导读：今天首席CTO笔记来给各位分享关于知名人工智能教授有哪些的相关内容，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
专访「算法之父」Michael Saunders：人工智能未来的突破点可能在自动驾驶
AI 科技 评论按 ，4 月 25 日，在由涂鸦智能联合知名 财经 媒体《新财富》、人工智能领域知名媒体《全球智能化商业》共同举办的「全球智能化商业峰会」上，斯坦福大学荣誉教授、新西兰皇家学会荣誉成员、世界级算法专家 Michael Saunders 进行了以「基於约束优化的算法：通用软件的益处」为主题的演讲。
Michael Saunders 曾任斯坦福大学管理科学与工程系教授。目前，他是斯坦福大学荣誉教授、数学家、世界级算法专家，工业与应用数学学会会士，新西兰皇家学会荣誉成员，斯坦福大学发明名人堂成员。
Michael Saunders 教授师从科学计算之父 Gene Golub，于 1972 年获得了斯坦福大学计算机科学博士学位，作为计算机领域的「大咖」，他曾获数学程式设计学会「William Orchard-Hays 奖」及工业与应用数学学会「暹罗线性代数奖」。据了解，目前其用于矩阵方程式和优化问题的数学算法在全球被广泛使用。Michael Saunders 教授曾为通用电气、波音公司等提供咨询服务。
Michael Saunders 教授的研究领域包括人工智能、大规模科学计算、大数据分析、系统优化、稀疏矩阵解法、软件工程、AIoT 等。
在他看来，互联互通一直都是 AIoT 产业的优化难题，例如此次会议的主办方涂鸦智能也推出了类似技术希望解决信息孤岛的问题，Saunders 教授在此领域贡献突出。
以下是此次 Michael Saunders 教授的演讲和专访纪要，AI 科技 评论做了不改变原意的整理：
大家好！谢谢今天来现场的各位嘉宾，我很高兴来到中国。不好意思，我是新西兰人，我会说一点法语，一点西班牙语和一点英语，但是中文要难得多。
今天我想要和大家讲的是「约束优化」，在这之前，我想先谈一下为什么我会去斯坦福大学并参与计算机相关的科研，并谈谈关于约束优化的 历史 。
从新西兰到斯坦福，专注于「约束优化」
1972 年，我取得了在斯坦福大学的博士学位，我返回新西兰并以为我会就此永远待在新西兰，但斯坦福大学教授 George Dantzig，线性代数之父，他开始了系统优化实验室（SOL）计划，并且邀请我回到斯坦福。
在我参与系统优化实验室之时，Dantzig 教授负责建立经济和能量模型，而我则专注于非线性目标函数，并且研发 MINOS 优化软件的初始版本，以解决这些模型的问题。
当时，斯坦福大学教授 George Dantzig 提出了一种新的算法优化——即「约束优化」。这是一个很难的研究课题，它是在一系列约束条件下，寻找一组参数值，使某个或某一组函数的目标值达到最优。「约束优化」本质上是一个线性代数问题，通过软件来实现优化分析。
到了 1980 年代，我又延伸了 MINOS 用以处理一些非线性约束条件，并且我们开发了其他的约束优化软件用于通用电气和 NASA。
在 1990 年，我们的软件被用于温室效应模型，以及航太的优化问题，例如飞机和太空船的轨道优化。
我有一个做航空器的双胞胎兄弟大卫，他从 1975 年起，就在 NASA 的艾姆斯研究中心（Ames Research Center）工作，他利用了我们的优化软件设计超音速飞机、新型的太空梭和太空舱，虽然当中有些项目后来被取消了。
当然，我们的算法优化也用在了其它很多领域。比如，控制机器人的运行轨迹；还有医疗领域，我们可以瞄准 X 光光束，帮助医生进行放射治疗。
优化对航空应用至关重要
我们的软件被用于很多 NASA 很多航空项目，比如：
以上问题都离不开优化。
在 2010 年，我参与设计了有阿波罗 2.0 之称的宇宙飞船猎户座（Orion），猎户座和阿波罗的外形相似，但体型大得多。大卫优化了猎户座的防热罩的曲度，他发现 50 年前，阿波罗的设计师选择的外形就是一个最优化的形状。
最近，我们的优化还被用于世界上最大的飞机」Stratolaunch」, 它于 2019 年 4 月 13 日在加利福尼亚州完成首飞。Stratolanuch 配备有两个机身，和六个波音 747 引擎，它的机翼展开比一个足球场的长度还长，它可以载着一个火箭或者是小型的太空船到 11000 米的高空，并且将其发射到轨道上。大卫改善过后的优化结果显示，Stratolaunch 如果在 2500 公里的距离就开始降落程序，那会有点过早。
优化软件和应用相辅相成
算法优化帮助我们做了很多解决方案。
在 20 年前，我们使用 PDCO 软件来做信号分析（基追踪降噪，BPDN），我们现在使用同样的软件做不同的应用：分析低频核磁共振信号，用以分析某些东西的组成，例如橄榄油或者是生物柴油，我们既有的软件找到了新的应用方式。
有时，新的应用会引领我们创造新的算法。例如系统生物学里头的多维度模型问题没办法以现有的软件解决，我们就使用了双精度型和三重精度型版本的优化 MINOS 软件，开发了 DQQ 程序。
我们还开发了 NCL 算法来解决税法模型，此前，这是无法通过既有的软件去解决的。NCL 解决了一系列很大但容易解决的优化问题。令人意外地，我们发现如何通过内部方法促进优化，来」热启动」(warm start）每一个大难题。热启动通常是无法通过内部方法实现的。因此，全新的高难度应用促使我们催生了新的通用软件，这是个非常有趣的过程。
总结一下我的演讲主题，当我们设计一个优化软件时，我们总是希望打造一个「万用型」的软件，让其能够物尽其用。但老实说，我们永远不知道，是什么样的人在使用我们的软件，有时候，软件会帮助科学家发现针对新兴应用的优化解决方案，这带给我们立即的成就感。但有时候则正好相反，是新兴的应用迫使我们用新的方式结合既有的软件去设计新的算法。
在未来，我们会看到很多像自动驾驶车这样的应用，而自动驾驶安全的重要性和太空船的发射及降落不相上下。优化系统在未来的医疗领域也将大放异彩，它可以使精准医疗成真，它已经让放射疗法变得更精准快速了。
在演讲之后，AI 科技 评论对 Michael Saunders 教授做了一次专访。
AI 科技 评论：今天很高兴有这个机会来采访您！第一个问题，您能不能谈一谈您自己是如何结合研究与业界的应用，您参与过哪些具体的案例？
Michael Saunders： 我的应用案例在我的演讲中提了很多，其中有一些很重要的案例，比如在药物治疗、制造、航空航天、系统生物学和核磁共振等方面。就像我之前说的，我们不知道有谁会用我们的软件，但通用型的软件本来就会鼓励更多的新兴应用诞生。我最喜欢的事情就是别人敲我的门说，「教授，我有个优化问题，请问你可以帮忙吗？。」我希望大家敲我的门。
AI 科技 评论：您是如何看待人工智能、IoT 与系统优化之间的关系？
Michael Saunders： 人工智能涵盖了许多层面，包括数学和计算机科学，求解具有大规模变量方程的极小值问题通常是优化领域的代表性案例。
经典的 SVM 方法解决的是更为复杂的问题，我们已经证明了我们的 PDCO 解决方案是一个比现有的方法更能规模化应用的解方。
物联网包括了感测器，我们用优化方法研究了无线感测器网络（Wireless Sensor Network），用以侦测感测器在哪里。每个感测器都能自主侦测它和其他临近感测器的距离，举例来说，我们可以从一个直升机上面把感测器丢入森林中，让其自动感测是否有森林大火发生，其中只有寥寥数个感测器需要知道具体位置。
AI 科技 评论：千百个 Sensor 之间的互联是吗？
Michael Saunders： 我的 PhD 学生 Holly Jin，在她的博士论文中，她可以精准地定位数千个感测器，这对于大型的森林来说很重要。同样地，如果消防员或矿工佩戴感测器在身上，同样的优化方法也可以用于森林大火或倒塌的矿坑中搜索他们的位置。
AI 科技 评论：现在人工智能技术在中国特别火热，作为这方面的专家，您觉得人工智能技术未来突破点在哪里，这一技术的走向如何？
Michael Saunders： 这是一个很好的问题，人工智能技术已经发展很久了，1967 年，当我还在斯坦福大学念 PhD 的时候，人工智能就已经是一个计算机科学的研究主题了，如果 AI 是泡沫的话，泡沫早就破掉了。
自动驾驶车对于未来的人工智能研究领域来说，是一个很大的挑战，特斯拉创始人马斯克期待特斯拉自动车在今年底就可以自己在路上跑，并且车子还可以在行程之余去接送其他乘客为车主赚钱。我们不清楚这个愿景是否能实现，特斯拉声称他们有一个芯片的运算速度是其他芯片的二十一倍，这是一个很了不起的进展，这让我们离未来的 AI 又更近了一步。
AI 科技 评论：主要是芯片优化？
Michael Saunders： 刚才我们问题就是说，未来的 AI 应用方向，一个是自动驾驶，这是一个非常大的方向，会彻底改变我们的生活方式。我看好自动驾驶的未来。
观众提问：现在机器学习有两种方式，一个是监督式的，一个是非监督式的，您认为哪一种比较有发展潜力？
Michael Saunders： 机器学习的方式有三种：监督学习，非监督学习和强化学习。我认为监督式学习和非监督式学习都是很重要的，研究者们永远都在试着改善它们所使用的方法，我认为在未来，这两种形态的学习方式都会持续进化。
点击阅读原文，查看 Python 技术交流讨论小组
当今世界上人工智能方向哪几个教授或人物比较厉害
人脸识别领域的话，山世光比较厉害。个人觉得清华的和中科院的还不错，孙富春，张长水，王生进，百度出来的余凯，IBM的苏中，微软的周明，360的颜水成，都比较不错
现今中国排名前十的计算机科学家是哪十位啊？
姚期智
姚期智（Andrew Chi-Chih Yao，1946年12月24日-），美籍华人，世界著名计算机科学家，2000年图灵奖得主，目前是清华大学教授。
潘云鹤（1946年11月4日—），中国人工智能和计算机图形学专家，出生于浙江省杭州，现任浙江大学校长，浙江大学人工智能研究所所长。
主要成果
潘云鹤是中国智能CAD领域的开拓者，用人工智能技术解决了构图、色彩等多类知识表达问题，实现艺术图案设计自动推理。在真实感图形描绘、光照模型和空间感色彩模型等方面均有创新。这些成果主要应用于纺织印染设计，甚至被用于敦煌艺术的复原和保护。
李未(1943年6月8日-)，计算机专家，中国科学院院士，2002年开始任北京航空航天大学校长。
1966年毕业于北京大学数学与力学系，1983年在英国爱丁堡大学计算机科学系获博士学位，曾任英国科学与工程委员会、纽卡瑟大学和爱丁堡大学计算机系高级研究员， 欧洲共同体发展信息战略计划(ESPRIT)及德国不莱梅大学教授级研究员，德国萨尔大学(Zuse)客座教授。1986年任教授, 并被批准为博士导师，1997年当选为中国科学院院士。
他主要从事计算机软件与科学理论以及因特网应用研究，研究领域包括并发程序设计语言语义理论、软件开发方法、人工智能基础及超大规模集成电路辅助设计技术。
王安(1920年2月7日 - 1990年3月24日)，计算机专家，出生于上海;13岁考取了极负盛名的省立上海中学；16岁又以入学考试第一名的成绩，走进了交通大学。 他在磁芯存储器领域的发明专利共有34项之多，并成立自己的公司。
夏培肃（1923年7月28日—）中国计算机科学的先行者，主持研制了中国第一台电子计算机。1923年7月28日生于四川重庆，原籍四川江津。1941年考入中央大学（1949年更名为南京大学）工学院电机系。1945年毕业后赴美留学，1950年获英国爱丁堡大学博士学位。回国后，任中国科学院计算技术研究所研究员。从1952年开始从事电子计算机的研究、设计和试制，是中国最早从事电子计算机的科研人员。她编写了中国第一本电子计算机原理书，为中国计算机科技界培养了大批人才。1950年代设计试制成功中国第一台自行设计的通用电子数字计算机。1960年代开始在高速计算机的研究和设计方面做出了系统的创造性的成果。曾经创办《计算机学报》，并创办国际性期刊 《Journal of Computer Science and Technology》（计算机科技杂志），担任第一任主编。1991年当选为中国科学院院士。
她和丈夫杨立铭为一对院士夫妇；杨立铭，理论物理学家，毕业于中央大学工学院机械系，中国核物理学会理事长。
袁亚湘，男，1960年1月出生于中国湖南资兴。
袁亚湘十八岁考上湘潭大学, 四年后考上中国科学院计算中心研究生, 师从冯康教授。 1982年11月起在剑桥大学应用数学与理论物理系攻读博士, 师从 M.J.D. POWELL 教授。 1986年获博士学位。 1985年10月至1988年9月在剑桥大学菲茨威廉姆学院工作(Rutherford research fellow), 1988年回到中国在中国科学院计算中心工作。 现任中国科学院数学与系统科学研究院副院长。
袁亚湘的专业: 计算数学、应用数学、运筹学 。研究方向: 最优化计算方法 。
陈仕元 计算机科学家、宇航研究专家。1948年毕业于中央大学（1949年更名为南京大学）。后赴美学，获俄亥俄州立大学博士学位。曾任西雅图大学教授、兰德公司研究员、波音公司太空飞行研究中心总裁。
徐家福（1925年11月18日—）中国计算机软件学先驱，中国计算机科学奠基人之一。江苏南京人。
1948年毕业于中央大学（1949年更名为南京大学），1957年至1959年去苏联莫斯科大学进修，1981年起任南京大学计算机系教授、博士生导师，培养出中国第一位计算机软件学博士。现任南京大学计算机软件新技术国家重点实验室名誉主任、中国计算机学会副理事长。
如何评价吴恩达
吴恩达（1976-，英文名：Andrew Ng），华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台Coursera的联合创始人（with Daphne Koller）。
2014年5月16日，吴恩达加入百度，担任百度公司首席科学家，负责百度研究院的领导工作，尤其是Baidu Brain计划。[1]
2017年10月，吴恩达将出任Woebot公司新任董事长，该公司拥有一款同名聊天机器人。[2]
中文名
吴恩达
外文名
Andrew Y. Ng
国 籍
美国
出生地
英国伦敦
出生日期
1976年
职 业
计算机科学家
毕业院校
University of California, Berkeley
主要成就
人工智能和机器学习领域国际最权威学者之一
博士导师
Michael I. Jordan
阿里人工智能实验室新入职两名首席科学家，年薪百万美元
9月18日，阿里巴巴宣布，国际视频标准华人领军人物、前高通首席工程师陈颖和加拿大西蒙弗雷泽大学 (SFU) 终身副教授谭平入职阿里人工智能实验室（以下简称 AI Labs）。
据了解，这两名科学家的年薪均达到百万美元。
陈颖曾任美国著名芯片公司高通首席工程师。在高通期间，他主导了MPEG国际视频编码H264（1080P）、H265（4K蓝光）标准制定，拥有250项已授权美国专利，是首个获得高通“知识产权成就奖”的华人。
加入阿里AI Labs后他将担任人工智能和边缘计算首席科学家，重点攻克家用智能终端视觉技术，降低物联网视觉芯片门槛，打造更加普惠人人可用的家庭 科技 产品。
阿里 AI Labs视觉产品首席科学家 陈颖博士
谭平是加拿大西蒙弗雷泽大学 (SFU) 终身副教授，研究领域是真实感的三维重建（SfM）技术，可通过真实物体的照片自动对物体进行3D建模。他曾受邀担任国际顶级学术会议CVPR、SIGGRAPH领域主席、IROS副主编，是3D视觉领域的标杆式人物。
加入阿里 AI Labs后，谭平担任计算机视觉首席科学家，专注三维建模和全息技术研发，建立真实世界的三维数字化版本，打造逼真的虚拟世界，未来人们通过全息技术在虚拟世界中可以足不出户游遍全球。
阿里 AI Labs计算机视觉首席科学家 谭平教授
据介绍，两位聚焦于视觉计算领域的顶级科学家入职，意味着在即将到来的5G高速互联时代，阿里AI Labs已开始从语音交互向信息量更大更有想象力的视觉交互进行布局，智能助手天猫精灵在视觉领域未来或将有更多惊喜。
另据公开信息，目前阿里AI Labs除了陈颖、谭平外，核心产品及技术研发团队还包括实验室负责人陈丽娟、语音技术首席科学家聂再清、机器视觉杰出科学家李名杨、首席设计师李剑叶、硬件终端总经理茹忆、产品运营总经理杜海涛等。
中国科学技术大学，有什么做深度学习做得好的老师？
序言：俗话说，好的老师就如同一盏明灯，在日常的学习和工作中好的老师是非常重要的。中国科技大学作为国家的985工程和211工程重点大学，这所学校在应用物理，信息工程，电子计算机等方面都有着非常突出的优势，也培养出了许多行业顶尖的人才，是很多学子心中的目标院校。因此，今天小编要跟大家讨论的话题就是中国科学技术大学有哪些做深度学习做得好的老师，希望能够帮助到大家。
一、查正军
查正军老师是中国科学技术大学自动化系的教授，同时也是博士生导师。此外，查老师也是智能技术及应用国家工程实验室执行主任，国家优秀青年基金获得者、入选国家创新人才计划青年项目。另外，他也是科技部新一代人工智能发展中心专家组成员，主要从事人工智能、视觉感知与理解、图像视频分析与理解、模式识别等方面研究。
二、杨国桢
杨国桢老师是我国著名的光物理学家，是中国科学院院士以及中国科学院物理研究所研究员，是中国科技大学的博士生导师。他率先在国内开展光计算研究，并提出利用单个全息透镜组成的光学系统，实现多种给定变换的理论基础的人，并且已经在实验上成功地实现了一些例证。此外，他开展了多方面的系统深入的研究并取得开创性的成就，同时还在理论物理、凝聚态物理等研究领域方面也作出了相应的贡献。
三、张明杰
张明杰老师是我国著名的结构生物学家，是中国科学院院士，香港科学院院士，同时也是中国科学技术大学生命科学学院的院长。张明杰老师主要从事结构生物学，生物化学以及分子生物学方面的研究，他系统地研究了架构蛋白在架构神经信号转导复合物中的功能及分子机理，同时也研究了一系列由于遗传突变所导致的中枢及周边神经系统疾病的发病原理，为生命科学作出了很多的贡献。
结语：以上就是首席CTO笔记为大家整理的关于知名人工智能教授有哪些的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～