“女性不適合從事理工類的科研”，刻板傳統(tǒng)的觀念總是勸退理工領(lǐng)域的女性科研工作者，不知道你有沒有這種壞習慣呢？ 自古以來，巾幗不讓須眉，自然科學領(lǐng)域也不例外。一個個關(guān)于女性科學家的取得的成就，印證了研究沒有性別之分，女性人才也可以為科學研究做出巨大貢獻。 近日，AMiner 團隊推出 2022 年“人工智能相關(guān)領(lǐng)域全球女性學者” 名錄，以展現(xiàn)女性學者在人工智能科研領(lǐng)域取得的亮麗成果，鼓舞更多年輕女性勵志投身人工智能領(lǐng)域研究。學術(shù)頭條也有幸對入圍這一名單的復旦大學計算機學院副教授陳靜靜進行了采訪。 （Women in AI: https://www.aminer.cn/women_in_ai） 復旦大學計算機學院副教授陳靜靜用了一句非常質(zhì)樸的話，提煉了自己科研生涯所遵循的信條。 她在 10 年的滿滿學術(shù)的探索歷程中，每當面臨選擇的時候，這句話總能提醒她，如何選出一條適合自己的道路，也促使她創(chuàng)造出了越來越好的科研成績。
從硬“啃”一篇英文論文開始 陳靜靜的科研工作起步于 2011 年，碩士師從計算機視覺領(lǐng)域知名學者操曉春教授。操曉春教授目前是中國科學院信息工程研究所研究員，曾入選國家杰青、“萬人計劃”青年拔尖人才支持計劃，兼任 IEEE TIP、IEEE TMM、IEEE TCSVT 的編委。 2008-2012 年，操曉春在天津大學任教授，成績優(yōu)異的陳靜靜在本科老師的推薦下，順利進入操曉春的課題組。那時候，人工智能在國內(nèi)市場還幾乎沒什么熱度，初入科研的陳靜靜對于科學研究也是懵懵懂懂，沒有太多概念，只是感覺自己所在的課題組“挺不一樣的”。 “當時進入課題組的時候，就覺得有點特別，因為別的組都在翻知網(wǎng)的一些中文論文，周邊的多數(shù)實驗室對于發(fā)表英文論文的研究興趣不是很大。而我們組當時讀的都是一些英文文獻，剛開始就有點不太適應(yīng)。我剛進組里的時候，導師讓我讀的是一片 2010 年的 CVPR 論文，印象深刻的是，這篇論文花了我近一個月的時間，從逐詞、逐概念理解，再到整篇文章融會貫通?！标愳o靜回憶道。 解讀學習那些最新的國際研究論文，加上導師的悉心指點，慢慢培養(yǎng)起了陳靜靜對于計算機科學多方面的濃厚興趣，踏上了科研之路。 臨近畢業(yè)總要面臨選擇，身邊不少同學或師兄選擇就業(yè)，入職阿里、百度、華為等知名企業(yè)，收入不菲。對于陳靜靜而言，她選擇了一條更具獨特且具有挑戰(zhàn)性的路，繼續(xù)深造攻讀博士學位，當時的她期望自己的人生可以因?qū)W術(shù)而更加豐富多彩一些。 “在香港那邊讀博士期間，是我覺得最輕松、最快樂的時光?！碧岬阶约旱牟┦繉煑钭跇褰淌?，陳靜靜用了“特別細致”四個字概括。 “楊老師對我非常關(guān)照，比如做一項課題研究，從最初的 idea，到實驗的細節(jié)和設(shè)置，再到實驗結(jié)果的分析，論文的修改、精準表達等，他都特別嚴謹。例如，他會很仔細嚴謹?shù)男⒖嘉墨I、標點符號。當參加學術(shù)會議做交流時，他幾乎是手把手的指導 PPT 的準備，這種對待科研工作一絲不茍的態(tài)度對我影響非常大。” 在科學上沒有平坦的大道，只有不畏勞苦沿著陡峭山路攀登的人。完成博士學業(yè)后，陳靜靜選擇繼續(xù)深造，遠赴新加坡國立大學計算機學院做博士后研究員。在這個階段，她對學術(shù)研究道路和工程實踐有了更深層次的認知。 時光如白駒過隙，不知不覺，陳靜靜已經(jīng)在科研道路上走過了 10 個年頭，輾轉(zhuǎn)多地進行求學，身份也從當年初出茅廬，讀英文都吃力的學生，成長為復旦大學計算機學院副教授，開始指導自己的學生做研究，成長為計算機科研領(lǐng)域的青年才俊。
學術(shù)研究開花結(jié)果 關(guān)于自己的研究方向，求學之路上，陳靜靜也在不斷擴大自己的研究邊界和深度。 碩士期間主要是計算機視覺，博士期間聚焦多媒體信息處理，包括跨模態(tài)檢索，近年來又同步在多媒體模型的安全、更加魯棒的人工智能等研究領(lǐng)域逐漸深入。 在自己所做的各類研究中，陳靜靜列舉了三項比較有意思的成果進行了分享： 第一項是食物識別跟跨模態(tài)的菜譜檢索研究。 簡而言之，基于這項成果，用戶去拍一個食物的照片，程序就能識別它的成分，計算它的卡路里。然后去統(tǒng)計每個人每天攝入的卡路里，再結(jié)合一個人的運動量、睡眠時間等數(shù)據(jù)，做一個系統(tǒng)分析，進而給他輸出一些建議，讓他對飲食做一些調(diào)整。 最后這種技術(shù)還被集成開發(fā)成一款 APP，新加坡的不少用戶用它做日常健康管理的參考。據(jù)了解，這套算法程序當時可以在新加坡 1000 多種食物上達到 90% 的識別準確率，如果加入上下文的信息數(shù)據(jù)，比如說餐廳的位置，早餐還是晚餐等信息，識別準確率可以進一步提升到 95%。
圖 | 框架概述
其次是跨模態(tài)檢索的相關(guān)研究。 簡而言之，就是給定文本去搜與它描述相對應(yīng)的圖像或者視頻。 陳靜靜帶領(lǐng)的科研小組提出了一些關(guān)于搜索的新概念，例如去提取更加有細粒度的語義信息。舉個例子，比如要搜索“一個打籃球的小男孩把球傳給了身邊的女生”，傳統(tǒng)的檢索技術(shù)都傾向于去找一個視頻或圖像里包含這些物體（比如男生、女生、籃球）要素就好了，檢索到的結(jié)果不夠精準。但陳靜靜小組的工作會把視覺上的關(guān)系引入進去，不僅僅是在圖像上，也用到視頻上，這使得跨模態(tài)檢索精準度更進一步。這項研究當時入選了 ACM ICMR 2020（是全球首屈一指的多媒體檢索科學會議）最佳論文的一個候選，很多科技大廠對這種跨模態(tài)的檢索技術(shù)非常感興趣，例如它可以應(yīng)用到智能手機上對手機相冊進行更好的分類檢索管理。 而最近的一些工作側(cè)重在多媒體模型安全方面。 例如使用彈幕評論攻擊視頻識別模型，對視覺轉(zhuǎn)換器的可遷移對抗性攻擊等。對于攻擊模型的研究，反過來會促進防御模型的強化。 “現(xiàn)在有一個對抗樣本的概念，就是說如果我在一個圖像或視頻上加了一點點擾動，這個擾動可能人眼看不見，但是卻可以誤導識別算法，欺騙平臺技術(shù)監(jiān)管等等。我們從這種攻擊模型研究開始，然后再慢慢的去做防御，因為一般都是先有攻擊再有防御，用攻擊的方式去促進防御技術(shù)的發(fā)展?！标愳o靜闡釋說。
女性科研人員優(yōu)劣勢 談及關(guān)于女性科研人員的優(yōu)勢和劣勢話題，陳靜靜深有體會，這不僅僅是在人工智能領(lǐng)域，應(yīng)該說是在整個在科研領(lǐng)域。 她認為，女性一般會比較細心，也比較有耐心，而做科學研究尤其要具備這種細心跟耐心，需要非常細心去留意觀察一些實驗結(jié)果，才可以發(fā)現(xiàn)一些新思路、新規(guī)律，亦或者能發(fā)現(xiàn)一些男性科研人員沒有發(fā)現(xiàn)的東西。同時，要去驗證一個新發(fā)現(xiàn)的時候，可能前期大部分實驗是失敗的，面對失敗，女性科研人員的耐心和韌性都比較強。 無論是首位贏得諾貝爾獎的女性瑪麗·居里，還是中國本土獲得諾獎的女科學家屠呦呦，她們的成就都能印證，科研不應(yīng)有性別之分，女性科學家所能取得成就不可小覷。 而劣勢就在于，在中國傳統(tǒng)觀念中，女性應(yīng)該要在家庭上花更多的時間。比如照顧小孩、承擔家務(wù)等。在從事科研的同時要兼顧家庭，這導致很多女性科研人員在科研工作的投入上相對受限。此外，很多女性科研人員相對來說沒有那么擅長社交，做科研很多時候不僅僅要埋頭做實驗，也要學會對外合作整合科研資源。 有幾組統(tǒng)計數(shù)據(jù)能夠很直觀反映出科研領(lǐng)域的性別失衡現(xiàn)象：例如 2019 年，中國科學院院士、中國工程院院士中，女性占比為 6% 和 5.3%；而放眼國際，截至 2020 年，跨越百年時間的諾貝爾獎有 849 次授予了男性，僅有 58 次授予女性。 幸運的是，這些觀念和狀態(tài)正在慢慢發(fā)生改變。例如科技部等十三部門在 2021 年專門印發(fā)了《關(guān)于支持女性科技人才在科技創(chuàng)新中發(fā)揮更大作用的若干措施》，提倡“同等條件下女性科研人員優(yōu)先”的政策，如果能夠很好落地，無疑能更好地激發(fā)廣大女性科技人才的創(chuàng)新活力。 “男女科研人員的比例應(yīng)該有一個適當均衡的狀態(tài)。如果政策能落實下來，可以為更多的女性科研工作者提供機會，也為更多女博士生們樹立榜樣之后，相信女性科研人員的隊伍比重一定會壯大起來?！标愳o靜對此滿懷期望。
希望學生能比自己做得更好 人工智能在國內(nèi)市場的發(fā)展堪稱跌宕起伏，火爆的時候幾乎每一家科技公司都要去貼 AI 的標簽，但隨著 AI 技術(shù)產(chǎn)業(yè)發(fā)展步入深水區(qū)，挑戰(zhàn)和瓶頸日益凸顯，市場熱度又趨冷下來。 作為 AI 領(lǐng)域的科研人員，陳靜靜認為：“過去幾年 AI 產(chǎn)業(yè)泡沫非常大，整個市場對 AI 寄予了非常高的期望，有點急于催熟蜂擁而上，但結(jié)果卻發(fā)現(xiàn) AI 真正能夠商業(yè)化落地的地方比較有限。行業(yè)開始趨于一個冷靜的狀態(tài)，我反而覺得這是一個好事兒，能讓做科研的人，更加理性地看待 AI 技術(shù)和它整個發(fā)展趨勢?！?/span> 關(guān)于人工智能技術(shù)的發(fā)展瓶頸，陳靜認為，首先可解釋性就是一個很大的問題，讓算法去做一個決定，它為什么這么預(yù)測？這么決定合不合理？ 此外，AI 商業(yè)化落地還涉及到非常多的其它問題，例如自動駕駛方面的技術(shù)倫理、權(quán)責邊界等；還有一點是現(xiàn)在人工智能并不能很好地去做推理任務(wù)，很多 AI 仍是基于記憶的，訓練它們需要喂很多數(shù)據(jù)，在面臨零樣本或者樣本非常少的情況下，學習新東西或舉一反三的能力都還不如人類。 “利用知識圖譜去做推理我也關(guān)注了有一兩年，知識圖譜可以起到先驗知識的作用，然后再去做一些下游任務(wù)，讓 AI 能夠比較快速地去學。不過目前大家都不知道怎樣好好利用這知識圖譜，引入到具體的任務(wù)里面去，仍需要后續(xù)研究突破?！?/span> 依托 AI 技術(shù)的當下發(fā)展，有很多商業(yè)化方向是陳靜靜比較看好的，比如隨著國家人口老齡化，AI 在健康管理、慢性病管理等方面發(fā)揮的作用；此外，自動駕駛、AI 制藥、智能制造、AI 芯片等領(lǐng)域都大有前景。 展望自己的科研生涯，陳靜靜表示，研究方向一定是要興趣導向，而不是說哪個領(lǐng)域火就去做哪個，否則很難堅持下去，也比較容易浮躁。應(yīng)該多聽從自己內(nèi)心的聲音，盡可能少受一些外在因素干擾，以學者的姿態(tài)去做科研，潛下心來作出真正有用的成果。 “作為老師，我希望自己能夠培養(yǎng)出來一些學生，在計算機科學領(lǐng)域的研究或發(fā)展做得非常出色，甚至超越我，這會是非常值得驕傲的事情。”陳靜靜滿懷期待。 更多關(guān)于 Women in AI 的完整內(nèi)容，可訪問： https://www.aminer.cn/women_in_ai
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報 。
