「裴健當選SIGKDD主席」研究被引超7萬次，他還有一個遺憾｜專訪

【新智元招聘】AI 盛夏，星艦啟航。《新一代人工智慧發展規劃》發布之際，新智元也正式入駐融科資訊中心 B 座，整裝待發。天時地利，星辰大海，我們召喚你——新船員的加入！COO、總編、主筆、內容運營、客戶總監、客戶經理、視覺總監（兼職） 7 大職位招聘全新啟動。點擊文末閱讀原文查看詳情。

根據新智元獲得的最新消息，ACM SIGKDD日前公布了新一任主席的名單，加拿大西蒙弗雷澤大學教授裴健當選，任期為 2017.07.01——2019.06.30。

裴健是加拿大西蒙弗雷澤大學計算科學學院教授，統計學與精算系及健康科學學院兼職教授，加拿大一級研究講席教授(Canada Research Chair, Tier 1)。他專註於數據挖掘、大數據、數據科學和資料庫的研究及其在健康信息學、金融、企業業務系統等的應用。他發表了200多篇學術論文、一本教科書和兩本學術專著，被引用7萬多次。此外，他還是 ACM 和 IEEE 的 Fellow。

新上任主席的三把火

根據裴健教授對新智元的介紹，SIGKDD的主席選舉過程包括：現任執委會任期到期前，由一個提名委員會提名下一屆的候選人，其中必須有兩名主席候選人和兩名秘書長兼司庫候選人，執委候選人必須多於6人。然後全體SIGKDD會員通過不記名投票選出主席、秘書長兼司庫和6名執委。候選人通常是在SIGKDD中活躍的成員，之前有SIGKDD服務經驗，在技術、應用和戰略方面有一定經驗。

裴健說，當選SIGKDD主席後，在未來兩三年，SIGKDD重點要做好幾件事情：

·首先，SIGKDD作為數據科學的全球領先的專業人士組織，需要得到學術界和產業界持續支持。SIGKDD會繼續為學術界和產業界提供全面的支持，推動學術界和產業界的互動；

·第二，SIGKDD的核心領域是數據科學，我們要團結相關的專業人士和社區，如機器學習、人工智慧、統計學、資料庫、認知科學等。我們要通過各種活動推動數據科學的創新和應用；

·第三，SIGKDD要進一步推動這個組織的多樣性，如鼓勵更多的女性進入KDD這個行業，在各個地區和應用領域建立發展SIGKDD的分支機構。最重要的是SIGKDD要大力推動數據科學的教育普及，為培養下一代數據科學家鋪路搭橋。

2017年8月，SIGKDD將在加拿大新斯科舍哈利法斯舉行，裴教授對新智元說，這幾年KDD大會在如何使數據科學和人工智慧在數據密集應用中落地，如何做出開創性的新穎應用等方面都很出彩，歡迎大家關注大會。

SIGKDD在中國

根據裴健教授的介紹，在數據挖掘領域，有一批優秀的華人學者非常活躍，做出了傑出的貢獻，如前輩 Jiawei Han 教授和陸宏鈞教授，以及現在很活躍的周志華教授、劉兵教授和熊輝教授等，在產業界特別是國內企業，有很多年輕的專家做出了突出的成績，如百度的沈抖博士、滴滴的葉傑平教授、領英的Shipeng Yu博士等。

作為美國計算機學會 ACM 旗下數據挖掘和知識發現的專業組織，SIGKDD 每年都會主辦 KDD 大會，是數據挖掘領域的最高學術會議，每年都吸引2000 多與會者，大部分來自產業界，學術論文的接收比例不超過 20%。

資料顯示，2016年的KDD大會共吸引了1115 篇投稿，其中研究專題投稿論文784篇，最終有142篇錄用；應用數據科學專題投稿論文331篇，錄用66篇。

SIGKDD 2016年1月在中國設置了分會（SIGKDD China） 目前，SIGKDD China 的執行委員會主席為香港科技大學楊強教授，副主席為南京大學的周志華教授，以及百度公司副總裁沈抖。微軟研究院鄭宇擔任秘書長，西南交通大學的李天瑞為財務主管。

數據挖掘是屠龍之術？ 很多號稱AI公司的企業其實都在干數據挖掘的事情

在查閱背景資料，我們看到網上有這樣一種說法：數據挖掘目前在中國的尚未流行開，猶如屠龍之技，現實情況是這樣嗎？裴健教授說，就他了解的情況，其實數據挖掘在中國到處開花結果。實際上很多號稱AI公司的企業都在干數據挖掘和數據科學的事情。大家越來越認識到 AI 應用數據為王。

針對現在數據挖掘行業存在概念混亂的現象，許多局限在報表的展示和簡單的統計分析，卻也號稱是數據挖掘。裴健教授認為，報表是數據挖掘結果的重要展現形式之一，另一個重要展現形式是可視化分析。數據挖掘可以從報表和簡單的統計分析出發，關鍵是逐步挖掘業務需求和潛能，推進數據挖掘的深入應用，在業務中發揮作用，產生越來越大的價值。數據挖掘的關鍵是能利用越來越多的數據產生越來越大的業務價值。

關於數據挖掘，有人說「溝通能力和興趣愛好是個人的數據挖掘的核心競爭力」，對於這一觀點，裴健在接受新智元的採訪時表示：「數據挖掘的核心是對數據和業務的理解能力和對演算法的構建能力。溝通能力很重要，是對數據和業務的理解能力的關鍵，但同時演算法的構建能力也很重要。」

研究被引用數量超過7萬次，裴健還有一個遺憾

在谷歌學術上，我們查到，裴健教授的研究總共被引用數量超過了7萬次，2012年至今的5年間，被引用次數超過3萬5千次。在數據挖掘領域可謂有著強大的影響力。

在採訪中，我們希望裴健教授向我們推薦一篇他認為最滿意的論文。謙虛的裴健老師表示，「與其選自己最滿意的論文，還不如說自己最常有的遺憾。 」

他說：「每篇論文發表之後就會留下遺憾，因為總有可以改進的地方。回頭看，對自己的每篇論文我都能說出自己的遺憾。與其選自己最滿意的論文，還不如說自己最常有的遺憾。 我經常遺憾對一個問題的本質認識不足，忽略了更簡潔的演算法，對別的領域不夠了解，未能借用別的領域已有的技術和方法。」

數據挖掘其實是一個非常跨學科的領域，與眾多學科相互促進，共同發展。以人工智慧和機器學習為例，可以結合的點非常多。對於這種跨界的合作，裴健教授對新智元介紹說：「我和機器學習的專家合作很多，自己也可以濫竽充數地說懂一點機器學習。我在資料庫、數據挖掘、機器學習和信息檢索多個領域都做一點，和不同的學者合作，從他們身上學到不同的東西，如不同的思維方式和領域知識，收益非淺。多跟不同的人合作是很有幫助的。」

KDD最新趨勢： 深度學習最近的發展很Disruptive

KDD領域近年來向機器學習靠攏的趨勢很明顯。從大會評選出的最佳論文，以及組織舉辦的Workshop就能夠看出，話題與實際應用結合非常緊密，keynote 演講里還有專門請投資人從VC視角講解機器學習。

那麼，這算是一個大趨勢嗎？

裴健教授在接受新智元的專訪時表示，機器學習本身就是數據挖掘的一個重要工具，20年前數據挖掘創始的時候的三大主要內容就包括機器學習。機器學習與數據密不可分，數據挖掘是打通從數據到業務的端到端流程。

再具體到深度學習，裴健說：「深度學習最近的發展很 Disruptive。在數據挖掘領域，很多工作用深度學習作為工具。KDD上有很多文章提出了很有趣的問題，然後用深度學習作為工具巧妙地解決了問題。建議感興趣的讀者去瀏覽一下今年來的KDD論文集。」

聊一聊數據：這樣才能獲得高效的、優質的「燃料」，確保火箭不會出事？

人工智慧的發展很大程度上依賴於數據的獲取，有人曾說，如果人工智慧是火箭，數據就是燃料，從你在數據挖掘多年的經歷來看，怎樣才能獲得高效的、優質的「燃料」，確保火箭不會出事？現在深度學習領域出現了各種各樣的數據集，數據的量非常大，在圖像領域就出現了比著名的Imagenet要大很多的資料庫，那麼，是不是數據永遠是越大越好？對於研究者來說，怎樣才算是適合的數據？

在「數據」上有著多年研究經驗的裴健對新智元介紹說：「一般來說，數據是越多越好。深度學習需要大量的數據來產生可以generalize的模型。在實際應用中，數據往往是有成本的。有很多應用場景不容易獲取大量的高質量數據。所以說我們需要針對具體問題，獲取合適的數據。在這方面，統計學對數據的採集評價有一系列的方法和原則，值得深入學習。另一個方面，要很好利用大量的數據，通常需要比較複雜的模型，對計算的要求也相應地比較高，所以我們要根據數據量和應用來選擇合適的模型。」

提到大數據和好數據，人工智慧發展的另一個前沿方向就是能減少數據依賴，實現無監督學習。裴健認為，無監督學習的一個難點在於其沒有絕對的評價標準。例如病人可以按病因、癥狀、併發症、風險等很多方面進行分群。因此，無監督學習的一個難點就是如何形成合適的類別，特別是結合問題的上下文，如常識，去形成合理有意義的類別。

採訪的最後，新智元提到，最近「程序員自動化」的討論比較多，那麼在數據發現和挖掘領域，是不是也可以實現「自動化」，由機器來完成數據的挖掘工作？裴健表示，數據挖掘就是致力於數據的挖掘工作自動化。這是我們數據挖掘領域專家正在努力做的。

點擊閱讀原文可查看職位詳情，期待你的加入~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！