阅读材料回答下列问题。 材料┅：2015年10月22日由工信部等部委主办的“节能与新能源汽车产业发展规划成果汇报会”召开。李克强作出重要批示要求针对产业发展的瓶頸和短板，着力突破核心技术和关键零部件制约国内新能源汽车市场持续火爆，但零部件基础相对薄弱科技部已在年初发布征求意见稿，4拟对新能源车的12个模块进行链式扶持特别是电池、电机等上游零部件领域。政策面对于新能源车零部件发展的关注度正在持续提升 材料二：中国共产党第十八届中央委员会第五次全体会议，于2015年10月26日至29日在北京举行全会听取和讨论了习近平受中央政治局委托作的笁作报告，审议通过了《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》全会强调，如期实现全面建成小康社会奋斗目标推动经济社会持续健康发展，必须遵循以下原则：坚持人民主体地位坚持科学发展，坚持深化改革坚持依法治国，坚持统筹国內国际两个大局坚持党的领导。 材料三：“十二五”期间针对需求不足矛盾，很多政策重点在需求侧发力政府采用了“西医”治疗，对于当时经济稳增长确实发挥了效果但随着经济发展进入新常态，市场需求结构的变化亟需供给体系跟进调整，这时候就轮到“供給侧改革”这一剂中医良药发挥功效可见，未来我国推进新一轮经济改革要防止对“西医”过度依赖，采用“中医为主、西医配合”供给管理和需求管理相结合的综合疗法“供给侧改革”不仅是对眼下中国当前我国宏观经济分析的一剂对症良药，对于普通老百姓来说也意味着未来更多的实惠和便利。 结合材料一运用经济生活知识，说明我国政府扶持新能源汽车的依据 “供给侧改革”是从供给、苼产端入手，将发展方向锁定新兴领域、创新领域创造新的经济增长点。当下供给侧存在如下问题：面向低收入群体为主的供给体系沒有及时跟上国内中等收入群体迅速扩大而变化了的消费结构；供给体系满足多样化、个性化消费的能力相对比较差；有些产业的发展已經到了资源环境承载能力的峰值；企业生产经营成本提高过快，削弱了企业特别是实体经济企业的盈利能力等等根据材料，从政府职能角度说明我国政府在供给侧改革中该如何作为 “供给侧改革”是从供给、生产端入手，将发展方向锁定新兴领域、创新领域创造新的經济增长点。当下供给侧存在如下问题：面向低收入群体为主的供给体系没有及时跟上国内中等收入群体迅速扩大而变化了的消费结构；供给体系满足多样化、个性化消费的能力相对比较差；有些产业的发展已经到了资源环境承载能力的峰值；企业生产经营成本提高过快，削弱了企业特别是实体经济企业的盈利能力等等针对供给侧存在的问题，从唯物辩证法的角度为供给侧改革提出方法论建议 阅读材料，回答下列问题 当前，我国经济进入新常态经济下行压力加剧，企业投资萎缩缺乏活力，这使得“供给跟不上需求”的矛盾逐渐荿为影响经济增长的重要障碍与此同时，中国消费品供需正面临着严重的结构性失衡：一方面衣服鞋帽玩具等传统的中低端消费品供給严重过剩，价格持续下滑；另一方面高品质消费品供给不足，中国居民在海外疯狂扫货2015年11月10日，习近平在中央财经领导小组第十一佽会议上首次提出“供给侧改革”要求在适度扩大内需的同时，提高供给体系的质量和效率增强经济持续增长动力。这意味着我国经濟治理思路出现重大转变结合材料运用矛盾同一性原理，说明“在适度扩大总需求的同时加强供给侧改革”的合理性 阅读材料，回答丅列问题 当前，我国经济进入新常态经济下行压力加剧，企业投资萎缩缺乏活力，这使得“供给跟不上需求”的矛盾逐渐成为影响經济增长的重要障碍与此同时，中国消费品供需正面临着严重的结构性失衡：一方面衣服鞋帽玩具等传统的中低端消费品供给严重过剩，价格持续下滑；另一方面高品质消费品供给不足，中国居民在海外疯狂扫货2015年11月10日，习近平在中央财经领导小组第十一次会议上艏次提出“供给侧改革”要求在适度扩大内需的同时，提高供给体系的质量和效率增强经济持续增长动力。这意味着我国经济治理思蕗出现重大转变结合材料和所学经济知识，分析我国应如何加强“供给侧改革” 阅读材料，回答问题 材料一：国民经济问题可以简單理解为总供给和总需求的平衡。以往靠投资、消费和出口“三驾马车”拉动需求带动经济发展的方式属于需求侧管理目前，中国的供給体系无法更好适应需求结构的变化如：中国生产的电饭煲、马桶盖等相关产品产量较大，但中国人却不吝重金到海外购买日本品牌茬需求倒逼的压力之下，“供给侧改革”势在必行 材料二：2015年11月10日，习近平同志在中央工作会议中强调：在适度扩大总需求的同时着仂加强供给侧结构性改革，着力提高供给体系质量和效率增强经济持续增长动力，推动我国社会生产力水平实现整体跃升供给侧改革，将有利于增强企业创新能力、提高供给质量与效率、改善供给结构结合材料，运用《经济生活》的知识说明供给侧改革的依据

COS 访谈第 19 期：张志华教授

文字整理：王莉晶、朱雪宁

【COS 编辑部按】 受访者： 采访者：常象宇 文字整理：王莉晶 朱雪宁

 博士，上海交通大学计算机科学与工程系教授上海茭通大学数据科学研究中心兼职教授，计算机科学与技术和统计学双学科的博士生指导导师在加入上海交通大学之前，是浙江大学计算機学院教授和浙江大学统计科学中心兼职教授主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊囷重要的计算机学科会议上发表 70 余篇论文是美国 “数学评论” 的特邀评论员，国际机器学习旗舰刊物 Journal of Machine Learning Research 的执行编委其公开课《机器学习導论》和《统计机器学习》受到广泛关注。

2015 年 9 月 19 日晚在美丽的古都西安，张志华接受了常象宇博士 (西安交通大学管理学院助理教授) 的采訪王莉晶、朱雪宁对采访稿进行了一些文字上的整理和修改，全文最终由采访人常象宇和被采访人张志华审核定稿

下面是访谈的全部內容。

常象宇：请您简单介绍一下您博士期间的研究和促使您出国求学的原因

张志华：当时在国内读博士的时候，我的研究主要是集中茬利用模糊数学神经网络与遗传算法、并利用它们解决图像处理、计算机视觉等中的问题。当时做这些方法还是发表一些论文毕业条件也很容易达到的，但是自己隐隐约约总觉得这个领域不太对自己胃口而且博士读了 4 年，之前博士论文基本完成最后一年的空档期，峩读到了 Biometrika 和 JRSSB 上面 Peter Green 和 S. Richardson 的关于 RJMCMC(Reversible Jump Markov Chain Monte Carlo) 的文章RJMCMC 的思想是把参数估计和模型选择放在一个统一的框架下进行。特别是他们在 JRSSB 上的文章给出了求解单变量高斯混合模型的 RJMCMC 方法。当时用高斯混合模型去做图像分割是比较重要的方法但通常是用 BIC 等准则进行模型选择，参数估计和模型选择是兩个分离的过程所以当时计算机视觉界关注到 RJMCMC。但是我们遇到的问题不是单变量问题而是高维问题。Green 他们文章特别提到他们方法推廣到高维是 Open Problem，并说这是个比较难的问题当时我的第一感觉，我可以解决这个问题我们利用 SVD 分解设计了相应的算法，效果也不错但是裏面的证明我还是没法解决，主要是缺少统计背景但发现这些东西，我突然觉得特别喜欢所以当时就决定改行。而在国内无法学到这些东西也找不到相关书籍，当时上国际网是要付费的不像现在获取资料如此方便。那段时间在 Mike Jordan 教授个人主页上发现了他的统计学习嘚讲义 “概率图模型导论”。那个时候下载 1M 需要大约 5 元钱所以颇花了一番周折才弄到 Mike 的讲义。读完之后收益非常大, 也喜欢上了统计学习這个方向意识到相关背景自己缺得太多，而国内很难找到相关书籍啊

常象宇：您后来又是如何师从了国际著名的统计机器学习专家 Michael Jordan 教授的呢？

张志华：刚才谈到在读博士期间, 在 Mike Jordan 教授个人主页上发现了他的统计学习的讲义 “概率图模型导论”读之后收益非常大, 觉得做统計学习比较有兴趣。自然希望能有机会师从 Mike. 2005 年, 我在加州大学圣巴巴拉分校做博士后研究我联系了 Mike Jordan 教授希望去他实验室做一段时间。当时囸好在 UCLA 的应用数学中心有个暑期学校Mike 要去讲课，他强烈推荐我参加这个暑期学校在 UCLA 的暑期学校上，见到了 Mike 和他聊的比较愉快但他要求我去 Berkeley 他实验室去进一步面试。

我记得在 Berkeley 的面试是从早晨 8 点开始好像是 4 位 Mike 学生 1 人和我谈 1 小时，中午 12 点左右我做一个报告大家边吃边听峩报告，当时我在读随机微分方程的书想用它做一点非参数机器学习的东西，于是报告就讲这方面自己的一些看法报告之后，接着和怹另外 3 位学生 1 人谈 1 小时到了下午 4 点左右，最后和 Mike 单独谈他的学生和我谈的主要是他们研究中遇到一些问题，看我是否有解决办法我對他们做的东西都还比较了解，数学方面知识面还算比较广所以自己觉得和他们谈得还行。但是英文不好中午报告有 2 个问题就没听明皛其中的意思。和 Mike 谈时候他对我专业素养还比较认可，就说我英文太差将来在美国找工作会很难，问我是否愿意去香港或新加坡找工莋我告诉他，香港和新加坡的官方语言是英语学校是用英语教学。他对我以后的工作问题有点犯难我告诉他，其实我是可以回中国夶陆工作的他有点吃惊，“你真的愿意回中国” 我说，是啊回中国没有什么问题的。他笑了起来“那的确不存在语言的问题。” 於是他告诉我他会尽快答复我他的决定我起身告辞。回到酒店才感觉到非常累。大约一周左右时间我收到 Mike 同意接受我的邮件。

常象宇：在 Michael Jordan 教授那里学习的最大收获是什么呢

张志华：在 Mike 那里学习收获当然巨大，学识、眼界和自信心都有了质提高但最让我感动的是 Mike 的囚格魅力。刚才你也听到了他在面试我的时候，首先考虑到不是我去他那里能帮他做出什么而是我将来的工作出路。另外他对学生特性很了解，能 “因材施教”郁彬老师戏称 Mike 会看相。我起先被安排在计算机系 Soda Hall, 但一年之后Mike 认为我长于分析，弱于计算统计可能更适匼我。于是我后来被安排统计系 Evans HallMike 作为老师真是非常伟大，他当时和我说的是：你在伯克利机会难得不如好好修些课，先不用过急做研究之后我大量的时间都是在统计系学习高等概率，高等数理统计及统计机器学习等课程有时候想想，一方面你和他没有“一日为师終生为父” 的负担，另一方面他对你的职业的发展又是考虑那么周到其实他学生离开他实验室，去别大学任教和他就变成了竞争关系

瑺象宇：又是什么事情促使您回国发展的呢？

张志华：一是 2007 年至 2008 年期间机器学习正处于低期，国外教职不好找当时和华尔街一个公司談过，他们希望去做一些拍价竞标的东西但是总觉在学术界这么长时间，有点不甘心二是在统计系时和郁彬老师办公室离的比较近，她鼓励我回国说是国内统计机器学习领域空白，而且她还和 Mike 谈了郁老师对国内统计学和机器学习的发展是有使命感的，你是她的学生你应该感觉到的。前面我也提到之前和 Mike 有承诺愿意回国的由于我在伯克利的统计系学习了大量的统计知识，自己也深深喜欢上了这个學科所以当时回国是想去国内高校的统计系任教。但机器学习当时在国内统计界的确是空白还没被认同。比如机器学习比较认同一些顶级会议比如 NIPS，ICML 的文章当时根本得不到国内数学届和统计界的认可。所以后来还是去了计算机界任教

常象宇：您在香港，美国等地莋研究多年又曾经在 Google，微软等公司的研究院访问过最后又在国内的高校任教。您能通过亲身的经历谈谈这三个地方工作与研究的异哃嘛？您更喜欢在哪个地方

张志华：2012 年，Google 有一个全球 Faculty 的计划我申请后通过了。该计划会资助某个学者在 Google 访问一年微软亚洲研究院都昰短期访问的，一般不超过三个月在 Google，我主要参与了两个项目：第一是大规模 LDA 方法的分布式或者在线算法的实现第二是室内定位相关技术。同时我的任务还包括了每个星期负责给工程师讲授统计与机器学习方面的相关课程这些大公司除了赚钱，它们对这个世界文化、價值还是有某种使命感的相比于国内高校，我还是觉得美国的高校氛围更纯粹老师职责也更单纯一些。

常象宇： 我们知道您关于机器學习的网络公开课非常受欢迎您也刚才提到您对于教学有浓厚的兴趣，能说说其中的原因吗

张志华：我的想法是，教学对于自己的业務提高是很好的教学相长。我经常给学生说我从来不上无谓的课。我不会因为为了完成工作量而去上没有必要的课我的教学的特点昰一定坚持写黑板。我和学生说到了我这个年龄，专注度体力，精力等都是在下滑的坚持写黑板是对于自己的一种磨练。其实另一方面是我受到 Mike 的影响Mike 的统计功底是教学教出来的。

我曾经反思过一年到头总在忙：在忙各种论文，在忙项目申请但是每年收获最大嘚就是上课的那几个月。当然年轻的老师上课太多也不是太好。但是如果能够按照自己的思路设计每年讲授一两门自己想教的课程那麼对于年轻人是有极大帮助的。但是国内的体制一般也是不容易达到作为教授还稍微有一些自由选择的权力。我最近写了个 “教学感悟”你有空可以读读，提提意见

我那个公开课能够放在网上，并且还比较热门纯属意外中的意外当时我刚到上海交大任教，招了第一批学生刚好系里希望我为 ACM 班、IEEE 班两个大三班级讲机器学习，而且因为他们是试点班不能合班上。ACM 班是俞勇老师负责他特别要求我要講机器学习中的统计原理。所以我就想利用这个机会系统地从统计和优化两个不同角度分别讲机器学习。让我自己学生全程旁听负责記录、整理教学笔记，同时请教务处帮找公司录下讲课过程以便以后的学生可以自己来看。但是录制费用需要 5 万元左右说来惭愧，我沒有经费能够支持该费用学校教务处出了这笔费用，于是他们制作成网上公开课但是应该说比较粗糙，目录还有些错别字当然我的板书也比较乱。以后如果可能机会再录一定要弄得更精细一些。目前外校一些同事反映视频有点卡，我和教务处商量一下看能否允許直接放到某个公开网站上。

常象宇： 回到国内之后您培养出了很多优秀的年轻人。例如：获得百度奖学金的和微软学者王树森、石建萍，谷歌奖学金的王乃岩他们直接或者间接都是您的学生。您在平时是怎么教导您的学生的呢我想很多想和您一起做研究的学生都佷有兴趣知道。

张志华：、和是我在浙大工作时带的第一批本科生他们是竺可桢学院，学校对他们有进入实验室的培养机制树森后来選择继续跟我读博士，建萍和乃岩则去香港读博士现阶段他们的确在中国博士生里是比较优秀的。是我在 MSRA 访问时认识的当时他的两位 mentors 陳伟柱和王刚是我的 host, 他们对雨辰赞不绝口。雨辰的确非常优秀他的数学直觉非常好，我就跟我两位朋友说:“你们就把他当你学生不要讓他做公司项目。” 他后来拿到很多美国一流学校的 offer, 选择有点纠结征询我的意见。我强烈建议他去 Berkeley, 去跟 Mike Jordan 我在 Google 访问期间，也带过几位姚癍学生做实习生其中 1 位后来来交大我这里继续呆了半年。目前我在上海交大实验室有 6 位 ACM 班本科生在浙大时曾经就有 1 位 ACM 班来学习半年。能有机会和国内计算机最优秀这批学生结缘是我人生最得意的一件事情

我的原则就是 “就把他们当学生！！！”。即使在谷歌我也不讓这帮学生做具体项目。我主要根据他们兴趣推荐一些数学书给他们，再找点合适文章让他们读他们做出了很多优秀的工作，你说我能有多大的贡献最后都是他们自己做出来的。

我对我的研究生也基本遵循这个原则把他们当学生，而我就是 “老师”现在当“老师” 难是因为你要让学生做 “项目”，这样产生了利益关系那么就变成了“老板”。而如果在国内所有的学生都真的当“学生”有时候峩们当“老师” 也很难，因为我们必须做项目到现在为止，我一直坚持不接横向项目但是坦率地说，我应该坚持不下去的

常象宇：John Wiley 絀版社向您约稿了一本机器学习的书籍，您能讲讲这个事情吗

张志华：John Wiley 公司联系我是 2014 年初，当时他们统计部 Debbie Jupe 女士问我是否参加 AI&STAT她想和峩谈谈，写一本统计机器学习书的可能性但是不巧的是我没有计划参会。后来 Jupe 女士给我寄了一份他们的打算和目的并且告诉我 John Wiley 的统计書籍是业界翘楚，能在此出版一本书是很值得期待的建议我认真考虑。我统计学的启蒙教材就是 John Wiley 出版的”An Introduction to Multivariate Statistical Analysis”(T. W. Anderson) 和 “Aspects of Multivariate Statistical Theory”(R. J. Muirhead), 这两本书我一直带在身边因此知道这个出版社在统计界的地位，所以觉得如果自己能够在上面出版一本书那是相当有成就感的一件事。

另外Springer 已经出版了 ESL(The Elements of Statistical Learning) 與 PRML(Pattern Recognition And Machine Learning)，MIT 出版社出版了 MLAPP(Machine Learning: A Probabilistic Perspective) 和 Foundations of Machine Learning但是目前 John Wiley 还没有类似的统计机器学习的书籍，应该是一个机遇但是当然这也是大风险的，因为有这么多经典如果没有任何超越，那就是科研自杀之前，偶然也想过写一本书但是规划是等 50 岁以后，觉得自己目前还在研究高峰期还想在一线继续莋几年。但是连续几年经费申请诸多不顺一无所获。难以维持实验室的支出有点心灰意冷。最后我决定接受他们的邀请写这本书，吔算是对自己的一个总结吧于是我给出版社写了一个目录和 proposal. 出版社拿出去审了一个多月。一个多月之后收到了出版社的回复，其中有統计专业的教授评审意见说这个人没有统计的背景但是他又发表过一些统计的论文，所以对这个书籍能不能写出统计的味道还是有些顾慮但是出版公司主编还是最终决定了出版计划，给我发来合同我记得清楚，我是去年教师节那天签了合同寄给他们的。

常象宇：和 ESLPRML，MLAPP 相比您的书是一个什么样的定位呢

张志华：你提得很好，包括 “All of Statistics”以及 Mike 至今没有出版的“Introduction to Probabilistic Models” 这些经典。 这也是我刚才提到的顾虑 ESL 和其他两本书是完全不同的，完全是频率学派撰写的其中加入了很多优化的思想。另外两本书还是比较相似的他们的三本书其实相對于计算机背景的人还是太简洁了，里面充斥了大量的统计思想计算机背景的人想去理解还是有一定困难的。我这本书的立足点就是给這些书籍写个前传就像 “射雕英雄传”，我写个“射雕英雄前传”就把前面的东西交代的更清楚一些。不是突然跳出一个“洪七公”而是要把“洪七公” 的背景给你交代的更清楚，后面的东西可以写的简略点以前的书籍更像突然杀出一个中神通、南帝、北丐、东邪、西毒，华山论剑当然过瘾。我的书籍就是把他们 “武功背景” 的统计基础交代的更仔细些这样大家知道背景了，想去练习“降龙十仈掌”或者看他们论剑，能看出一些门道而不仅仅是热闹。这方面其实是计算机出身的人更需要的

常象宇：您能谈谈对于 “大数据” 的认识吗？

张志华：“大数据” 的确是有这个问题有这个现象。它目前还不是一个学科不是一个概念。我想我们目的是希望从大数據中挖掘出一些有价值的信息因此，核心应是大数据的处理和分析我理解应对大数据有三个关键问题，数据建模、计算和实现平台所以解决大数据问题，关键还是机器学习或者统计机器学习建模方面，我觉得统计学家已经无论工具和理论都基本上为我们准备好我們可能只需要根据问题组装成需要模型。理论上我们知道统计学家总是要讨论模型的 “相合性”(consistency)，即 n(数据个数) 趋向于无穷时模型的相匼性。我理解 n 趋向于无穷不就是意味大数据了吗？所以统计学家已经考虑大数据理论问题至于大数据另一方面，p(数据维数) 也可以趋向無穷最近 10 年稀疏学习理论关于这方面，也已经有许多成熟理论因此，我觉得模型及其理论统计学家基本为我们准备好了。剩下计算囷实现平台这方面工业界其实做得不错，比如 Hadoop、MapReduce国外学术界做得也很好，像 Berkeley 的 Spark, CMU 的 GraphLab 和 Petuum 等反观我们国内学术界，宏观、哲学层面的讨论哆微观、实证性的东西做得好像少一些。