升医学诊断效果再到揭示基本粒子，可谓应有尽有。但是，机器学习工具也可能做出一些徒劳无功的探索——得到假阳性结果、不可行的方法和错误结果。而且很多算法还过于复杂，以至于我们不可能检查其所有参数或推断其处理输入的确切方式。随着这些算法的应用日益广泛，理解错误、得出错误结论以及浪费科研工作资源的风险将会急剧上升。这些都不是新问题。机器学习领域几十年来一直备受「坦克问题（tank problem）」之苦。最初的研究似乎出现在 1960 年代（据信参考文献 1 是这一研究方向上最早的文献；这是软件工程师 Jeff Kaufman 的功绩），但被埋没在了时间长河里。这样的故事总是层出不穷。那时候，研究者编写了一个用于识别军方提供的照片中的坦克的算法。得到的模型成功地找到了测试图像中的坦克，但却无法成功识别之后的真实照片的坦克。原因为何？这个故事已被复述太多次了，细节已经无法考证——但其训练所用的图片包含其它模式——出现在晨光之中或云朵之下的坦克。因此，驱动这一算法的是类似这样的其它因素，而不是坦克的存在本身。类似的迷思带来了今天的反省。很多机器学习论文都没能完成足够的实验集。用于评议的标准也不一致。而且现在竞争很激烈，某些研究者在得到想要的答案后就抄近道、跳过检查步骤。我们无法预测每次分析中的所有难题，但至少，正将机器学习引入自己领域的研究者应当熟悉常见的陷阱以及用于检测和避开这些陷阱的实践方法。本文将介绍谷歌 Accelerated Science 团队在使用机器学习分析时所面临并解决了的三个问题，以说明展示这种做法。三个问题不恰当地分割数据在构建模型时，机器学习实践者通常会将数据划分为训练集和测试集。训练集用于模型学习，测试集则用于评估模型在未知数据上的表现。研究者通常以随机方式分割数据，但现实生活中的数据很少是随机的。它们可能包含随时间变化的趋势——比如数据收集方式的变化趋势或所要收集信息的变化。举个例子，分子数据集中就埋藏着这样的历史模式，它在经过机器学习算法的虚拟筛选后可用于发现候选药物。这个问题的难点在于预测假想分子被人体吸收或减缓炎症的效果。筛选是从有/无所需效果的分子的数据开始的，但数据的收集场景却可能不同于机器学习模型的使用方式。举个例子，一个模型可能是基于一组公开可用的分子数据集构建的，但却被用在了一个不同的专有数据集上。并且当化学家检查到或丢弃了有潜在希望的线索时，他们的研究重心往往会从特定的分子分组转向其它分组。因此，研究者在实践中往往高估模型的表现。这可能导致预期过高，从而在选择不佳的分子上浪费时间和资金。很多模型构建者（包括我本人）都曾掉入过这个陷阱。也就是说，你想要解答的问题应当会影响你分割数据的方式。为了使模型预测向一个在分子中分子中添加几个原子的效果，测试集中的每个分子都应在训练集中有仅有几个原子不同的对应分子。如果你希望很好地预测化学上不同的分子，那么测试集中的每个分子应该任训练集中的任何分子。分割数据的「正确」做法可能并不显而易见，但审慎考虑和尝试多种方法能为你提供更多见解。隐变量在一个理想的实验中，研究者只需要改变感兴趣的变量，其他都是固定不变的。这种水平的变量控制在现实中往往是不可能实现的。设备的准确性会随着时间的推移而发生变化，试剂的批次也会发生变化，一种实验条件先于另一种执行，实验结果甚至可能被天气影响。这些不可控变量在机器学习模型中可能是有害的。例如，我在谷歌的团队一直在与加州的一家核聚变创业公司 TAE Technologies 合作，致力于优化生产高能等离子体的实验。我们建立模型，试图了解等离子体机的最佳设备设置。机器中有数百个控制参数，从什么时候给电极通电到在磁铁上设置什么电压。我们记录了一系列测量结果，包括温度和光谱。加州的 TAE Technologies 和谷歌的研究者正使用机器学习优化产生高能等离子体的设备。在几个月的时间里，我们从运行数千次的等离子体机中获取数据。设置会随着设备的调整和修改、组件的磨损以及多个想法的付诸实践而发生变化。我们最终得到了一个令人欣慰的模型，它能很好地预测在给定环境下，等离子体的能量是否会很高。但很快我们发现，我们的预测和想法不一致。当再次训练模型的时候，我们将实验时间作为唯一的输入，而没有选择所有的机器设置，我们获得了类似的预测能力。为什么呢？我们认为第一代模型锁定在了时间趋势，而不是物理现象。随着实验的推进，机器在一段时间内运行良好，而在另一段时间内运行不佳。所以，实验完成的时间会为你提供一些信息，以判断生成的等离子体是否具有高能量。此外，实验的完成时间也可以通过控制参数的设置来进行粗略地预测——这些参数的变化也存在时间趋势。隐变量也源于实验布局。例如，我们正与很多合作者共同解读显微图像，包括纽约干细胞基金会研究所（New York Stem Cell Foundation Research Institute）。这些图像包括滴定板上的生物实验阵列——通常是包含细胞和液体的网格。目的是发现具有某些特征的阱，如化疗后细胞外观的变化。但是，生物变异意味着每个滴定板常常看起来截然不同。同时，单个滴定板也可能出现变化。例如，如果边缘井中蒸发掉了更多液体或者滴定板出现了倾斜，则边缘常常看起来与中心不同。机器学习算法可以轻松地捕捉到这些无意的变化。例如，模型或许只是识别出了哪些阱位于滴定板的边缘。检查这种情况是否已经发生的一种简单方式是令模型预测其他情况，如滴定板的位置、这是哪个滴定板以及图像来自哪一批次。如果模型可以做到这一点，则应该对结果提出疑问。经验教训：使用多个机器学习模型来检测意料之外和隐藏的变量。一个模型集中于你关心的问题——等离子体高能耗还是低能耗；细胞健康还是处于病态？其他模型则排除这些混杂因子。如果后者的效果非常好，则对数据进行标准化处理，做进一步的实验或调整结论。定错训练目标机器学习算法要求研究者指定一个「损失函数」，以确定各种误差的严重程度。从业者倾向于使用一小组函数，这组函数可能无法捕获到他们真正关心的东西。例如，我们利用深度学习来帮助求解偏微分方程。这些公式在各个领域都很常见，如流体力学、电磁学、材料科学等。通常，必须利用数值解法来求解问题，我们训练模型在有限的解中提供更高的准确率。我们从描述水波在一维中的传播开始。算法的任务是反复预测当前步骤的下一个时间步长。我们在两个存在细微差别的公式上训练模型。根据我们的损失函数，两个模型的表现旗鼓相当。然而，虽然其中一个模型的结果接近预期，另一个模型却产生了无意义的结果。为什么会出现这种情况呢？原因在于，控制学习的损失函数只考虑了下一步的误差，而没有考虑多步求解的有效性，后者才是我们真正想要的。我们在构建糖尿病性视网膜病变筛查机器时也遇到了目标不一致的情况。如果能及早地从眼底图像中检测出这种病变，患者就能得到有效的治疗。在我们收集数据并让眼科医生基于图像进行诊断时，我们令机器学习工具预测医生接下来会说什么。这个时候就出现了两个问题。首先，眼科医生们经常在诊断时存在分歧。因此，我们意识到，我们的模型不能只有单一的预测，也不能采用少数服从多数的策略，因为在医疗准确度方面，有时候少数派的意见才是对的。其次，单一疾病的诊断实际上并不是真正的目标。医疗领域真正面临的问题是：「这个病人是否需要看医生？」因此，我们将目标从单病种诊断扩展到多病种。糖尿病性视网膜病变筛查。机器学习从业者很容易受限于一个「显而易见」的目标，该目标所需的数据和标签都很清楚。但是，他们设计的算法可能无法解决真正的问题。我们必须牢记整体目标，否则就会开发出不实用的精确系统。如何解决这些问题？第一点，机器学习专家自身及其同事需要保持更高的标准。当收到新的实验室设备时，我们希望实验室伙伴可以了解它的功能、如何校正、如何检测误差以及设备的功能限制。机器学习也是如此，使用相关工具的人必须充分了解它们的功能。第二点，不同的学科需要在各自领域就如何执行和衡量机器学习制定明确的标准。适当的控制、稳定性检查和误差测量将因领域而异，并且需要清楚地阐明，这样研究人员、评审者和编辑才可以鼓励良好的行为。第三点，科学家在机器学习领域的教育内容需要涵盖这些更广泛的问题。我们虽然可以参考现有的一些资源（如 Google AI），但依然需要做更多的事情。我们通常会教给学生算法和工具，但他们需要更多地学习如何应用这些算法，并适当地提出问题。我们正处在一个神奇的时代——在机器学习的帮助下，计算能力、数据和算法紧密结合，从而有更多的机会发现一些新事物。作为学术界的一份子，我们有责任确保自身能够好好抓住并利用这些机会。

来源：中国新闻社01:24胡佛研究所高级研究员：中国正以非常惊人的速度创新来源：国是直通车斯坦福大学胡佛研究所高级研究员尼尔·弗格森在创新经济论坛上接受中新社记者采访时表示，7-8年前，美国人常说设计和创新发生在美国，而产品在中国组装。而现在中国已经在以一个非常惊人的速度创新，比如人工智能。毫无疑问，中国拥有创造自己的知识产权的能力，这也是走向未来的关键。特别是在人口红利逐渐消退、金融边界显现的时期，只有通过创新，中国才能持续增长。中国在金融科技领域的创新是最令人印象深刻的，中国在电子支付等方面是全球领军者。而且中国还会持续走在前列，因为美国目前在金融科技领域的创新比较保守。（庞无忌 张文绞）

来源：新浪财经新浪财经讯 “华夏新供给经济学研究院2019年年会暨第四季度宏观经济形势分析会”于2020年1月12日在北京举办。万里智库高级研究员王自强出席并演讲。