雷锋网按：在采访TomMitchell前，雷锋网编辑告诉他，目前媒体少有报道您的个人经历，这次的采访我们希望能多聊一些您在不同的时间点何以做出当时的抉择。
当TomMitchell看到雷锋网编辑给的采访提纲时，他立马笑了，他说，“关于我为什么在本科和博士期间都拿的是电子工程的学位，这是一件有趣的事情”。
TomMitchell，他是全球公认的机器学习教父，在全球人工智能实力排名第一的卡耐基梅隆大学（以下简称CMU）创办了人类历史上的第一个机器学习系并担任系主任；他的经典著作《机器学习：一种人工智能方法》被认为是行业圣经，销量惊人；他创办了美国《MachineLearning》杂志、国际机器学习年度会议（ICML），他的学术论文专著超过篇;他拥有众多闪亮的头衔：CMU计算机科学学院机器学习系主任、教授，美国工程院院士，美国科学进展学会（AAAS）成员，人工智能进展学会（AAAI）成员。
这篇对话实录，雷锋网将呈现更多大家所不知道的TomMitchell：
他在CMU读本科时，第一年主修数学，第二年变成了管理学，第三年是物理，第四年又成了电子工程，换了四次专业，只因为不知道想学什么；他最终拿到了MIT电气工程学位博士，但是却去罗格斯大学当计算机系助理教授和副教授，而后在CMU任计算机系教授，迄今为止都没有计算机领域学位；他在研究生期间开始对人类智力感兴趣，在研究人类大脑和尝试模拟人类大脑之间选择了后者；当上世纪90年代，脑影像技术出现后，他开始进行人工智能与人脑的交叉研究；他认为AI是一个整体，不应该被细分为计算机视觉、语音识别、自然语言处理，应该以整体的方式去学习；他目前正致力于ConversationalLearning项目，让机器从自然会话中学习如何编程；在他看来，AI专业成为热门一方面是大家的理性选择，另一方面也有炒作过度，未来量子计算或将比AI更火。
本科换四次专业，不寻常的学生
“我进入麻省理工读本科时，第一年主修数学，第二年变成了管理学，第三年是物理，第四年又成了电子工程。我每一年都在换专业，因为我还没想好要学什么。”
年，Mitchell出生于宾夕法尼亚的布洛斯堡，在纽约度过童年。年，他在麻省理工学院获得电子工程学士学位，年获得斯坦福大学电气工程博士学位，辅修计算机科学。年，Mitchell在罗格斯大学开始教学生涯，担任计算机系助理和副教授职位，年，Mitchell加入CMU成为一名计算机系教授。他的研究领域包括机器学习、人工智能、认知神经科学等领域。
雷锋网：第一个问题，您的本科和博士专业是电子工程，当时为什么要选择这个专业？
TomMitchell：好吧，这是一件有趣的事情。事实上是因为，我当时不知道自己应该选什么专业。我进入麻省理工读本科时，第一年主修数学，第二年变成了管理学，第三年是物理，第四年又成了电子工程。我每一年都在换专业，因为我还没想好要学什么。后来我去斯坦福读研究生，主修晶体管设计，成了一名电子工程师。但我又改变了主意，参加了计算机课程，就因为我觉得这个专业更好玩。后来我拿到了电子工程的博士学位。但这只是一个意外，因为虽然我身在电子工程系，但我决定去学AI。我的确这么做了。不过，我目前拿到的仍然只有电子工程专业的学位。
雷锋网：这是因为麻省理工允许你换专业，对此其他老师没有意见吗？
TomMitchell：他们认为这种现象很反常，但还是同意了我换专业的要求。最后，我修了电气工程专业毕业所需的课程。
雷锋网：您曾经对频繁更换专业感到厌烦吗？
TomMitchell：不，我觉得很有趣。那时我真的不知道我想做什么，所以我尝试了不同的领域。但事实是我对智力（intelligence）感兴趣，我也想过学心理学。但我没有去学心理学，因为在我考虑这个问题的时候，心理学领域还没有办法研究人类的智慧。我不认为心理学家或者是其他人能研究人类智力，因为当时还没有“脑影像”（brainimaging）。
所以我就在想，他们甚至都没有示波器这种衡量工具。我接受不了。这种研究方法不行。这太浪费时间了，这种方法不可取。但之后，我又对人工智能产生了兴趣，因为如果你想学习智力方面的东西，你有两个选择，你可以研究人类的大脑，也可以尝试模拟人类的大脑。而当时似乎没有可以研究人类智力的设备，所以我决定走模拟人脑这条路。之后，脑成像终于在90年代末横空出世，我就开始在那个时候研究起“脑影像”，就因为这种工具突然变成了现实。
雷锋网：不过，Jordan和Hinton最开始对人工智能感兴趣都是从心理学研究开始。
TomMitchell：他们比我更有勇气，因为他们是在“脑影像”技术出现之前就在尝试这种新事物。当时我认为这种研究不会有结果。所以我才选择了创建智能程序这条路，但他们的确是勇气可嘉。
雷锋网：您从研究生开始学习机器学习，当时的契机是什么？这一学科在当时还不是那么火。
TomMitchell：我始终认为学习是智力中最有趣的部分，我现在还是这么想的。我想学习智力的同时也可以研究学习，这就是我的选择。这就是我的研究动机。我在读研究生的时候就开始研究这个方向了。在我读研究生，去学晶体管设计之后，我决定改学机器学习，我的导师当时有一个研究项目要创建一个帮助药剂师设计药品的AI系统。他们研究的问题之一就是分析化学实验中的数据，也就是质谱学，其原理是你将一些化学品放进机器中，让它在与机器的碰撞中释放能量，分裂成微粒。然后你再从中选择场景以及你收集到的碎片。现在的问题就是，这实际上是质谱学的研究。所以我就最终通过后续的应用完成了自己的论文。如果你将一个有机分子放入质谱仪，就可以学到如何预测它的分裂之处，它的分裂方式。所以我们就掌握了一些有关化学的培训数据，以及它们的获取方式，此时的机器学习问题就是关于预测分子分裂方式的监测学习问题。
雷锋网：您谈到90年代末开始研究脑影像，这个领域您有什么成果呢？
TomMitchell：我从事大脑研究工作十五年了，研究领域包括通过大脑成像、FMRI和MEG技术研究语言在大脑中的表征，包括大脑如何表征不同词语的含义，像是电脑、朋友或椅子这些词。我们一直在做这方面的研究，并且已经在表征不同含义的神经活动模式领域获得新发现。事实上，我们发现每个人的大脑在这方面拥有非常相似的模式。如果我提到番茄，每个人大脑的反应模式其实是很相似的。在此之前，没人发现这一点。我们发现了支持这些表征的系统原则，这样一来我们就可以预测新词。我们研发了一项电脑程序，对于你输入的任何一个词，它都能预测出这个词的大脑模式。这些是我们的研究成果。
雷锋网：你目前在做人工智能与人类大脑的交叉研究，请问人工智能采用的神经网络的工作原理与人脑思维方式的不同点是什么？
TomMitchell：我认为人工神经网络和生物神经网络主要有两点不同。第一，在人工神经网络里，我们通过数字传递数量。但在真实大脑中，神经元以不同的速率进行单个和成簇放电，这使得它与电脑神经网络十分不同。第二点不同是，在能够识别图像的卷积神经网络中，信息是从输入层，即像素所在区域，有序地向外朝着最终答案流动的。但是如果你看一下大脑内部以及大脑是如何理解图像的，你会发现它对图像的处理并不是前馈传递，在大脑中有信息从视觉皮层的两个不同部分流出。但也有信息进行反向流动。大脑中的反馈循环会告诉像素级别的神经元，鉴于这两侧有线经过，所以这里也应该有一条线。因此，第二点不同是大脑中真正存在着反馈循环，而在卷积神经网络中不存在。
雷锋网：您从年开始在罗格斯大学担任计算机系助理和副教授职位，当时是如何从电子工程系转到计算机系的？
TomMitchell：这并不是一个很关键的问题。虽然我毕业时拿的是电子工程学位，但我在攻读博士学位期间已经在进修机器学习的课程了。所以，计算机科学系当然会承认我在这个学科上的教学能力。
当时还没有出现机器学习的学位。如果有的话，当时我就会换成这个专业，斯坦福大学应该会把这方面的研究纳入计算机系而不是电子工程专业。可惜我没换专业。
雷锋网：您此前多次更换专业，那么您攻读博士学位时为什么没有根据自己的想法换专业呢？
TomMitchell：你是说我为什么不读计算机科学博士学位是吗？原因实际上很简单，你在斯坦福大学读博士学位时，到了第二年就会面临一些很严格的考试。你只有通过了这些考试，才能顺利拿到学位。我当时参加并通过了电子工程专业的考试。后来我说我实际上想去计算机科学系，我想调剂专业。计算机科学系方面表示，你不能调剂，你得先提出申请，我们有可能接收你，之后你得参加我们的博士资格考试才算过关。然后我就说，好吧，我还是继续呆在电子工程系好了。但我的博士导师是Bruce教授，他是计算机科学方面的专家。所以我虽然是电子工程专业的学生，但我也是计算机科学导师的弟子。
雷锋网：那么您当时有多少导师呢？
TomMitchell：两个，主要导师就是计算机科学系的Bruce教授。但因为我是电子工程专业的学生，所以我也有一个电子工程导师Bernie教授，他也是AI领域方面的先驱之一，因为他做过大量有关感知机的早期研究工作。
雷锋网：您在本科和博士期间的学习经历在中国和中国的教育体制中几乎无法复制。
TomMitchell：虽然我不知道这种情况。但在卡内基梅隆大学和许多美国大学里，学生可以换专业，有时候学生也会换导师，比如五个博士学生中就会有一人在某个阶段跟一位导师，后来又换成其他导师，这种现象并不算罕见。
雷锋网：您指导过中国学生吗？
TomMitchell：我的学生来自五湖四海，当然也有中国学生，目前我带领的中国学生是FanYang。我现在的学生不但有中国人，还有希腊人、罗马尼亚人、美国人、加拿大人、斯洛文尼亚人，总之天南地北的学生都有。我很乐见这种现象，因为我认为一个富有创意的团队就应该有不同的思想碰撞，集合不同的教育背景，毕竟不同国家的学生接受的教育也各不相同。将各种学生组合在一起，就形成了一个团队。我们可以通过相互学习，互补长短。
雷锋网：所以您认为中国学生有哪些不同于其他国家学生的特点吗？
TomMitchell：可以这么说。这是个很广泛的问题。我认识许多中国学生，所以我知道中国学生的类型并不单一。中国学生也有各种各样的类型。但总体而言，我发现中国学生在进入卡内基梅隆大学之前学习就非常用功，我也经常在研究生院碰到他们。他们学习很努力，他们也清楚自己的基础很扎实。我认为这是中国学生的特质之一。
雷锋网：我很想知道，您挑选学生的标准有哪些呢？
TomMitchell：我其实不便公开透露这一点，否则可能就会有人刻意迎合我的要求。实际上，不同教授的行事方式各不相同。我最看重的天赋是创造力。有些教授会挑成绩最好的学生，或者发表论文数量最多的学生。但我不会这么做，我只会和对方走进教室，聊一些我们彼此可能都不太清楚的话题。看看我们究竟能聊多久。如果我们交流很顺利，我觉得我们就可以共事。
ICML：从讲习班到人大会
“可我们那时候从来没有想到，机器学习会获得商业上的成就。我们只是单纯地觉得它是一个很有趣的智能问题。”
在加入CMU之前，TomMitchell就已经频繁来往于CMU组织ICML(国际机器学习大会)，年，ICML第一次在CMU召开，从最初的几十人发展到目前数千人参加的国际大会，ICML与NIPS一起，它是在机器学习和人工智能研究中影响最大的两个主要会议之一。
雷锋网：您是ICML创始人，并在年举办了首届ICML学术会议，当时有哪些科学家同您一起推广了这个会议？
TomMitchell：那次会议是在卡内基梅隆大学举办的，当时也是我初次来到这所大学，因为那时候我还在罗杰斯大学教书。为了召开那次会议，我就去了卡内基梅隆大学。当时还有另外两名重要成员联合组织了这场会议，我们一共是三人。一位是JaimeCarbonell，他现在仍然是卡内基梅隆大学的教授。他当时已经在这所大学任教了，所以我们才会在这里举办会议。另一位就是伊利诺伊大学教授Richard。我们三个人就在年联合举办了这场会议。我记得当时的会场只比今天这个房间大一点点,一共有35人出席了会议。我现在还记得一些当时的出席人员。当最让我印象深刻的人应该是JohnAnderson，因为John是一位研究人类学习模式，并据此创建计算机模型的心理学家。
我之前也提到了，我对人类智力很感兴趣，但放弃了研究心理学，就是因为这一行没有什么辅助研究的仪器。JohnAnderson在那次会议上的确让我记忆犹新，因为他是一名研究学习与人类的心理学家。而且他取得了卓越的研究成果。他当时在创建可以展示电脑行为如何匹配人类行为的计算机模型。John今天仍然在这所大学的心理系任教。去年，我们还做出一项决定，让他的团队与我的团队每个月碰面一次，相互交流思想。我很珍惜与他共事的机会，真的非常有收获。
雷锋网：您当时成立并推广ICML的契机是什么？
TomMitchell：这么说吧。ICML其实是自发形成的。我们在卡内基梅隆大学举办了首次会议，可能在两年后我们就决定把它作为一个关于机器学习的讲习班。当时我们没有将它称为国际会议。两年之后的伊利诺伊大学召开了第二场会议，当时还是我们三人担任组织者。后来我们开始每年召开一次，每年会议都出现了不少惊喜，会议规模也不断扩大。又过了几年，我们才决定将它称为国际大会。现在还保留着每年召开会议的传统。现在每年都有上千人参加这个会议。
雷锋网：发展到现在，ICML的参会人数已经超过人，这与您最初的设想是否一致？当时有想到这一会议会像如今这般火热吗？
TomMitchell：没有，完全没想到。我相信这个会议的参加者都想不到有这么一天。但我始终认为，机器学习在未来会成为计算机科学的中心，想想计算机科学的发展就很容易得出这个结论。总有一天，我们不再需要手动编程，我们可以让程序自己学习编程。我一直在设想它早期的运行方式，我始终认为这终将变成一种重要的应用。但我时常在想，我有生之年可能看不到这一天了。计算机科学可能需要经历几百年才能发展到这个地步。希望它能够以超乎我想象的速度，实现飞速发展。但在过去，我认为参加我们会议的人都认为，这种技术是一种学术人士才
