雷鋒網AI科技評論按：2017 年 11 月 25-26 日，由 中國計算機學會（CCF） 和 KDD China 聯合主辦的中國計算機學會 第85期 學科前沿講習班（CCF Advanced Disciplines Lectures，ADL）在北京中國科學院計算所成功舉辦。
電子科大周濤教授在講習班上做了一場主題爲「計算社會經濟學」的報告。報告中，他向學員們介紹瞭如何利用海量數據分析、人工智能技術感知社會經濟態勢，預測社會經濟發展趨勢，提前發現重大風險，量化選擇最優經濟策略等內容。
電子科大周濤教授
周濤教授是電子科技大學教授，主要從事統計物理與複雜性方面的研究，發表SCI論文200餘篇，引用18000餘次。 2009 年獲教育部自然科學一等獎， 2011 年獲第十二屆中國青年科技獎， 2014 年起歷年入選 Elesvier 最具國際影響力中國科學家名單（物理天文類），2015年和屠呦呦等七人當選CCTV年度科技創新人物，2017年獲全國創新爭先獎。
如果用一句話形容周濤教授給記者留下的印象，那就是「物理領域專家中最懂計算機，計算機領域專家中又最懂物理。」
不過，在隨後記者的訪談中，周濤教授卻並不認同別人對自己的「計算機專家」的稱法。
近些年，周濤教授在公開場合講大數據的機會比較多，再加上曾經編譯過一本被大衆所熟知的暢銷書《大數據時代》，進而有了「計算機專家」的稱謂。事實上，周濤教授表示，他是純粹的物理學背景出身，主要從事統計物理與複雜性方面的研究。
當記者問及是否有向計算機科學領域轉型的想法時，周濤教授明確表示「從未想過轉型，以前沒有過，現在不會，未來也不打算轉型」。
他解釋道，自己雖然是在做數據挖掘研究，但用的是物理學方法論。計算機和物理之間沒有高低貴賤之分，只是方法和理念有所不同。
「我和我的團隊目前所作的工作就是通過海量事實數據，用精確的分析去感知宏觀的經濟社會是怎樣發展的，然後來預測可能的風險。」周濤教授告訴AI科技評論。
此外他還向AI科技評論表示，大數據和人工智能會給社會帶來很大的變化，對社會最大的衝擊，其實並不是來自於計算機科學本身，很大程度上是來自於它對社會學、管理學、心理學等學科的影響，把這些原來只是半定量或者定性分析的學科變成了一個定量化的學科。
以下是雷鋒網AI科技評論專訪內容：
AI科技評論：您是瑞士弗裏堡大學物理系博士，研究方向爲網絡科學、信息物理、人類動力學、羣集動力學，這是否是您從物理學向計算機科學轉型的節點？您是怎麼從大數據研究過渡到計算社會經濟學研究上的？
周濤教授：我沒有想過向計算機科學轉型，只是有些合作而已。我的絕多數論文，都是在物理領域的期刊發表的。可以這麼說，以前沒有，現在不會，未來也不會有向計算機科學轉型的想法。
我大概是從2007年開始從事數據挖掘，我對數據挖掘的理解是怎麼樣從數據中找到深刻的洞見。早期我是做網絡數據挖掘，但是我們用的方法是統計物理的方法，比如各種擴散動力學，所以說面對的問題是和計算機領域的學者面對的同樣的問題，但是用的方法論不太一樣，發表的期刊也不一樣。我以前不是做這個方向，是07年在瑞士的時候開始做的。直到了2016年的時候，我纔開始考慮做一些計算社會經濟學方面的問題的研究。
AI科技評論：計算社會經濟學是一個新的交叉學科，這是您提出來的嗎？
周濤教授：說是誰提出來這個沒有意義。任意組合兩個學科都可以形成一個新的交叉學科。準確的說，目前國內外有一部分人在探索這種新的方法去處理傳統社會經濟學問題，可以說我們是早期探索這個問題的一個小組，我最近也會有一篇大的Review來探索這個問題。新方向將來會不會形成期刊，是否有它的學會，有它的研究方法論，它是否能真正解決傳統社會經濟學解決不了的大問題，或者說是驗證和推翻了傳統社會經濟學的經典理論，或者是有些還沒有被驗證和推翻的東西？如果答案是肯定的，這個時候它的力量才能體現出來。但現在還處於早期，還沒有形成成熟的學科。
AI科技評論：大數據涉及衆多領域，您是否有一套統一的大數據方法論去適用這些領域？
周濤教授：首先是有了數據不等於有了解決方案和洞見，我們總是想要用數據挖掘，或者機器學習，或者其他方法，來獲得你真正想要的目標。這裏面，其實可以把工作分爲兩類，一類是從「貨架」上取下來。舉個例子，基於卷積神經網絡的深度學習或者用梯度下降的決策樹做隨機森林，這是大家都做好的，有一個標準模版，這個就是「貨架」。上面有玲琅滿目的「乾貨」，有的是簡單的數據挖掘方案，比如多維的廣義線性迴歸，有的是比較新的，比如卷積神經網絡的深度學習，這個貨架上面擺了成百上千的東西。所謂的普世方法，我們一般遇到一個問題，首先看這個問題是否能分類爲我們熟悉的問題，要從「貨架」上取一些工具來試，這個大概能探測到一些有效的方法。但實際上，不同的問題的解決方案，差異性是很大的，這就需要行業理解，行業理解和貨架是無關的。比如，刀具的壽命預測，生產線的優化，面板集成電路缺陷發現，酒的加工等，這些我們團隊都做過。這裏面就要用到很多不一樣的行業知識，比如做刀，需要很多動力學知識，預測什麼時候斷刀。最終，是需要行業知識加上「貨架」取下來的東西結合一起做，才能形成解決方案。但是可以從某種意義上理解爲有一種普世方法，因爲我們團隊很大，我們準備了一個貨架，上面有很多「乾貨」。任何東西來了，我們到貨架取下來方法就可以了，我們至少可以保證在短期內給一個六七十分的解決方案，但要做到90分，就要深耕行業知識。
AI科技評論：物理學背景對您現在的研究有什麼特別貢獻？
周濤教授：貢獻非常大，從物理或數學角度出發，在計算機領域或工程領域，它是competing for numbers（數字論輸贏），比如我希望戰勝你，你的精度是0.9217，我的是0.9249，我就比你厲害。計算機領域的學者對虛的東西不太看重，比如說同樣一個模型，我可能參數很少，方程的每個項目都可解釋，我能解的出來，能寫出解析表達式，方式很優美。而計算機領域的人訓練幾千上萬個參數也寫不出表達式，不簡潔，也不優美。研究物理和研究計算機本質上沒有誰對誰錯，但物理領域的人會對簡潔，優美，甚者優雅追求更強，我們不搞複雜的訓練模型，但這樣反過來會犧牲一部分實用性和精確性。不僅會犧牲一點精確度，有時，我們做的很優美，但可能只能處理幾千個節點網絡，而計算機領域的人的方法可能可以處理幾十億節點網絡，這樣我就差的很多。我犧牲的是精確性和效率，追求的是優美和簡潔，所以在方法論和思路上多多少少還是不一樣。
AI科技評論：物理學研究背景跟您現在講的人工智能將在社會學、經濟學、教育學產生巨大變化有何內在聯繫？
周濤教授：人工智能和大數據在一起，總體的推動力都是一樣的。原來的學科都是定性的或是半定性的學科，第一個，都缺乏數據，比如說教育學，以前做調查，原先二三百人都是比較大的，但是現在用Facebook，用Twitter，動輒幾億人的研究對象，用手機就可以瞭解你的行爲。數據的高度豐富，以前是沒有的。
第二個是方法的變化。以前這些研究的領域都集中在統計上，分析關聯有多強，哪些是因果，什麼情況下，人能從中得到一些洞見等等，究其原因是因爲你的數據維度很小，比如說，我看因果，特別是因果的挖掘，通過人工智能，特別是通過機器學習，計算機能建立一些方法，能夠在一個幾十萬上千萬上億的高維特徵空間中，進行因果的挖掘，進行預測。這就是人工智能，機器學習帶來的作用。所以從這個角度來講，就是生產資料和生產工具的解放。
AI科技評論：您講的這個主題偏宏觀一點，感覺可能對投資人，政府的管理人員參考比較大，對於普通人的參考意義在哪裏？
周濤教授：可以關注自己所在的城市，可以看一下自己的城市的競爭力，適應度，排名怎麼樣。這個非常有意思。從大的方面講，整個社會經濟學面對的大問題，矛盾集中的問題更多是在非洲那邊，對我們普通人蔘考意義不大。但如果從小的方面講，比如我們這個年齡，有爺爺奶奶，我們可能不瞭解他們真正的感受是什麼，最新有些研究，就是通過手機的通話和移動，判斷你是否孤獨，是否很好融入城市生活。這樣就可以來看有一個人是否心理健康。
雷鋒網
