作為一名創(chuàng)投背景的學(xué)術(shù)帶頭人，朱曉蕊剛剛迎來(lái)她的47歲人生。

從學(xué)術(shù)成就看，1977年出生的朱曉蕊，先后在1998年和2000年取得哈爾濱工業(yè)大學(xué)學(xué)士和碩士學(xué)位，2006年，她在美國(guó)猶他大學(xué)獲得博士學(xué)位，具有機(jī)電一體化和機(jī)械工程多重背景；學(xué)成歸來(lái)后，朱曉蕊進(jìn)入哈爾濱工業(yè)大學(xué)(深圳)任教，2011年被破格評(píng)為博士生導(dǎo)師，2014年被評(píng)為正教授。

在她擔(dān)任哈工大教授的14年中，作為項(xiàng)目負(fù)責(zé)人主持了不少?lài)?guó)家級(jí)項(xiàng)目，總經(jīng)費(fèi)超過(guò)千萬(wàn)，并多次參與組織了機(jī)器人領(lǐng)域的全球頂級(jí)學(xué)術(shù)會(huì)議，曾被IEEE評(píng)價(jià)為“機(jī)器人領(lǐng)域的杰出女性”。

從創(chuàng)投成就看，她是“全球無(wú)人機(jī)霸主”大疆前首席科學(xué)家、“港股激光雷達(dá)第一股”速騰聚創(chuàng)首席科學(xué)家、機(jī)器人公司大道智創(chuàng)的聯(lián)合創(chuàng)始人和投資人、自主駕駛導(dǎo)航技術(shù)研發(fā)商一清創(chuàng)新的創(chuàng)始股東。一拿資金二拿技術(shù)，走出了一條“導(dǎo)師+學(xué)生”的獨(dú)角獸孵化之路。

但業(yè)內(nèi)少有人知的是，朱曉蕊還是中國(guó)科技媒體雷峰網(wǎng)創(chuàng)始人林軍的另一半。兩人于2011年在深圳成立雷峰網(wǎng)，五年后聯(lián)合高文院士、徐揚(yáng)生院士等人共同發(fā)起國(guó)內(nèi)第一個(gè)具有全球視野的大型AI論壇——全球人工智能與機(jī)器人大會(huì)（GAIR）。

作為歷屆大會(huì)的組委會(huì)主席或程序主席，朱曉蕊所積攢的人脈圖譜被再次釋放。她曾定下嘉賓邀請(qǐng)的三條準(zhǔn)則：

一是國(guó)內(nèi)在某個(gè)研究方向上的知名院士、

二是海外包括華人在內(nèi)的某一領(lǐng)域的領(lǐng)軍人士、

三是在以科技創(chuàng)新為特色，有很強(qiáng)學(xué)術(shù)背景的大公司任職的知名科學(xué)家。

她表示，“以前，學(xué)術(shù)界、工業(yè)界、投資界各自為營(yíng)，大部分人覺(jué)得這三個(gè)領(lǐng)域是完全分開(kāi)的。但在我們的會(huì)上，這三界的融合一定要成為大會(huì)一個(gè)新看點(diǎn)?！?/p>

科技圈內(nèi)用一句話總結(jié)朱曉蕊：不會(huì)創(chuàng)業(yè)的教授不是好的投資人，技術(shù)出身的她善于聯(lián)手一眾學(xué)術(shù)界、產(chǎn)業(yè)界、投資界人士，投身中國(guó)硬科技產(chǎn)業(yè)化的歷史進(jìn)程。

新加坡GAIR研究院院長(zhǎng)朱曉蕊博士

2023年，除了教授、投資人、聯(lián)合創(chuàng)始人之外，朱曉蕊有了第四個(gè)身份--學(xué)術(shù)期刊創(chuàng)刊主編--《人工智能與機(jī)器人研究國(guó)際期刊》（IJAIRR）。

IJAIRR是全球第一本聚焦在人工智能（AI）、機(jī)器人（R）以及基礎(chǔ)科學(xué)研究領(lǐng)域（R）的跨學(xué)科國(guó)際學(xué)術(shù)期刊。延續(xù)以往思路，這本期刊將重點(diǎn)關(guān)注來(lái)自產(chǎn)學(xué)研各界的研究進(jìn)展，并且入選該期刊的優(yōu)秀作者，將會(huì)受邀在GAIR大會(huì)上作主題演講。

但不同于其他期刊，“鼓勵(lì)互動(dòng)”是IJAIRR最大的特點(diǎn)，即以“去中心化科學(xué)”為核心理念，采用激勵(lì)方式提倡科學(xué)家公開(kāi)分享和討論他們的研究。

期刊主頁(yè)鏈接：https://gairdao.com/journals/ijairr

近日，經(jīng)科學(xué)論證、嚴(yán)格評(píng)審、扎實(shí)籌備，首期五篇論文已上線。借此契機(jī)，雷峰網(wǎng)對(duì)話朱曉蕊教授，深入探討了她的人生經(jīng)歷、創(chuàng)刊歷程，以及簡(jiǎn)要介紹首期收錄論文。

揭秘創(chuàng)刊心路

Q：朱老師，首先請(qǐng)您講一講，作為一名有產(chǎn)學(xué)研投背景，參與組織過(guò)多屆大型科技峰會(huì)的女性科學(xué)家，為何在現(xiàn)在這個(gè)時(shí)間點(diǎn)決定創(chuàng)辦一本學(xué)術(shù)期刊？

朱曉蕊：我在2021年就有創(chuàng)立一本“人工智能+機(jī)器人+基礎(chǔ)科學(xué)”聚焦交叉學(xué)科的國(guó)際期刊的想法，并在2022年下半年開(kāi)始籌備。當(dāng)時(shí)我先聯(lián)系了新加坡世界科技出版集團(tuán)的董事會(huì)主席潘國(guó)駒教授。

這個(gè)出版社是他一手創(chuàng)立，如今已經(jīng)成為亞洲最大的科學(xué)出版社之一。這是我們首次正式合作，但我很早就對(duì)他們的學(xué)術(shù)出版和期刊有所了解，潘國(guó)駒教授非常認(rèn)可和支持我，便向我推薦了他們出版社的總經(jīng)理李志偉博士。

緊接著我開(kāi)始選擇聯(lián)合主編人選，聯(lián)系長(zhǎng)期從事人工智能、機(jī)器人或基礎(chǔ)科學(xué)等跨學(xué)科研究的學(xué)者。

我與孫宇教授認(rèn)識(shí)多年，他在機(jī)器人抓取研究領(lǐng)域表現(xiàn)出色，過(guò)去幾年曾來(lái)GAIR大會(huì)做過(guò)演講，效果很好，還擔(dān)任過(guò)大會(huì)的session chair，因此是聯(lián)合主編的理想人選之一。但我希望在期刊的研究方向上擁有多樣化的團(tuán)隊(duì)。

人工智能與醫(yī)學(xué)結(jié)合是一個(gè)有趣的領(lǐng)域，并通過(guò)朋友的介紹聯(lián)系到了在這個(gè)領(lǐng)域造詣?lì)H深的許東教授。在討論后，許東教授認(rèn)為該期刊在定位上獨(dú)特，沒(méi)有其他類(lèi)似的刊物，便很爽快地答應(yīng)了作為聯(lián)合主編的邀請(qǐng)。而且在后續(xù)過(guò)程中他非常有熱情，我們一起討論了期刊的運(yùn)作模式。

人工智能與機(jī)器人研究國(guó)際期刊（IJAIRR）成立儀式，李志偉、孫宇、朱曉蕊、許東

更為關(guān)鍵的是，許東和孫宇兩位教授在過(guò)去的職業(yè)生涯中，曾經(jīng)擔(dān)任過(guò)許多頂級(jí)期刊的編輯，他們對(duì)期刊的運(yùn)作有豐富的經(jīng)驗(yàn)，知道如何管理和運(yùn)營(yíng)一個(gè)期刊。這是我們能順利做同一件事的重要原因。

Q：能介紹下《人工智能與機(jī)器人研究國(guó)際期刊》（IJAIRR）嗎，包括這本期刊的定位和面向?qū)ο螅?/strong>

朱曉蕊：這本期刊雖然在新加坡創(chuàng)立，而且合作出版社的董事會(huì)主席潘國(guó)駒是華僑領(lǐng)袖，聯(lián)合主編們也是華人背景，但我們的期刊并不是專(zhuān)門(mén)面向華人。

可以理解為，這是一個(gè)由華人科學(xué)家組織的，面向人工智能、機(jī)器人及基礎(chǔ)科學(xué)研究的交叉領(lǐng)域的期刊，但我們的目標(biāo)是成為一個(gè)全球性的平臺(tái)，吸引來(lái)自不同國(guó)家和地區(qū)的科學(xué)家參與投稿和閱讀。

為了具有全球影響力，期刊的編委成員應(yīng)該具有多樣性，覆蓋不同的地域和國(guó)家，以反映全球范圍內(nèi)的科學(xué)研究。而且期刊在新加坡成立也會(huì)放大這種國(guó)際優(yōu)勢(shì)。新加坡作為一個(gè)連接亞洲、歐洲和北美的重要門(mén)戶(hù)，具有獨(dú)特的地理位置優(yōu)勢(shì)。

我希望通過(guò)在新加坡設(shè)立期刊，吸引更多的國(guó)際科學(xué)家和讀者參與進(jìn)來(lái)，展現(xiàn)多種文化和研究背景的視角。未來(lái)IJAIRR期刊與GAIR大會(huì)是相輔相成的關(guān)系，優(yōu)秀的期刊作者會(huì)邀請(qǐng)到大會(huì)做演講和宣傳，也有助于促進(jìn)全球范圍內(nèi)的學(xué)術(shù)交流和合作。

Q：這個(gè)期刊和雷峰網(wǎng)GAIR大會(huì)有何聯(lián)系？從雷峰網(wǎng)2011年成立，到2016年創(chuàng)辦GAIR大會(huì)，一直到2023年成立GAIR研究院，創(chuàng)辦期刊，背后是怎樣的演變發(fā)展邏輯？

朱曉蕊：雷峰網(wǎng)最初以智能手機(jī)及其生態(tài)為重點(diǎn)，隨著時(shí)間的推移，其關(guān)注領(lǐng)域逐漸擴(kuò)展到更廣泛的深科技領(lǐng)域。

2016年，雷峰網(wǎng)創(chuàng)辦了GAIR全球人工智能與機(jī)器人大會(huì)，目的是促進(jìn)學(xué)術(shù)界、產(chǎn)業(yè)界、投資界以及地方政府的交流與合作，推動(dòng)產(chǎn)學(xué)研的深度融合。因?yàn)檫^(guò)去它們之間存在明顯的隔閡和邊界。

學(xué)術(shù)界往往專(zhuān)注于自己的學(xué)術(shù)研究，工業(yè)界則關(guān)注產(chǎn)品研發(fā)和升級(jí)，而地方政府則關(guān)注宏觀政策和產(chǎn)業(yè)規(guī)劃。這種隔閡和邊界的存在，導(dǎo)致三方之間的交流和碰撞機(jī)會(huì)很少。

比如學(xué)術(shù)界的人所做的研究原來(lái)只需要得到同行的認(rèn)可，邊界就到這了。但是你把這些東西拿給工業(yè)界的人看，給政府做宏觀政策的人看，他們是什么想法、他們認(rèn)不認(rèn)可這個(gè)東西、或者是從他們的角度對(duì)你有些什么樣的建議。

工業(yè)界的人也是一樣的。尤其是在中國(guó)工業(yè)界，以前大家自主研發(fā)的東西并不太多，后面慢慢地隨著整個(gè)產(chǎn)業(yè)去做升級(jí)，工業(yè)界的人發(fā)現(xiàn)原來(lái)那種粗放的方式已經(jīng)不能奏效了，必須要有自主研發(fā)，因此會(huì)第一時(shí)間想到要跟學(xué)術(shù)界形成對(duì)接。

為了把整個(gè)產(chǎn)業(yè)升級(jí)的生態(tài)鏈條搭建起來(lái)，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))在2016年舉辦了GAIR大會(huì)，旨在搭建一個(gè)學(xué)術(shù)界、產(chǎn)業(yè)界、投資界和政府之間的交流平臺(tái)?？梢哉f(shuō)這是一個(gè)各界雙向奔赴的過(guò)程。2023年GAIR研究院的成立，是在GAIR大會(huì)基礎(chǔ)上進(jìn)一步深化這種跨界合作，通過(guò)各種方式將會(huì)議內(nèi)容的精華部分沉淀下來(lái)。

會(huì)議結(jié)束后，討論和交流的內(nèi)容往往很難被保存和延續(xù)。因此，我們決定創(chuàng)建一個(gè)在線的社區(qū)和一本高質(zhì)量期刊，以便更好地將會(huì)議中的討論和交流內(nèi)容進(jìn)行整理和保存。這樣可以促進(jìn)學(xué)術(shù)交流和合作，并使更多的學(xué)者能夠分享他們的研究成果。

Q：為什么這件事是你來(lái)做？在您自己此前求學(xué)和博導(dǎo)經(jīng)歷中，您和產(chǎn)業(yè)界、投資界的互動(dòng)就比較多了，而且還鼓勵(lì)學(xué)生去創(chuàng)辦公司，所以從你個(gè)人來(lái)說(shuō)，什么觸動(dòng)了你去做“橋梁”的工作？

朱曉蕊：我是2006年底博士畢業(yè)從美國(guó)回來(lái)的，2007年正式開(kāi)始在哈工大深圳研究生院做老師，正好是深圳市產(chǎn)業(yè)轉(zhuǎn)型的關(guān)鍵時(shí)期。當(dāng)時(shí)，深圳市主要是以低端制造業(yè)為主，而政府希望將其轉(zhuǎn)向高端產(chǎn)業(yè)。

深圳市政府希望通過(guò)建設(shè)大學(xué)城來(lái)吸引優(yōu)秀的高校和學(xué)生，以推動(dòng)產(chǎn)業(yè)升級(jí)，所以最早才有了哈工大、北大、清華三個(gè)學(xué)校的深圳研究生院（沒(méi)有本科）。

我當(dāng)時(shí)也是因?yàn)檫@個(gè)事情，在深圳開(kāi)始了我做老師的生涯。2002年哈工大與深圳共建成立研究生院，由于成立初期全職老師的數(shù)量相對(duì)較少，實(shí)驗(yàn)室的研究方向有限，而每位研究生必須從頭到尾完成一項(xiàng)研究課題才能達(dá)到畢業(yè)要求。

盡管深圳市有產(chǎn)業(yè)升級(jí)的需求，但當(dāng)時(shí)擁有研發(fā)的企業(yè)并不多，于是我開(kāi)始考慮如何讓學(xué)生參與到更有意義的項(xiàng)目中，而不是僅僅去企業(yè)里做一些重復(fù)性的低端技術(shù)工作。

因此，我那時(shí)候鼓勵(lì)學(xué)生在完成基礎(chǔ)課程學(xué)業(yè)后創(chuàng)辦公司，將前沿課題轉(zhuǎn)化為創(chuàng)業(yè)項(xiàng)目。通過(guò)這種方式，學(xué)生可以在創(chuàng)業(yè)過(guò)程中完成畢業(yè)論文，又能為產(chǎn)業(yè)升級(jí)做出貢獻(xiàn)。

這個(gè)過(guò)程中，我加深了對(duì)工業(yè)界的了解，也促使我梳理出一種學(xué)術(shù)研究與產(chǎn)業(yè)實(shí)踐結(jié)合的模式。過(guò)去我們?cè)趯W(xué)校實(shí)驗(yàn)室里做了很多東西，但往往被浪費(fèi)掉了，很多研究成果被擱置，沒(méi)有進(jìn)一步地轉(zhuǎn)化為應(yīng)用。

尤其是我們偏工程的一些學(xué)科，做出來(lái)的很多研究成果差不多就是 3 到 5 年的生命周期。也就是說(shuō)，如果這3 到 5 年之內(nèi)，你這個(gè)成果沒(méi)有去更進(jìn)一步地轉(zhuǎn)化成應(yīng)用，很大可能就會(huì)過(guò)時(shí)了。

所以當(dāng)時(shí)大概5年左右我會(huì)換一個(gè)新的課題方向。因此學(xué)校的教授們可以引領(lǐng)研究方向，去找產(chǎn)業(yè)界里的漏洞、短板、長(zhǎng)期需要升級(jí)的地方，然后把后續(xù)的產(chǎn)業(yè)轉(zhuǎn)化機(jī)會(huì)交給有興趣有能力的學(xué)生，這在某種程度上也是一種傳承。

總的來(lái)說(shuō)，我認(rèn)為與產(chǎn)業(yè)界的緊密合作和鼓勵(lì)學(xué)生創(chuàng)業(yè)是將研究成果轉(zhuǎn)化為實(shí)際應(yīng)用的重要途徑，同時(shí)需要不斷地更新研究方向，保持研究的時(shí)效性和價(jià)值。

Q：為什么要?jiǎng)?chuàng)辦一本囊括了AI、機(jī)器人和基礎(chǔ)科學(xué)的交叉研究的期刊，這與您自身的研究方向有關(guān)嗎？朱曉蕊：我本科就讀于哈爾濱工業(yè)大學(xué)（哈工大），在大三時(shí)選擇進(jìn)入了學(xué)校新成立的“機(jī)電一體化系”，屬于最早成立的一個(gè)交叉學(xué)科的系，哈工大機(jī)器人研究所當(dāng)時(shí)就隸屬于這個(gè)系。這個(gè)研究所是學(xué)校的重要研究機(jī)構(gòu)之一，機(jī)器人研究所的成立標(biāo)志著學(xué)校對(duì)機(jī)器人技術(shù)這一前沿領(lǐng)域的重視，現(xiàn)在基本上算是機(jī)器人領(lǐng)域的“黃埔軍校”了，許多從事機(jī)器人研究的學(xué)者和專(zhuān)家都與該研究所有關(guān)聯(lián)。

我當(dāng)時(shí)是考研第一名順利進(jìn)入了機(jī)器人研究所讀碩士，在那里對(duì)機(jī)器人研究領(lǐng)域產(chǎn)生了濃厚的興趣，并在博士階段去了美國(guó)猶他大學(xué)做進(jìn)一步深入研究。

隨著機(jī)器人技術(shù)的發(fā)展，我意識(shí)到機(jī)器人不僅僅需要關(guān)注身體部分（機(jī)器人的物理結(jié)構(gòu)），還需要關(guān)注大腦部分（即智能決策和感知能力），即人工智能。因此，我在博士后半程開(kāi)始偏重于機(jī)器人+AI方向的研究。等到我自己開(kāi)始獨(dú)立做研究的時(shí)候，基本上都是在往機(jī)器人與 AI 這個(gè)交叉方向去做。

我當(dāng)時(shí)以做“感知定位技術(shù)“開(kāi)始，感知技術(shù)是機(jī)器人+AI方向的一個(gè)重要分支，涉及理解周?chē)h(huán)境，包括視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等。我認(rèn)為，將機(jī)器人與人工智能相結(jié)合是一個(gè)具有挑戰(zhàn)性和前景的領(lǐng)域，希望通過(guò)自己的努力，為這個(gè)領(lǐng)域做出更多的貢獻(xiàn)，我們現(xiàn)在創(chuàng)辦的這本期刊重點(diǎn)關(guān)注之一便是機(jī)器人學(xué)與人工智能領(lǐng)域的緊密結(jié)合。

這本期刊關(guān)注的另外一個(gè)重點(diǎn)是AI或機(jī)器人和基礎(chǔ)科學(xué)的交叉研究，這塊是我自己很感興趣但是時(shí)間精力所限沒(méi)有機(jī)會(huì)開(kāi)展的跨學(xué)科研究方向，也是引領(lǐng)未來(lái)的研究方向。

我相信人工智能與機(jī)器人技術(shù)將成為未來(lái)人類(lèi)社會(huì)的基礎(chǔ)設(shè)施。

一方面，更多的基礎(chǔ)科學(xué)研究會(huì)在人工智能與機(jī)器人的賦能下取得范式轉(zhuǎn)移層面的理論突破和應(yīng)用進(jìn)展。另外一方面，人工智能與機(jī)器人研究的進(jìn)展也將受益于與不同基礎(chǔ)科學(xué)的合作，包括數(shù)學(xué)、物理、生物學(xué)、心理學(xué)、語(yǔ)言學(xué)等。這種相互影響、相互成就才是跨學(xué)科研究的魅力所在。

Q：首期上線的五篇論文，能介紹它們各自的特點(diǎn)和研究領(lǐng)域，以及你們的篩選評(píng)審過(guò)程嗎？

朱曉蕊：首期論文非常重要，希望為后面投稿的作者們提供有益的啟示和借鑒。所以最終入選的論文來(lái)自不同國(guó)家和地區(qū)，包括美國(guó)、新加坡和中國(guó)，展現(xiàn)了期刊的國(guó)際性。同時(shí)，這些論文也代表了AI、機(jī)器人、基礎(chǔ)科學(xué)領(lǐng)域的跨學(xué)科研究成果，符合期刊的定位要求。

我分別來(lái)簡(jiǎn)單介紹一下IJAIRR首期發(fā)表的五篇文章：

Bud Mishra教授的論文《AI, Thinking Machines and A Vast Active Living Intelligent System》

Bud教授來(lái)自美國(guó)紐約大學(xué)，是該校Courant數(shù)學(xué)研究所，Tandon工程學(xué)院和醫(yī)學(xué)院的教授，以及西奈山醫(yī)學(xué)院和冷泉港實(shí)驗(yàn)室的客座教授，同時(shí)也是我們期刊的編委會(huì)榮譽(yù)顧問(wèn)。

他長(zhǎng)期從事生物信息學(xué)研究，所以他從生物學(xué)的一些概念類(lèi)比過(guò)來(lái)，探討了生物學(xué)啟發(fā)的AI研究，提出了一種超前的觀點(diǎn)性文章。我稱(chēng)之為"Biology-inspired AI"，即，該文章創(chuàng)新性地從生物學(xué)的維度思考和暢想人工智能的未來(lái)，利用信息不對(duì)稱(chēng)性博弈論的工具去分析和討論未來(lái)人工智能時(shí)代人和智能機(jī)器共生的可能性。

論文全文鏈接：

https://gairdao.com/doi/10.1142/S2972335323020015

田英利教授團(tuán)隊(duì)的文章《Multi-Modal Multi-Channel American Sign Language Recognition》

田教授來(lái)自美國(guó)紐約城市大學(xué)，2000年前后曾在卡內(nèi)基梅隆大學(xué)機(jī)器人研究所進(jìn)行博士后研究工作，師從當(dāng)今計(jì)算機(jī)視覺(jué)和機(jī)器人領(lǐng)域巨擘金出武雄（Takeo  Kanade）教授，曾在 IBM T. J. Watson 研究中心領(lǐng)導(dǎo)視頻分析團(tuán)隊(duì)，是工業(yè)界走向?qū)W術(shù)界的重要女性代表。

她的這一論文涉及研究AI在語(yǔ)言學(xué)領(lǐng)域的應(yīng)用（AI for Linguistics），提出了一個(gè)基于機(jī)器學(xué)習(xí)的多流框架，用于從RGB-D視頻中實(shí)時(shí)識(shí)別美國(guó)手語(yǔ)(ASL)手動(dòng)手勢(shì)和非手動(dòng)手勢(shì)(面部和頭部運(yùn)動(dòng))。具體方法是基于3D卷積神經(jīng)網(wǎng)絡(luò)(3DCNN)，通過(guò)融合來(lái)自多個(gè)通道(RGB、深度、運(yùn)動(dòng)和骨骼關(guān)節(jié))的多模態(tài)特征，包括手勢(shì)、面部表情和身體姿勢(shì)。

論文全文鏈接：

https://gairdao.com/doi/10.1142/S2972335324500017

Ling Feng教授團(tuán)隊(duì)的《Asymptotic edge of chaos as guiding principle for neural network training》

Ling Feng教授來(lái)自新加坡高性能計(jì)算研究所，利用數(shù)學(xué)方法研究AI，試圖解決AI的“黑箱”問(wèn)題，即AI決策過(guò)程的可解釋性和理論指導(dǎo)。

論文全文鏈接：

https://gairdao.com/doi/10.1142/S2972335323500011

周伯文教授團(tuán)隊(duì)的文章《Generative AI for Complex Scenarios: Language Models are Sequence Processors》

周伯文教授擁有豐富的前沿研究經(jīng)歷與業(yè)界經(jīng)驗(yàn)，曾任IBM Research人工智能基礎(chǔ)研究院院長(zhǎng)、IBM Watson Group首席科學(xué)家、IBM杰出工程師、京東集團(tuán)高級(jí)副總裁、集團(tuán)技術(shù)委員會(huì)主席、云與AI總裁，2022年從產(chǎn)業(yè)界回到學(xué)術(shù)圈。

本篇論文中，他從宏觀框架層面討論人工智能應(yīng)用從解決狹義問(wèn)題到導(dǎo)航復(fù)雜的現(xiàn)實(shí)場(chǎng)景的范式轉(zhuǎn)變。因?yàn)槿缃褚訥PT-4為代表的大型語(yǔ)言模型(LLMs)，已經(jīng)超越了語(yǔ)言處理的傳統(tǒng)界限，在理解和生成精妙文本方面表現(xiàn)出了非凡的能力。這篇涉及AI 和機(jī)器人的交叉研究，也是一篇觀點(diǎn)類(lèi)論文。

論文全文鏈接：

https://gairdao.com/doi/10.1142/S2972335324010014

孫宇教授團(tuán)隊(duì)的文章《Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability》

孫宇教授來(lái)自美國(guó)南佛羅里達(dá)大學(xué)計(jì)算機(jī)科學(xué)與工程系，主要研究領(lǐng)域?yàn)闄C(jī)器人、智能系統(tǒng)、醫(yī)療健康應(yīng)用。他的這篇論文也是AI 和機(jī)器人的交叉研究，但不同于周伯文教授，他討論了如何將AI中的大型語(yǔ)言模型應(yīng)用于機(jī)器人的任務(wù)規(guī)劃，這是一個(gè)具體的場(chǎng)景應(yīng)用研究。

論文全文鏈接：

https://gairdao.com/doi/10.1142/S2972335324500029

總之，首期發(fā)表的五篇文章涵蓋了AI與生物學(xué)、語(yǔ)言學(xué)、數(shù)學(xué)以及機(jī)器人學(xué)的交叉研究，不僅關(guān)注AI的具體應(yīng)用場(chǎng)景，還探討了AI的理論基礎(chǔ)和可解釋性，以及研究范式探討。而且同行評(píng)審是學(xué)術(shù)期刊中非常重要的一環(huán)，可以確保論文的質(zhì)量和學(xué)術(shù)價(jià)值。

在我們的編委會(huì)成員中，已經(jīng)有Prof Bud Mishra 、Prof. Dr.-Ing. Tamim Asfour 、Prof I-Ming Chen 、ProfessorZhidong Wang等5位編委會(huì)榮譽(yù)顧問(wèn)，以及15位來(lái)自全球各地的編輯，他們會(huì)根據(jù)文章的研究領(lǐng)域和內(nèi)容，再選擇合適的同行評(píng)審者。以確保評(píng)審過(guò)程的公正性和準(zhǔn)確性。

具體可看：

https://www.worldscientific.com/page/ijairr/editorial-board

Q：在這本期刊的運(yùn)營(yíng)方式上，您提到了“去中心化科學(xué)”“Web3技術(shù)支持”兩個(gè)詞，這對(duì)期刊發(fā)展有何影響？

朱曉蕊：這是針對(duì)學(xué)術(shù)界長(zhǎng)期存在的“學(xué)術(shù)中心化”而提出的一種解決方法，旨在打破學(xué)術(shù)思想的不流動(dòng)性桎梏，促進(jìn)學(xué)術(shù)交流和創(chuàng)新。我們會(huì)利用Web 3技術(shù)提供的工具來(lái)支持未來(lái)在線學(xué)術(shù)社區(qū)的運(yùn)作。

因?yàn)閃eb 3技術(shù)的核心特點(diǎn)是去中心化，這意味著數(shù)據(jù)和信息的控制權(quán)不再集中在單一的實(shí)體手中，而是分散在網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)。這種模式有助于促進(jìn)開(kāi)放和透明的學(xué)術(shù)交流。

一個(gè)好的學(xué)術(shù)社區(qū)平臺(tái)是能夠促進(jìn)科學(xué)生產(chǎn)資料的流通，包括論文、數(shù)據(jù)庫(kù)、實(shí)驗(yàn)視頻、算法原始代碼等。（平臺(tái)為 gairdao.com ，目前還在建設(shè)中，將在2024年3月開(kāi)放測(cè)試）幫助學(xué)者們將他們的研究成果推廣到更廣泛的受眾，而不僅僅是發(fā)表在期刊上后就被淹沒(méi)。這樣的平臺(tái)可以鼓勵(lì)更多的學(xué)術(shù)交流和反饋，讓學(xué)者們能夠看到他們的工作被實(shí)際應(yīng)用和復(fù)現(xiàn)，從而獲得同行的認(rèn)可和進(jìn)一步的改進(jìn)建議。

就像社交媒體上的互動(dòng)一樣，學(xué)者們可以在平臺(tái)上分享他們的進(jìn)展，得到同行的點(diǎn)贊和評(píng)論。這種互動(dòng)不僅能夠提升研究的可見(jiàn)度，還能夠促進(jìn)學(xué)術(shù)界的民主化，讓研究者們能夠直接從同行那里獲得反饋，而不是僅僅依賴(lài)于有限的同行評(píng)審過(guò)程。更重要的是，對(duì)于公開(kāi)分享他們研究并參與社區(qū)建設(shè)的人，我們會(huì)提供相應(yīng)的經(jīng)濟(jì)回報(bào)，形成一個(gè)良性循環(huán)。

這里就會(huì)用到Web3工具中的經(jīng)濟(jì)功能。未來(lái)社區(qū)將會(huì)有不同級(jí)別的活動(dòng)，以激勵(lì)學(xué)者們?cè)诓煌瑢用嫔蠀⑴c平臺(tái)上的交流和合作?？偟膩?lái)說(shuō)，我設(shè)想的去中心化學(xué)術(shù)社區(qū)平臺(tái)，將有助于促進(jìn)知識(shí)的開(kāi)放共享，提高研究的透明度和可復(fù)現(xiàn)性，同時(shí)也為學(xué)者們提供了一個(gè)更加活躍和互動(dòng)的學(xué)術(shù)交流環(huán)境。

我們從過(guò)去的GAIR大會(huì)到現(xiàn)在的期刊和在線社區(qū)，都是為了形成一個(gè)完整的學(xué)術(shù)交流平臺(tái)，服務(wù)于在該領(lǐng)域的所有人。

Q：最后，請(qǐng)您說(shuō)說(shuō)后續(xù)期刊的上線進(jìn)程，以及對(duì)期刊的寄語(yǔ)。

朱曉蕊：我們計(jì)劃在每三個(gè)月左右發(fā)布一期，每年發(fā)布四期，也就是每年的3月、6月、9月、12月。除了學(xué)術(shù)界，期刊還鼓勵(lì)企業(yè)界學(xué)者和專(zhuān)家投稿，尤其是那些在企業(yè)內(nèi)部研究院從事AIR研究的學(xué)者。

由于AIR領(lǐng)域發(fā)展迅速，許多企業(yè)都在進(jìn)行相關(guān)研究以保持競(jìng)爭(zhēng)力。通過(guò)期刊這個(gè)平臺(tái)，企業(yè)界和學(xué)術(shù)界可以更好地交流和合作，共同推動(dòng)AIR領(lǐng)域的發(fā)展和創(chuàng)新。

最后，我想說(shuō)，《人工智能與機(jī)器人研究國(guó)際期刊》（IJAIRR）是人工智能與機(jī)器人(AIR)領(lǐng)域，第一本專(zhuān)注于人工智能、機(jī)器人技術(shù)和基礎(chǔ)科學(xué)相結(jié)合的跨學(xué)科研究的科學(xué)期刊。

歡迎投遞IJAIRR期刊，我們真誠(chéng)地希望你能從閱讀文章中得到啟發(fā)，同時(shí)，我們也歡迎更多前沿科研人員加入編委團(tuán)隊(duì)  [email protected] 希望這本期刊盡力做到最好！

首期論文已上線

論文一

題目：《Multi-Modal Multi-Channel American Sign Language Recognition》

作者：Elahe Vahdani、Longlong Jing、Matt Huenerfauth、Yingli Tian（田英利）

摘要：In this paper, we propose a machine learning-based multi-stream framework to recognize American Sign Language (ASL) manual signs and non-manual gestures (face and head movements) in real-time from RGB-D videos. Our approach is based on 3D Convolutional Neural Networks (3DCNN) by fusing multimodal features including hand gestures, facial expressions, and body poses from multiple channels (RGB, depth, motion, and skeleton joints). To learn the overall temporal dynamics in a video, a proxy video is generated by selecting a subset of frames for each video which are then used to train the proposed 3DCNN model. We collected a new ASL dataset, ASL-100-RGBD, which contains 42 RGB-D videos captured by a Microsoft Kinect V2 camera. Each video consists of 100 ASL manual signs, along with RGB channel, depth maps, skeleton joints, face features, and HD face. The dataset is fully annotated for each semantic region (i.e. the time duration of each sign that the human signer performs). Our proposed method achieves 92.88% accuracy for recognizing 100 ASL sign glosses in our newly collected ASL-100-RGBD dataset. The effectiveness of our framework for recognizing hand gestures from RGB-D videos is further demonstrated on a large-scale dataset, Chalearn IsoGD, achieving the state-of-the-art results.

關(guān)鍵詞：American Sign Language Recognition; Hand Gesture Recognition; RGB-D Video Analysis; Multimodality; 3D Convolutional Neural Networks; Proxy Video

論文引用鏈接：

https://www.worldscientific.com/doi/10.1142/S2972335324500017#:~:text=Add%20To%20Favorites-,Download%20Citations,-Track%20Citations

論文二

題目：《Generative AI for Complex Scenarios: Language Models are Sequence Processors》

作者：周伯文、丁寧

摘要：Large Language Models (LLMs), exemplified by GPT-4, have transcended traditional boundaries in language processing, demonstrating remarkable capabilities in understanding and generating nuanced text.  Crucially, these models are pioneering a paradigm shift in AI applications—from solving narrowly defined problems to navigating complex, real-world scenarios.  Such a shift is based on a simple and fundamental principle: LLMs can process any data that can be serialized and tokenized, enabling them to engage in multifaceted reasoning and utilize diverse tools.  This capability positions LLMs to operate effectively in broader, more intricate contexts, marking a leap in AI's practical applicability and potential.

關(guān)鍵詞：Large language models; Generative AI; Complex scenarios

論文引用鏈接：

https://www.worldscientific.com/action/showCitFormats?doi=10.1142%2FS2972335324010014&area=0000000000000010

論文三

題目：《Asymptotic edge of chaos as guiding principle for neural network training》

作者：Lin Zhang、Ling Feng、Kan Chen、Choy Heng Lai

摘要：It has been recently demonstrated that optimal neural networks operate near the asymptotic edge of chaos for state of art feedforward neural networks, where its generalization power is maximal due to the highest number of asymptotic metastable states. However, how to leverage this principle to improve the model training process remains open. Here by mapping the model evolution during training to the phase diagram in the classic analytic result of Sherrington–Kirkpatrick model in spin glasses, we illustrate on a simple neural network model that one can provide principled training of the network without manually tuning the training hyper-parameters. In particular, we provide a semi-analytical method to set the optimal weight decay strength, such that the model will converge towards to edge of chaos during training. Consequently, such hyper parameter setting leads the model to achieve highest test accuracy. Another benefit for restricting the model at the edge of chaos is its robustness against the common practical problem of label noise, as we find that it automatically avoids fitting the shuffled labels in the training samples while maintaining good fitting to the correct labels, providing simple means of achieving good performance on noisy labels without any additional treatment.

關(guān)鍵詞：Complexity science; Deep learning theory; Dynamical systems; Critical phase transitions; Spin Glasses; Order and Chaos

論文引用鏈接：https://www.worldscientific.com/action/showCitFormats?doi=10.1142%2FS2972335323500011&area=0000000000000001

論文四

題目：《Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability》

作者：Md Sadman Sakib、Yu Sun（孫宇）

摘要：The inherent probabilistic nature of Large Language Models (LLMs) introduces an element of unpredictability, raising concerns about potential discrepancies in their output. This paper introduces an innovative approach aims to generate correct and optimal robotic task plans for diverse real-world demands and scenarios. LLMs have been used to generate task plans, but they are unreliable and may contain wrong, questionable, or high-cost steps. The proposed approach uses LLM to generate a number of task plans as trees and amalgamates them into a graph by removing questionable paths. Then an optimal task tree can be retrieved to circumvent questionable and high-cost nodes, thereby improving planning accuracy and execution efficiency. The approach is further improved by incorporating a large knowledge network. Leveraging GPT-4 further, the high-level task plan is converted into a low- level Planning Domain Definition Language (PDDL) plan executable by a robot. Evaluation results highlight the superior accuracy and efficiency of our approach compared to previous methodologies in the field of task planning.

關(guān)鍵詞：Robotics; LLM; GPT-4; Task Planning; PDDL

論文引用鏈接：https://www.worldscientific.com/action/showCitFormats?doi=10.1142%2FS2972335324500029&area=0000000000000010

論文五

題目：《AI, Thinking Machines and A Vast Active Living Intelligent System》

作者：Bud Mishra

摘要：Biology-inspired AI: a descriptive discussion of the information-asymmetric game theory of AI, thinking machines and a vast active living intelligent system, and a prescriptive analysis of likely symbiosis of individual humans and bots resulting in a hierarchy of multi-cellularization.

論文引用鏈接：

https://www.worldscientific.com/action/showCitFormats?doi=10.1142%2FS2972335323020015&area=0000000000000001

后續(xù)雷峰網(wǎng)將推出IJAIRR論文作者專(zhuān)訪，首篇為紐約城市大學(xué)田英利教授團(tuán)隊(duì)的工作，《多模態(tài)多通道的美國(guó)手語(yǔ)識(shí)別》。如果你也從事手語(yǔ)工作或其他醫(yī)學(xué)基礎(chǔ)研究，歡迎添加作者吳彤微信溝通，微信號(hào)：icedaguniang 

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。