机器学习的3大“疑难杂症”，因果学习是突破口 | 重庆大学刘礼(2)

法国春天有各种假期，到了夏天不论职业贵贱所有人都会去度假，秋天开始罢工，到了冬天又开始准备圣诞了。

这种氛围下，在塞纳河畔边晒晒太阳，时间就这么过去了。有时我们中国学生晚上想去实验室多做一会儿，警察还要来问加班权益有没有得到保障，没有特殊的审批还不能加班。

这种氛围的熏陶下，我们也沉下心来思考自己应该如何做基础研究。 在那之后，刘礼已经完成了计算思维的树立，基础研究的认可。但是他又在一个新的坐标上找到真正属于自己的一片天地。 告别浪漫悠然的巴黎，在热带国家新加坡，刘礼与新加坡国立大学计算机院长David S. Rosenblum院士共同开启了一项名为“ 舒适计算 ” （FelicitousComputing） 的研究。 这个概念的要义是根据不同的场景去调整计算的能力。 此时，计算已经变得比刘礼刚刚接触大数据分析时要更丰富了。不但延伸至无处不在，还呈现出以人为中心的人、机、物三元融合的特点。 如何处理这些新的大融合大数据，成为了刘礼和他的同事们最关注的问题。 期间他和所在团队也做出了不少代表性的研究，例如From action to activity: sensor-based activity recognition这项研究中。 他们便创新性地将人的短时动作 （action） 数据和更广时空维度上的活动 （activity） 数据关联起来，弥合了人的动作和人的活动之间的差距，成功编码了动作之间的时间相关性，并捕获活动的内在属性。 也正是在这个阶段，刘礼真正确立了自己要深耕的研究方向，即围绕物理世界和人本身的数据进行采集和分析。 从计算思维的树立、基础研究的认可到确立具体方向，期间的多元化经历，也让他对大数据乃至数据科学有着更立体的视角和感受。 这也是为什么重庆大学的这个物联网体感大数据实验室，会有着如此具象的一个名字。 刘礼认为，从应用角度来理解 大数据分析 ，可以把它看成 一台车 ：

这台车里面必须有很多部件来支撑大数据分析，发动机就是CPU、GPU等算力平台；有了算力之后要跑起来，就要有油，就是数据；而车轮就像应用，即到底车往哪开，朝着什么目标前进。

实现这些应用、达到目标，就需要有方向盘，也就是用算法指挥所有的这些东西。 用他的话来说，这些年自己所做的工作既涉及发动机、油、车轮，也涉及方向盘，包括早期写了大量数据处理的底层框架。 但在这个新的实验室，自然不会全是自己经历过的、熟悉的研究，依然还有很多事情需要从0开始做，甚至还不乏和学生们一起自己动手DIY适配物联网研究的手套和手表。 对于整个团队来说，远方还有一个更大的目标，那就是建起因果学习与机器学习之间的桥梁。