该系列是由亚利桑那州大学（ASU）和中国官方授权合作伙伴职学CinLearn携手推出的中文公开课系列。每一期公开课将邀请领导与管理硕士、心理学硕士、计算机与科技工程硕士和教育学硕士的授课老师，为学生们带来精彩分享。
大数据是AI时代的基石。据前瞻产业研究院报告数据显示，2020年全球人工智能（AI）市场规模达2万亿美元，预计到2030年将达15.7万亿美元。不难预见，未来几年必定是大数据和AI双向繁荣、双向促进的时代。
本期ASU公开课，特邀Ira A.富尔顿工程学院陈以农教授倾情呈现。陈教授围绕《大数据和AI前沿领域的课程概述》，生动地为我们讲述了关于大数据和AI的方方面面。
△ 陈以农教授 / 图源ASU
陈以农教授（Prof．Yinong Chen）简介：
· Ira A. 富尔顿工程学院教学教授、博士生导师
· 物联网与机器人教育实验室主任
· 中文计算机与科技工程硕士项目教学主任（Faculty Directo）
以下为陈教授的讲述——
人工智能领域简介
1.1前沿计算技术——从一张图，读懂AI发展史
我们的前沿技术，最早从互联网开始，之后我们把互联网变成了计算平台。在服务器与计算层面，我们进一步发展了云计算、大数据。
△ 图源陈以农教授
形成了比较成熟的大数据算法和平台之后，20世纪50年代我们迎来了第一代人工智能，80年代是第二代人工智能，今天的数字人工智能，是第三代人工智能，基于大数据分析而非人脑模拟。在此基础上，我们进入了实体人工智能阶段，即不仅限于数字平台，而是走向实体，走向生活，走向社会。
再进一步的增强智能阶段，我们称之为“互联网+”；另一方面，互联网也在向下发展为物联网。
围绕计算和技术，我们开发各种各样的应用领域，比如电信工业、钟表工业、汽车工业等都在智能化、电子化。这就是今天我们信息技术所涉及的各个领域，美国75%以上的经济增长都源于此。
1.2机器学习与人工智能——ChatGPT的划时代意义
我们刚才讲到的数字人工智能、实体人工智能和增强人工智能，反映出我们今天所说的人工智能和机器人技术领域.
△ 图源陈以农教授
第一层的两个领域虽然不同，但几乎相互覆盖；第二层包括机器学习、专家系统、自然语言处理（NLP）等；到第三层，机器学习包含深度学习、监督学习和无监督学习等。初级的人机对话很早就已出现，但几个月前的ChatGPT，远远超越我们任何一个人的知识和智能，这就是在自然语言的处理之上，增加了机器学习。ChatGPT经过十多年的深度学习、监督学习和无监督学习之后，还将继续发展下去。
我们今天的机器学习是基于大数据，并通过各种平台、设备来收集数据，选择目标数据为我所用。通过将数据进行预处理，把它转换成键值对（key-value pair），之后进行数据挖掘、机器学习、构建模型。
大家注意到，这和我们第一代的人工智能模型完全不一样。第一代、第二代是试图先找到模型，再通过模型进行预测；现在是通过对数据的大量分析反推模型，用机器学习的算法来学习模型。因为我们人脑的模型实在太复杂，再经过几十年，上百年也不一定能真正模拟人脑。
我们最后找到的模型，不一定真正就是我们大脑的思维模型，而是能够反映我们所有收集数据的模型，然后再用这样的模型对我们新录入的数据进行测试，这就是机器学习。
还有就是增强学习。模型是一个不断改进的过程，就像新一代ChatGPT4或5，一边让用户使用，一边通过用户搜集新数据，自我迭代。
1.3从大数据到智能决策——AI可以帮助人，但无法替代人
今天我们从数据收集、数据预处理，来寻找模型、建立模型；通过机器学习，分类和回归；然后我们会建立知识本体，并把知识和模型进行整合以及数据处理。
△ 图源陈以农教授
但并不是所有的人工智都是自主决策，因此我们往往还需要人来做决策，比如医生用人工智能来辅助诊断，显然医生不可能记住或见过所有的病例。如果我们拥有医生使用的药物、病人测试的结果，最终治疗的效果等大数据，就能够调用出来帮助我们训练模型，对新病人的情况给出建议。
整个过程，我们还是需要医生来最终决策。我们不可能把大量数据给医生，需要用一种可视化的方法，让医生能够理解人工智能大数据的决策。这就是从大数据到智能决策的完整过程。
这些成果和计算平台是分不开的。进行实时的大数据处理，需要超级计算机，不是简单的快，而是有针对性地进行软件硬件共同设计，以更匹配人工智能的机器学习。
1.4量子计算与量子机器学习——发展前景广阔
这就要讲到云计算这个虚拟平台，它能够提供从理论上无限的计算能力，还有一个方向是量子计算，他们的计算能力是线性增长，需要处理的数据量是指数级增长。我们要让计算能力匹配数据增长，就需要找出新的计算模式。
△ 图源陈以农教授
其实，上世纪50年代，物理学家Richard Feynman就提出了量子计算机的概念，经过一代代到了超大规模集成电路。虽然主流的电子计算机一直在发展，但是我们一直在寻找新的计算模型，真正有希望取代电子计算机的就是量子计算机。
量子计算涉及到量子比特(位)，它具有超级位置和量子纠缠两大属性。
相比数字位（Bits），量子位（Qubits）可以是0和1的超级位置。数字计算，是用确定性的数字去模拟一个不确定的结果；量子计算，算出来的是一个概率，比如推算面前的物体99%是辆车。
量子纠缠的特性更加神奇。如测量了孪生对的第一个量子位，则立即知道第二个量子位的值。量子计算的超级力量来自超级位置和纠缠。
这个非常关键，我刚才提到我们今天数据量的增长就是指数增长，将来要能够真正驾驭数据增长，计算机最终需要实现量子计算。它可以用在需要超计算能力的地方：
实现更快的机器学习。如满足ChatGPT对指数级数据的需求，让机器学习更快完成训练。
打破当前的安全系统。比如网络安全、操作系统安全、软件安全的复杂算法，电子计算机可能需要上百年才能破解。一旦量子计算出现，以前所有为数字计算设计的安全系统就可能被打破。美国已经开始布局要对所有的安全系统进行重新评估和升级。
设计与发现新药物。量子计算能够更快、更好地帮助我们设计出新药物。还有金融、股市、保险等领域，其实都需要超级计算。
前一段时间我参加国际会议，未来量子计算机可以用于优化通讯网络。比如航空领域用量子计算来做通讯系统，可以让超音速飞机，在天空与地面保持实时通讯。通常要保持实时通讯，会有五六秒的时间差，量子计算极大地提升了飞机对障碍物等风险的预判能力。
ASU现在已经在研究用量子位搭建机器学习的模型。希望在若干年后，我们的量子机器学习能够赶超机器学习。
FSE598《前沿计算技术》，会覆盖旗舰课CSE571《人工智能》。因为所有大数据、人工智能都是基于算法，所以需要很强的算法基础，CSE551讲得就是《算法基础》。而《软件验证、确认和测试》，会教你学习软件开发。
由于面向职场人士，我们特地开发了《技术创业》课程。《高级计算机网络》会讲到互联网及各种计算机网络，还有《云计算》、《数据可视化》等课程。其中，《社交媒体挖掘基础》由我们的董事教授刘欢来讲，在ASU只有不到3%的老师获此殊荣。
大数据与人工智能在工业界的应用
大数据和人工智能最早用于银行和证券，也是最为广泛的应用，目前形成了Top10应用领域：
1. 银行和证券
2. 通讯媒体和娱乐
3. 医疗保健机构
4. 教育
5. 制造和自然资源
6. 政府
7. 保险
8. 零售和批发贸易
9. 运输
10. 能源和公共事业
教育行业，如ASU是美国最大的公立大学，线上线下学生共13.5万，会经常用到大数据和人工智能。
U.S.News发布《100 Best Jobs US News2021》排名显示，在前12名中，信息相关的工作收入是医疗工作的1.39倍。大流行病过去后，《100 Best Jobs US News2023》发布的数据显示，软件开发重回Top1，Top5是信息安全分析师，Top8是信息经理，Top9是网页设计，前12名中，信息相关的工作收入增为医疗工作的1.53倍。
△ 图源陈以农教授
Q&A互动答疑
ASU：我本科是计算机相关，硕士课程对于我们的难易度怎么样？
陈以农：我们课程的难度是按照研究生的课程来设计的，相比你是不是计算机专业，会更加注重你是否有数学基础。我们会讲授数据结构算法、程序设计语言等计算机行业方面的主要内容，如果你有数学基础，那么这个课程不会太难。
那么会不会太简单呢？中文课程是按照ASU英文课程设计的，学生需要在本科基础之上才能学习，不会太难，也不会太简单，你一定会学到很多新的东西。我要强调的是ASU非常注重创新，我们的课程不只是理论概念，而是需要学生动手编程实践。
ASU：中文硕士课程和英文硕士课程会不会有很大的差别，大概什么样的差别？
陈以农：我们有2种方式。一种是直接把英文老师的课翻译成中文，大概有4门课是这样；一种是直接请会讲中文的老师，让他用中文把课再讲一遍。在ASU中英文的课程可以相互转换。FSE598算是例外，是我直接用中文讲的，主要针对非计算机的理工科学生。在线英文课程的很多学生也是相似的背景，负责英文招生的老师，邀请我把课程用英文再讲一遍。
感谢陈教授深入浅出的讲解，将计算机理论与实际应用结合起来，抽丝剥茧，层层深入，让我们对大数据和AI前沿领域方面的知识获益匪浅。
关闭
