今天的人工智能还不算完美，安全隐患、失灵易错.....这些都掣肘着人工智能的应用和发展。

【资料图】

10多年来，清华大学计算机系教授、人工智能研究院副院长朱军致力于解决人工智能安全性问题，在他看来，做科研，并不是以成果转化作为直接目的，只是到了一定阶段，我们觉得成果技术有用，才会最终推向市场。

日前，朱军获得第二十五届中国科协求是杰出青年成果转化奖，他突破了经典的贝叶斯基础理论和关键技术，提出扩散模型的高效算法，通过成果转化孵化国家级专精特新“小巨人”企业，为安全可靠的人工智能发展奠定坚实基础。

5年突破基础原理

博士期间，朱军做的研究课题便是机器学习与贝叶斯理论。贝叶斯方法是自然语言处理、机器学习、图像识别等人工智能领域的重要基础。

在人工智能应用中，“不确定性”是一大问题。例如无人驾驶，其环境和系统就存在很多我们未知的随机因素，基于概率的贝叶斯理论方法可以给出最优决策。

经典贝叶斯理论已存在260余年，它有两大关键要素：先验分布和似然函数，过去，大家公认“非先验即似然”的框架，即通常是假设一个先验分布或是假设一个似然函数进行运算，2011年的图灵奖获得者Judea Pearl教授将概率统计引入人工智能，成为现代人工智能的重要理论基础。但是，在大数据环境下，贝叶斯学习面临着多方面的挑战。

“不是那么直接，例如诸多场景无法转换成先验分布或是似然函数，这种情况下，贝叶斯理论就失灵了。”朱军告诉《中国科学报》，他希望贝叶斯方法变得更灵活，在新的框架下，能够很容易考虑优化目标或领域知识。

有了初步的想法，朱军从一个个实际案例开始探索，为了有更深入的研究，朱军前往美国卡内基梅隆大学担任访问学者和博士后。

从博士到博士后的5年里，一个个微小案例逐渐在朱军头脑中组合成一幅广阔的理论图景。他试着做了一个整合和推广：把经典的贝叶斯推理看成最优化问题，在最优化的框架下找出后验分布，针对目标做约束、根据需要进行模型预测 。

“作为目标函数直接引导机器学习，这样训练出的后验分布预测准确度更高、在性能上会有更好的表现。”朱军说。

这便是他后来提出的正则化贝叶斯理论：它基于贝叶斯定理的信息论描述, 通过引入后验正则化, 在变分优化的框架下可以灵活地考虑领域知识 (如基于逻辑表达式的知识) 或者学习任务优化的目标 (如最大间隔损失)。

朱军所提出的正则化贝叶斯理论，被认为是跳脱过去260余多年历史的经典贝叶斯“非先验即似然”框架，为贝叶斯推理提供第三维自由度，并带来了应用价值上的全新发展方向。在正则化贝叶斯框架下，朱军所提出的贝叶斯模型的最大间隔学习理论以及高效算法，将过去20多年来相互分离的两大方向进行了有机融合。

科研积累让转化“水到渠成”

2018年，朱军第一次尝试把基础科研推向应用市场。他的初衷是，“我做科研将近15年了，其中积累了一些算法和模型，究竟能不能有效、有没有用，能否真正解决行业问题，我想和实际场景做一个结合。”

朱军将目光聚焦在了人工智能安全场景中。

例如：智能手机中常用的“刷脸”功能，但一双“打印”的眼睛就能欺骗这些智能系统，解锁手机，给用户带来巨大风险。传统深度学习和神经网络的方法难以解决这一问题，朱军基于贝叶斯理论作出算法模型，可以发现具有欺骗性的“眼睛”，并进行防护，这一“人脸防火墙”已成功在银行应用。

科研界与产业界的对话“鸿沟”在朱军身上也发生了。

朱军告诉《中国科学报》，科研人员习惯的场景是问题定义比较明确、数据非常清晰，他们来解决问题。而现实世界并非如此，许多条件都不具备、数据缺损严重、任务定义不甚清晰。

朱军记得，在与一家头部工业厂商交流时，他和团队成员都觉得算法性能能够帮助厂商优化工艺参数、流程控制等，但在具体操作过程中，他发现，很多算法实现的前提条件都不存在，这让他们走了许多的弯路。“我们需要不断地与企业交流，了解对方需求，后来的合作才不断成熟起来。”

服务产业，还需要标准化，依托技术和理论，朱军建立了面向产业的通用平台——贝叶斯人工智能技术与平台，提供自动检测人工智能生成内容的技术能力和标准化服务能力。

近年来, 人工智能算法方面取得了很多突破进展。同时,也发展了性能良好的概率编程库, 支持贝叶斯深度学习模型的开发和部署，朱军团队研制的 “珠算”,是最早的系统支持贝叶斯深度学习的开源库之一，推动了深度学习与贝叶斯两者之间的有机融合。

基于一系列的技术，朱军团队成功孵化了一家人工智能公司，推动贝叶斯深度学习、可解释学习、AI对抗攻防等领域的前沿技术研究以及技术落地。

在朱军心里，科学研究和技术突破还是第一位，成果转化还让他收获了“意外”惊喜。“通过产学研合作，实际案例的反馈，让我们更容易找到真正有价值、重要的问题，或是对问题有着更深入的理解，促进科研的发展。”

艰难挑战呼吁更多人才加入

对朱军来说，从基础科研到成果转化，这条路并非一帆风顺。尝试5次、10次，最终才有1次成功是常态。

但面对挑战、迎接挑战，也早已深深刻在朱军的骨子里。在清华大学，朱军曾利用很多时间寻找和培养自己的兴趣，为学习英文思维方式，他在大一时选择了全英文物理课，确定了计算机方面的兴趣后，他大二开始进入实验室，了解如何开展一个课题，大三暑假选择了有挑战性的课题，用一个暑假的时间设计CPU。

也大约在这个时候，朱军正式确立从事人工智能研究的目标，之后，他前往微软亚洲研究院实习，最先接触的是概率图模型，这种模型将概率论与图论优美地融合在一起，深深吸引了朱军。对于他来说，选择做什么，体现一个人的科研品味，尽管有困难，但也不能降低水准。

如今，还有更多的挑战摆在朱军面前。

安全可靠的人工智能还需要从技术上进行突破，数据安全、系统安全也仍需要被关注。要想打造负责任的人工智能技术和应用，还需群策群力和产学研用的深度合作。

2019年，朱军作为发起人之一，联合清华大学和阿里巴巴发起了“安全AI挑战者计划”，主打“高难度、高创新、高趣味、高回报”的题目任务和运营，将参赛选手的思路方法沉淀在技术社区，旨在探索高校企业协同，为新基建建设培养一流的实战型网络安全人才。

“我们希望以竞赛的形式吸引更多年轻人关注人工智能安全，通过技术创新为人工智能保驾护航。”朱军很欣慰，该竞赛成效显著，全球26个国家或地区、900余家校企、上万名选手参与其中。

“越多人关注，对一个新赛道、新行业有越大的价值。”朱军说。