有位同学我学人工智能冒了尖

李

DeeCamp人工智能项目从斯坦福、卡耐基梅隆、北京大学、清华等世界顶尖大学的10000名本科生、硕士生、博士生中选出600名本科生。本科的时候，我被选中了。

刚进河海大学计算机专业的时候，对未来只有一个模糊的想法，想找个好工作。但是，这个“好”到底有多好，没有概念。为此我咨询了我的辅导员和学姐。辅导员说我有空余时间可以参加学科竞赛，让我明白了前进的方向。我参加了几届教师学科竞赛的队伍，走上了科研之路。

记得第一节计算机导论课老师说“程序=算法+数据结构”。算法的重要性不言而喻。暑假期间参加了北大暑期班的算法培训，系统学习了ACM竞赛中常用的算法和技巧，为后续的学习和项目打下了基础。大二暑假，我有幸通过选拔参加了我们学校的数学建模竞赛培训。每天训练结束后，我和队员在自习室讨论当天的训练内容，模拟数学建模的过程共同完成作业。一个多月的强化训练，让我在使用数学工具(Matlab、Python等)上更加得心应手。).

我第一次接触人工智能是在大二的时候，当时参加了“中国大学生服务外包创新创业大赛”。我们团队选择的题目是“验证码识别”。乍一看，我觉得识别验证码很简单，因为一般人一眼就能正确识别。但是经过指导老师的分析，我们知道验证码种类繁多，中英文混合，颜色多样，旋转角度不同。看似简单的问题，对于一台冷冰冰的机器来说，并不简单。好奇心驱使我进一步寻找答案。在国内外海量开放在线课程平台上学习了人工智能相关的各种课程，并和项目组一起研究人工智能相关技术。随着研究的深入，我接触到了支持向量机、卷积神经网络等技术。

尝到甜头之后的我觉得人工智能非常有意思，能够做许多普通程序做不了的事。在一次比赛中，我们希望监视施工场所中工人们佩戴安全帽的情况，提醒未佩戴安全帽的人，从而减少意外事件的发生。如果依靠人工24小时不间断地巡视各个地点，显然是高成本低效率的事。我们利用工地上已有摄像头，再加入人工智能算法实现了这个目标。

“2020全球人工智能产品应用博览会”在苏州国际博览中心落下帷幕。观众在观看智能仿生人形机器人表演尝到甜头后，我觉得人工智能很有意思，可以做很多普通程序做不到的事情。在一次比赛中，我们希望监控工地工人戴安全帽的情况，并提醒那些不戴安全帽的人，以减少事故的发生。靠人工24小时不间断巡查各个地方，显然是高成本低效率的。我们利用工地现有的摄像头，加上人工智能算法，实现了这个目标。“2020全球人工智能产品应用博览会”在苏州国际博览中心落下帷幕。观众正在观看智能仿生人形机器人的表演。

第九届中国大学生服务外包创新创业大赛第九届中国大学生服务外包创新创业大赛

前阵子变脸app流行之前，我们团队尝试通过生成对抗网络，提取人脸轮廓信息，还原人脸图像。这种方法也可以推广到提取人脸A的人脸轮廓，然后通过神经网络生成人脸B，达到换脸的效果，使用的原理是一样的。

在此基础上，我在毕业论文中也使用了同样的方法:我基于博弈论的思想设计了一个神经网络，可以跨年龄识别亲属。我只要把两张人脸图片输入网络，网络就会自动提取他们的身份特征进行比对，输出是否有关联，就像现代版的“滴血识别”技术。随着我对人工智能技术的不断学习和使用，我的思维总会向人工智能靠拢，遇到问题总会想怎么让模型学习到问题的本质。随着时间的推移，我觉得它也是活着的。我们相互吸引，仿佛已经融入了我的生活。

说实话，搞科研和竞赛的本科生不多。大二大三的课程难度大，密度大，在保证绩点的同时更难出成绩。另外，我还是学院的科协主席，需要管理和协调相关工作。为了保证项目进度，熬夜看书写论文是家常便饭。记得之前参加“中国大学生服务外包创新创业大赛”的时候，我们团队五个人里有四个是大二，其他团队大部分是大三以上。当时很多人对我们评价不高，觉得我们的知识结构不如高年级学生。然而，我们并不在乎外界的看法，而是通过审视海量开放网络课程的不足，尽力做好自己的工作。作为组长，为了调动大家的积极性，我搜了一些关于管理的书，想从里面找经验。后来经过团队讨论，我把一个大任务分成几个小模块，一人一个。好事多磨和我们的团队顶住了压力。是我们学校唯一一个冲进全国总决赛的少年队，最后获得了全国二等奖。

大四的时候参加了大大小小几十个比赛，取得了一些成绩。大家都觉得我会理所当然的选择宝颜深造。但是我很清楚自己的目标，所以放弃了读研的机会。有能力的时候打算出国深造。现在只想在自己喜欢的路上探索。这可能也是母校校训中“勇于探索”的潜移默化吧。

大三暑假，我没有参加任何学校的保研夏令营，而是进入创新工场举办的DeeCamp人工智能训练营。进入DeeCamp后，我参与到自动驾驶项目中。传统的自动驾驶通常是基于规则或者需要在现实世界中训练的，需要花费极高的经济成本甚至生命代价。与此不同的是，我们是在一个构建好的虚拟世界（模拟器）中，使用算法训练虚拟的车进行自动驾驶，然后基于强化学习和模仿学习技术，将模拟器中习得的高风险行为策略知识，迁移至真实环境，这有效降低了真实环境的训练成本和风险，并成功地在真车上进行了测试。

暑假期间没有参加任何学校的暑期训练营，而是进入了创新工场举办的DeeCamp人工智能训练营。进入DeeCamp后，我参与了自动驾驶项目。传统的自动驾驶通常是基于规则的，或者需要在现实世界中进行训练，这需要付出极高的经济成本甚至生命成本。与此不同的是，我们是在一个构建好的虚拟世界(模拟器)中，利用算法训练虚拟汽车自动驾驶，然后基于强化学习和模仿学习技术，将模拟器中获得的高危行为策略知识转移到真实环境中，有效降低了真实环境中的训练成本和风险，并成功在实车上测试。