对话学部主任Keith Ross：创建面向未来的计算机科学项目

Keith Ross（罗开朗）教授现任上海纽约大学工程与计算机科学部主任。2013年8月，正值第一届上纽学子入学之际，他加入上纽大，并工作至今。此前，Ross教授曾在宾夕法尼亚大学任教13年，后于2008年至2013年期间担任纽约大学坦登工程学院计算机科学与工程学系主任。他表示，离开纽约，从零开始参与筹办一所大学，其间的种种挑战令他兴奋不已。

如今，上纽大工程与计算机科学领域拥有世界一流的师资力量，并已培养出的五届优秀毕业生，均前往全球顶尖硕博项目就读或在科技领域龙头企业就职。

定居上海多年，Ross教授已深深地爱上了这座城市。闲暇之余，他会学习中文，并正在备考汉语水平考试（HSK）五级。他很享受在静安公园阅读，或探索全城的各色美食。

为何在十多年前决定离开纽约，加入当时刚刚起步的上纽大？

早在2013年加入上纽大之前，我就对中国和中国文化颇感兴趣。小时候，我会和家人一起去曼哈顿的唐人街聚餐，差不多每月两次。成为教授后，我结识了许多来自中国的博士生和研究合作者，与他们的交流相处也激发了我对中国的兴趣。2006年，我第一次到访香港和广州，这两座城市的热闹繁华令人着迷。

听到上纽大筹建的消息，我很是开心。从零开始着手搭建工程与计算机科学学科，聘请一流师资、研发先进课程等等，这个过程虽然困难重重但收获颇丰。我希望依托纽约大学在人工智能和深度学习领域的学科优势，构建一个注重数据科学和人工智能的创新项目。

当时在我看来，参与建设首所中美合办大学肯定会成为我人生中的一段宝贵经历。事实证明，果然如此！

_{2013年8月9日，Ross教授在华东师范大学三馆竣工暨启动仪式上。这里一度作为上纽大临时校舍，直至学校迁入世纪大道校园}

为什么您将上纽大计算机科学项目的学科建设重点放在机器学习上？又是如何实现这一目标的？

机器学习和人工智能可能会在未来20年里对社会产生巨大影响，程度不亚于互联网在过去20年来所产生的影响，甚至还要深远。深度学习作为机器学习的一个分支，其最新成果又是推动人工智能不断发展的主要动力，极大促进了语言翻译、语音识别、图像识别、人脸识别、推荐系统和信息检索领域的发展。当然，和任何新技术一样，人工智能也会带来难以预料的不良后果，我们必须在发展技术的同时解决这些问题。 

在本科教育阶段，我们开设了五门人工智能课程，包括：机器学习、强化学习、自然语言处理、计算机音乐和数据科学中的数学。未来，我们希望再增设两门课程，一门关于计算机视觉，一门关于人工智能的伦理与社会问题。很少有其他学校的计算机科学项目像我们一样，在本科阶段就开设这么多与人工智能相关的课程，但这是一个趋势，我们的工作是走在前面的。

我们正在深入发展的另一个领域是理论计算机科学，这是关于计算机科学和计算机算法的基础数学理论。尽管中国高校大多还未涉足计算机科学理论领域，但上纽大已在不断推动这一领域的学科建设和发展。我们在计算机科学理论的两个子领域——数学密码学和计算几何学方面——已有很强的实力，同时还将在计算机科学系统的网络、系统和安全的交叉领域进一步发展。

_{主修数据科学的2020届学生Kelly Marshall和Ross教授讨论强化学习的新算法}

上纽大计算机科学课程的教学方式有何特别之处？

我们不会把学生们安排在大教室里上大课，所有的课程均采用小班化互动式教学。在一门课的整个学习过程中，学生会进行大量编程实践，在学期末通常还需完成一个项目。

目前，我正在讲授“强化学习”这门课。强化学习是目前人工智能领域最激动人心也最居前沿的子领域之一，本科阶段通常不会涉及这一内容。我采用了研讨课的教学方式，希望能多引导，少讲授。我会走到学生中去，向每个人提问，或是让他们上讲台解决一个问题。研讨课这种教学形式可以让所有学生都参与其中，一起讨论、解决问题。同学们似乎也很喜欢这种教学方式，这可以让他们时刻保持清醒。

在您最近发表的多篇研究论文中都有上纽大本科生的署名。您是如何推动上纽大本科生探索科研的？这么做的原因又是什么？

我一直都很喜欢和我们的本科生一起做研究。上纽大的本科生聪明、有想法，和他们一起合作很开心。最让人欣慰的就是看到同学们对于科研的热情愈发高涨，并开始发表论文。我已经和大约六位本科生一同发表了论文。我的很多同事也会和本科生以及自己指导的博士生共同发表论文。

您最近正从事哪些研究项目？

我正在研究深度强化学习领域，把深度学习和强化学习融合。这是人工智能的一个子分支，我们主要从数学和算法着手，想研究出解决难题的新算法。

强化学习与序贯决策有关。序贯决策的例子包括股市投资、实现机器人反复微调关节以完成指定任务、为需要出行服务的用户分配司机，以及生物生态系统为实现自身目标而不断进化等等。我大约六年前才开始研究强化学习，此前我的研究领域是计算机网络和互联网隐私。不过35年前，我读博时就研究过马尔科夫决策过程，这为我探索强化学习打下了框架基础，所以有种“回家”的感觉。

因为所谓的“维度诅咒”，发展到现在，马尔科夫决策过程和强化学习无法解决复杂的重大问题，应用范围非常有限。但现在，使用人工神经网络的深度学习和强化学习的结合，让我们打破了这一“诅咒”，有能力解决高维度的复杂问题。

我在上纽大的研究小组着重开发深度强化学习的新算法，并在计算环境中对这些算法进行测试，展开数学分析。我们会在上纽大的高性能计算系统上运行新算法，这需要大量的计算资源，有时要几天才能出结果。我们研究成果的潜在应用包括训练机器人完成复杂的任务。比如说，现代机器人会有很多关节，而人类很难精准指定在实现某一特定任务时，应该移动哪些关节，以及按何种顺序移动。研究小组正在探索用深度强化学习解决这一问题。另一个例子是设计面向未来的智能交通系统，届时通过中央控制器就能决定如何给客户派车，以及如何将车派送至目的地。

_{Ross教授与他的博士生和本科生研究员共进晚餐}

_{Ross教授和计算机科学项目的教师团队及其家属一起出游}