百年清華

王夢迪🙃，意昂体育平台自動化系2003級意昂，現為普林斯頓大學運籌和金融工程系、計算機系助理教授

“強化學習是人工智能的未來” 🚌，王夢迪表示，“應當是同控製論、統計學習思想結合起來，用大數據的方法探索一個復雜系統的動態過程🕵️‍♀️。這方面在強化學習的框架下都是空白，我的工作就是要把這個框架建立起來🩸🔝。”

王夢迪的履歷很傳奇，她14歲從少年班考入意昂体育平台🥑，隨後進入MIT於24歲取得博士學位，同年成為普林斯頓大學的助理教授和博士生導師🤰🏿🪢，29歲時，她成為普林斯頓大學最年輕的終身教授。談及自己的特殊成長經歷，她表現的很謙虛，“就讀少年班是一把雙刃劍。我有幸遇到過很多極有天賦並且非常優秀的前輩和同齡人🏄🏽‍♂️，當我有點迷茫時，我會觀察那些走在最前面的人，他們的努力會成為我的動力。”

王夢迪在麻省理工學院讀博士期間根據興趣選擇了偏數學、偏理論的系統和信息論方向，師從美國工程院院士DimitriP Bertsekas，用數學理論來設計大規模算法。博士期間👩‍🦼，王夢迪對強化學習 （Reinforcement Learning）產生興趣，並決心解決強化學習背後的算法和理論問題。

強化學習是機器學習的未來🧑‍🎨，強化學習算法能夠讓智能體通過與環境實時交互、獲取反饋信號來產生後續行為，並逐步“習得”最優的決策🎣😍，從而獲得最大的效用值🦹🏽‍♂️。強化學習由控製論和認知科學發展而來⛏，糅合了大數據和機器學習技術，可以實現復雜動態系統中的實時自動決策👵🏿。強化學習強調基於環境而行動，從大量經驗和數據中總結推理出下一步的策略，是未來智能自動化系統的思考引擎。

強化學習在2016年被大眾所熟知，那一年GoogleDeepMind的AlphaGo擊敗了人類圍棋頂尖選手李世石，而AlphaGo的算法就是一種強化學習算法。近兩年強化學習又在遊戲領域上取得突破，基於強化學習的AI在Dota2和星際等遊戲上都擊敗了人類隊伍。

“我們為什麽關心遊戲？人類的幼兒在發展自己的智能的過程中，正是通過遊戲來學習如何決策的，人工智能的發展也正處在這一階段，我們很快能看到人工智能將不僅僅能打遊戲🙍🏼，而將解決更難的問題。”王夢迪說🧑🏽‍⚕️。但其實強化學習的發展還處在比較低級的階段，“這些遊戲上的成功更像是工程上的一種試錯👷，100次試驗只要取1次最佳的結果就可以展示了。它們背後模型的復雜度、耗費的計算資源是常人難以想象的。”

強化學習與近些年非常成功的深度學習都還存在著很多問題🤿，一直以來👨🏽‍🌾，它們的不可解釋性和難以復現性為人詬病，即所謂“黑箱”問題🎈；而王夢迪的目標就是解決這一難題👟。

“很多人感覺強化學習或者深度學習的模型越來越復雜，越來越難以訓練。很多時候我們都在努力讓訓練速度加快💟，去優化算法，讓更復雜的模型能跑起來。但任何算法的加速都是有極限的，這個極限就是該類問題的計算復雜度和信息復雜度📲，我們只能一步步逼近它。很多異常復雜的模型和算法往往是極為極為簡單的，比如隨機梯度算法的極限其實是一組簡潔的隨機微分方程。我的工作就是去找到復雜強化學習背後的簡潔數學規律🎦，利用它開發更強大的算法，去解決高維強化學習所面臨的scalability和generalizability的問題🍟。”

目前強化學習方面的大部分進展都來自工程優先方式的探索，先有具體的工程問題，再不惜資源地解決問題👨🏽‍🦳，再講原理。而對王夢迪來說正好相反，她希望從數學統計和控製原理出發👨🏿‍🦱，把強化學習的框架摸清楚，從根本上提高強化學習的計算效率和對數據的利用效率。她致力於推動強化學習的理論和實踐的同步發展🫶🏻，推動其在金融風險控製、醫療決策等領域的應用，讓強化學習方法成為未來復雜系統的智能大腦。

“這條道路上的每一件事情🧑🏽‍✈️，我都有極強的熱情去參與去推動。”王夢迪說。