英國皇家學(xué)會院士樊文飛：把大數(shù)據(jù)變小，突破企業(yè)資源限制

張靜

樊文飛（中）與兩位博導(dǎo)（左一）和（右一）在英國皇家學(xué)會的合影

無論是去年李開復(fù)所言的“AI泡沫破裂”、Yann LeCun說的“AI公司要沒錢了”，還是今年張鈸院士提出的“深度學(xué)習(xí)觸及天花板”，亦或是圖靈獎得主ludea Pearl直指“AT現(xiàn)在的重點是曲線擬合，而不是智能”，這些人工智能領(lǐng)域的大牛無一不在表述這樣一個觀點：人工智能需要冷思考。

“AT目前可以幫助我們發(fā)現(xiàn)一些關(guān)聯(lián)關(guān)系，提高生產(chǎn)效率。要使AI進一步發(fā)揮潛力，就需要提高基礎(chǔ)計算引擎的效率。”英國皇家學(xué)會院士樊文飛表示，“大數(shù)據(jù)是AI的基礎(chǔ)。由于大數(shù)據(jù)計算的困難性，傳統(tǒng)的經(jīng)典計算理論已經(jīng)不能夠解決大數(shù)據(jù)的問題，需要新的理論和切實可行的技術(shù)”。

樊文飛是國際學(xué)術(shù)界公認(rèn)的在“數(shù)據(jù)庫理論與系統(tǒng)領(lǐng)域都做出突破性貢獻(xiàn)的極少數(shù)學(xué)者之一”。他是英國皇家學(xué)會計算機領(lǐng)域唯一的華裔院士（美國科學(xué)院計算機領(lǐng)域的華裔院士也只有姚期智一人），是在英國皇家學(xué)會具有300余年歷史的簽名簿上用中文簽名的第一人。他是數(shù)據(jù)庫領(lǐng)域歷史上僅有的兩個“大滿貫”學(xué)者之一，即獲得國際數(shù)據(jù)庫理論與系統(tǒng)四大頂級會議的最佳論文獎或10年最佳論文獎（SIGMOD 2017，PODS 2015 & 2010，VLDB2010，ICDE 2007）。

盡管樊文飛從理論到實踐，從學(xué)術(shù)到科研再到產(chǎn)業(yè)，都有豐富的積淀和經(jīng)驗，但是他很少在公共輿論環(huán)境中發(fā)表意見。據(jù)了解，他已經(jīng)接受了中國計算機學(xué)會（China Computer Federation，縮寫“CCF”）的邀請，將出席即將召開的中國計算機大會，并發(fā)表演講。我們就此和他進行了交流。

理論和系統(tǒng)的突破

“計算機研究的核心是理論和系統(tǒng)?！狈娘w開篇明義?！按騻€比方，大家都知道Google的阿爾法狗（Alpha Go）打敗圍棋世界冠軍，是人工智能的一個重要里程碑。但大家也應(yīng)該看到，Alpha Go背后用到的處理資源的價值是以千萬美元計算的，研發(fā)團隊里面集聚了一大批國際頂級人才，他們的價值更是以億計算。這樣的代價和成本不是一般的企業(yè)所能承受的?！薄拔覀兪欠窨梢酝ㄟ^理論的突破到系統(tǒng)的落地，解決大多數(shù)企業(yè)因資源受限無力從事真正的大數(shù)據(jù)計算的現(xiàn)實問題？是否可以通過‘把大數(shù)據(jù)變小，做到企業(yè)無論大小都能享受大數(shù)據(jù)分析的利益？”“對此我們提出了有界計算理論及數(shù)據(jù)驅(qū)動的近似計算理論?！?/p>

有界計算理論的基本思想是，給定一個函數(shù)F（x），參數(shù)x代表大數(shù)據(jù)集。多數(shù)計算不需要訪問全部的x，只需要取x的一小部分就能得到F（x）的精確解。有界計算理論研究的就是如何根據(jù)不同的函數(shù)F，根據(jù)語義找到所需的x的那一小部分。樊文飛說，“一家世界一流的公司通過測試發(fā)現(xiàn)，在數(shù)十億條數(shù)據(jù)的實時查詢場景下，91%的查詢可以用有界計算來解決;并在70%以上的查詢中，查詢效率提升25倍～14萬倍。剩余9%不具備有界計算條件的查詢，可以通過數(shù)據(jù)驅(qū)動的近似計算理論來解決?！?p>

開發(fā)GRAPE的團隊

數(shù)據(jù)驅(qū)動的近似計算是根據(jù)用戶的查詢，在數(shù)據(jù)的層次表述中動態(tài)找到所需的數(shù)據(jù)，并在有限資源下計算查詢的近似解。其特點是保證精確度，即對每個精確解，都找到一個對應(yīng)的近似解使得二者之間的誤差在一定范圍內(nèi)，同時每個近似解都對應(yīng)一個誤差范圍內(nèi)的精確解。國際上還沒有查詢系統(tǒng)能做到這一點?！氨热缒阋诒本┱乙粋€離藝術(shù)館比較近的、價格低于500元的旅館，在資源有限的情況下只能查看100條數(shù)據(jù)，那么我們就可以給你一個近似的結(jié)果，可能這個旅館是520元，也可能是距離一個美術(shù)館比較近的旅館，但保證每個近似解都是相關(guān)的，而且每一個精確解都能被覆蓋到。”“上面提到的這家世界一流的公司認(rèn)為，有界計算是一個具有突破性的高潛力發(fā)明，并決定每年投資上千萬人民幣支持開放性的基礎(chǔ)研究?！狈娘w介紹，“此外，這項工作還在2018年拿了Royal Society Wolfson Research Merit Award（英國皇家學(xué)會沃爾夫森研究優(yōu)秀獎）?！?/p>

目前，一支“超級團隊”正在做“把大數(shù)據(jù)變小”這個理論的產(chǎn)業(yè)化落地，打造一款從理論到實現(xiàn)都是中國人原創(chuàng)的、具有實時分析能力的下一代大數(shù)據(jù)系統(tǒng)。這個系統(tǒng)將有界計算和數(shù)據(jù)驅(qū)動的近似計算疊加，突破性解決大數(shù)據(jù)計算問題，旨在將大數(shù)據(jù)從科技巨頭們的特權(quán)普及到各行各業(yè)和生活的各個方面。這支團隊有一個充滿霸氣的名字——“數(shù)據(jù)征服者”（Conquer of Data，簡稱“CoD”）。據(jù)悉，這個系統(tǒng)將在明年發(fā)布，CoD團隊將在CNCC大會展示區(qū)展出其系統(tǒng)原型。

另一個理論到系統(tǒng)的案例是GRAPE。為提升大規(guī)模圖數(shù)據(jù)計算效率，從2016年開始，樊文飛著手研究并提出了兩個理論：一個是基于不動點計算的單機圖算法自動并行化的程序設(shè)計模型，另一個是同步/異步自適應(yīng)并發(fā)計算模型。這些理論可以降低并行圖計算程序設(shè)計的門檻，保證計算正確性，同時可以大幅提升效率。這些工作獲得了包括SIGMOD和VLDB這些行業(yè)頂級會議上的三個獎項。

基于這些理論，樊文飛的學(xué)生于文淵博士、徐靜波博士等人回國，開發(fā)了這套名為GRAPE的系統(tǒng)。他們在2018年3月5日成立了公司，同年3月15日就有知名企業(yè)來收購?！拔覀冏罱K還是選擇了一家互聯(lián)網(wǎng)巨頭，因為這家公司承諾為GRAPE建立一個開源社區(qū)并且打造成一個中國自己的國際IT軟件品牌?！睋?jù)這家公司的材料披露，GRAPE在社交關(guān)系處理、推薦、風(fēng)控等應(yīng)用場景都取得很好的效果，在一些業(yè)務(wù)線上，GRAPE相比原流程甚至有數(shù)量級的性能提升。

樊文飛是國際上屈指可數(shù)的兩獲PODS時間檢驗獎的學(xué)者之一

提出原創(chuàng)，引領(lǐng)落地

什么是創(chuàng)新？創(chuàng)新包括探索新領(lǐng)域、發(fā)現(xiàn)新問題、找到新方法、或者借鑒其他領(lǐng)域的解決方法解決本領(lǐng)域的問題，這是創(chuàng)新程度的一個評判標(biāo)準(zhǔn)。樊文飛說：“我們所謂的創(chuàng)新，關(guān)鍵不是看你發(fā)了多少論文、在哪里發(fā)表、引用率有多高。學(xué)術(shù)地位是由學(xué)術(shù)界的口碑決定的，是你能否提出基礎(chǔ)、原創(chuàng)的東西，能夠引領(lǐng)學(xué)術(shù)界，并在工業(yè)界落地。”他的第三篇論文就榮獲了2010年ACM PODS（Principles of Database systems）的“十年最佳論文獎”（ACM PODS Alberto O.Mendelzon Test-of-Time Award）。ACM PODS始于1982年，是國際公認(rèn)的數(shù)據(jù)庫理論頂級會議。時間檢驗獎旨在獎勵在十年間對研究、方法論及實踐產(chǎn)生重大影響力的論文。樊文飛是國際上屈指可數(shù)的兩獲PODS時間檢驗獎的學(xué)者之一。

他把這次獲獎歸結(jié)于“幸運”。但不能否認(rèn)的是，堅持原創(chuàng)是他極具前瞻性視野的一個重要條件。他2000年發(fā)表的半結(jié)構(gòu)化數(shù)據(jù)約束理論現(xiàn)在已成為一個成熟的研究領(lǐng)域，目前被廣泛應(yīng)用在網(wǎng)絡(luò)數(shù)據(jù)語義描述、查詢的優(yōu)化、分析、數(shù)據(jù)質(zhì)量提升和數(shù)據(jù)知識獲取、知識圖譜的擴展這些業(yè)務(wù)。

把學(xué)生當(dāng)做合作者

除了學(xué)者的身份之外，樊文飛還是一位導(dǎo)師，是愛丁堡大學(xué)主任教授?！拔以谪悹枌嶒炇夜ぷ鞫嗄?，所以我習(xí)慣把學(xué)生當(dāng)做合作者，”他說，“對博士研究生來說，最難的是找題目，還有研究遇到瓶頸。導(dǎo)師應(yīng)該幫助學(xué)生找題目，解決學(xué)生做不出的問題。在論文上，我也是合作者，要做出自己的貢獻(xiàn)。我的論文中，所有題目都是我提出的，技術(shù)難題我都要給出方法解決甚至自己寫證明、算法，而且經(jīng)常要承擔(dān)大部分寫作。我從來沒有在我沒有做出足夠貢獻(xiàn)的論文上掛過名字?！?/p>

在英國讀博需要3年，不像是美國需要4年～6年。就教學(xué)周期來說，樊文飛有自己的一套方法：“第一年學(xué)生幫助實現(xiàn)我們給出的算法，這時候他會發(fā)現(xiàn)一些樂趣，尤其是發(fā)表了一篇論文之后他會很興奮，會有做學(xué)問的動力;第二年他們開始設(shè)計一些算法，他們會想得更深;第三年他們開始領(lǐng)導(dǎo)一個課題，我可以給他們題目，但他們要從頭到尾去設(shè)計，解決不了的問題再來找我。這樣由淺入深，三年的時間只要認(rèn)真工作，基本就可以獨立了。我?guī)W(xué)生的辦法就是親身參與，把學(xué)生當(dāng)做合作者?！狈娘w帶出來的學(xué)生，每人都獲得過至少一個數(shù)據(jù)庫頂級會議的最佳論文獎。

樊文飛說：“在愛丁堡大學(xué)，七十多歲的老教授在圣誕假期還在學(xué)校里自己寫論文，他就是喜歡研究，享受這份樂趣，不把研究做為獲取名利的手段。所以他們能做出有價值的原創(chuàng)研究。”追求興趣、保持熱情、堅持原創(chuàng)、鍛煉學(xué)術(shù)頭腦的靈活性，把學(xué)生當(dāng)做合作者，這是老一輩學(xué)者和優(yōu)秀導(dǎo)師們身上值得學(xué)習(xí)的東西。

在即將召開的CNCC大會上，樊文飛將為參會的近8000位計算機領(lǐng)域?qū)＜?、企業(yè)技術(shù)人員、高校的科研人員和學(xué)生帶來“Making Big Data Small”的演講報告。當(dāng)被問及他本人最感興趣的會議話題是什么，他回答說：“今年的一些技術(shù)性的論壇我都很感興趣。我們需要一些介紹最新的學(xué)術(shù)發(fā)展趨勢和自己原創(chuàng)的講座。國家需要腳踏實地做學(xué)問的科學(xué)家?！保ㄕ悦馈渡羁萍肌罚ň庉?萊西）