hxbdc
-头部背景图

清华大学刘知远:在 又是‘NLP 领域「做帮助寻找货源并提供场地存储皮张,事」兼「发声」

  • 编辑时间: 2017/12/3 3:01:11
  • 作者: 【ag8001.com肯定有排名】

原标题:共享单车的灰色秘密:押金到底去哪儿了

在经历了一波第二梯队共享单车企业倒闭、用户押金难以退还事件之后,共享单车的押金问题成了悬在剩余单车企业头上的达摩克利斯之剑。本文转载自:AI财经社(ID:aicjnews ) 韩佩 ,编辑:胡刘继

近日,天津市交通委员称,针对小蓝单车押金退还困难,已会同公安局、市场监管委、人民银行天津分行、银监局、金融局等相关部门,多次约谈小蓝单车负责人,督促企业履行押金退还责任,为全国部分小蓝单车用户退还押金。

11月30日下午,有媒体爆料称:“摩拜单车、ofo两家单车企业资金告紧,开始挪用用户押金填补缺口,挪用总金额高达60亿元,自行车厂以及公关公司等供应商的付款均已暂停。”但我们也在第一时间尝试了退还押金,发现ofo和摩拜均能实现押金的迅速退还。

一位同时为摩拜、ofo提供硬件服务的供应商表示,目前这两家结款正常,并且合作仍在继续。

随后,摩拜和ofo也都作出了回应。摩拜称,这是“恶意诋毁和造谣”,并表示“用户导向”是摩拜单车的价值观之一,自成立以来,摩拜单车始终把“保障用户押金安全”放在极其重要的位置,并确保用户可随时退押金。 /react-text

ofo方面表示,目前公司各项业务有序运转。ofo自创立之初就严格保障用户押金安全,并设置了便捷顺畅的退押金流程。目前,用户通过官方App、客服电话等渠道均可顺利退还押金。

但是,针对最核心的问题,“是否挪用了押金”,ofo和摩拜都未给出正面回复。

押金到底去哪儿了

关于押金的用途,最早对此公开质疑的大概是财经评论人叶檀。在跟摩拜单车CEO王晓峰的一场对话中,叶檀对于押金的用途进行了又是‘多次追问,王晓峰解释了为什么收押金、为什么收299元,但对于“押金去哪儿了”这个问题始终未作正面回答。他表示,该公司与招商银行合作设立押金专户,保证所收押金专款专用,最终他说,“去问招商银行”。

根据公开资料,今年2月,摩拜和招商银行宣布双方在押金监管、支付结算、金融、服务和市场营销等方面将展开战略合作。事实上,招商银行也是摩拜的股东之一。ofo方面则在今年4月,和中信银行达成了监管合作。

招商银行一位分行行长表示,银行参与企业融资,考虑的因素之一在于能否和银行产品线及业务线产生互动。比如,投资摩拜几个亿,可能会换来几十亿的存款。但关于押金是否独立监管,他表示并不清楚。招商银行总行办公室均处于无人接听状态。

今年8月出台的共享单车新规中规定,针对用户资金及信息安全等问题,政府鼓励采用免押金方式帮助寻找货源并提供场地存储皮张,提供租赁服务,“企业已收取押金或者预付资金的,要在注册地设立专用账户,实行专款专用,完善退还制度,接受交通、金融等主管部门监管”。

但是,已经“出事”的小蓝单车、酷奇单车等公司的行为表明,并非所有企业都会遵守这一规定。

今年2月,小蓝单车副总裁胡宇沸曾在接受媒体采访时表示,小蓝单车的用户押金一部分留存用于客户退款需求,一部分则被用于继续生产车辆上。酷奇单车曾对外宣称,和民生银行进行了押金监管合作,但民生银行在回应时否认了这一说法。同样是今年2月,摩拜单车CEO王晓峰在接受媒体采访时曾透露,公司会拿出一部分用户押金购买理财产品。

独立互联网分析师张旭表示,事实上,挪用押金在某种程度上已经是行业潜规则,这种情况更多地发生在资金实力较为薄弱的小玩家身上。前小鸣单车CEO陈宇莹也承认了这一说法。不过,张旭也表示,“押金挪用”其实很难去具体定义。

除了像小蓝单车等公司挪用押金填补财务窟窿之外,还有一种形式的“挪用”。前述银行人士对此进行了进一步的解答,他表示,押金也有可能是和银行达成了协议,设立专款账户监管,但可以买银行内的理财。

“专款,指的是钱不能出这个账户。”一位曾就职于单车行业的人士给出了类似的答案。按照这一说法,就能对应上王晓峰所说的“购买理财”。

重资产模式的压力

根据其官方数据,截至目前,摩拜在全球拥有2亿注册用户,ofo拥有2亿全球用户,至于月活用户和交押金比例,双方尚未透露。据易观在6月发布的数据报告,ofo月度活跃用户增至4073.5万,摩拜月度活跃用户增至3548.6万。极光大数据发布的最新报告显示,10月份,ofo的月活跃用户数达2508.4万,摩拜单车为2373万。

保守估算,两家公司各有3000万用户已交押金,摩拜押金为299元,其押金总额约90亿元;ofo押金为199元,其押金总额约60亿元。但前小鸣单车CEO陈宇莹透露,事实上押金的数字会更高,“共享单车的注册用户中,有超过80%的用户都是交了押金的。”

我们再看另一组数字。根据双方公布的数据,ofo目前投放单车总数已经达到1000万辆,摩拜的投放数量超过700万辆。一位业内人士透露,ofo的单车造价低于600元,摩拜现在的单车造价低于1000元。

ofo按照每辆单车500元计算,1000万辆的成本约50亿元。摩拜按照每辆单车平均造价1000元计算,700万辆单车的成本约70亿元。以上仅为硬件成本的估算,尚未计入运维成本和收入。考虑免费骑活动和小黄车的损坏率、智能锁换代,运维方面ofo的成本可能要远高于摩拜。

汉能资本在2017年年初的一份单车研究报告中,将ofo的损坏率按照18%~20%来测算,摩拜仅有1.5%。戴威在4月份的一个采访中称,实际上报修率约14%~16%,在智能锁推出后,这一数字将会更低。按照当时800万单车需要换锁,每把智能锁成本上升100元粗略测算,ofo换锁的累计支出就要高达8亿元人民币。

我们可以看到,单车是一门资产规模极重的生意,因此各家单车公司从资本市场上拿钱的速度也是极为迅速。截至目前,ofo完成的融资总额约100亿元人民币,摩拜融资总额约70亿元人民币。

有消息称,ofo正在寻求一笔规模约10亿美元的融资。在这一消息传出之时,高通刚刚对外宣布参与摩拜新一轮的融资,但未公布金额。而美团目前也正在和摩拜接触,考虑入股事宜。

在第二梯队玩家清盘之后,摩拜和ofo之间的市场老大之争,将更加激烈。而要想赢得这场战争,资金的重要性不言而喻。

在资金和竞争压力之下,合并的话题也被反复被提上台面。11月29日,王晓峰公开表态称,与ofo的合并“不可能”。ofo创始人戴威也在内部多次提出,不可能和摩拜合并。

但有些投资人等不及了。近半年来,ofo投资人朱啸虎多次在公开场合谈及两家单车公司必须合并。他指出,一是共享单车市场格局已定,前两家已经占据95%的市场份额;二是两家公司仍然要投入大量的资金运营,不盈利,前两家合并才能盈利;三是自己对于“谁合并谁并不关心”,因为“这对资本市场并不重要”。

“仍然要投入大量的资金运营,不盈利”,这句话可以解释,为什么摩拜和ofo会出现挪用押金的传闻。

但摩拜的投资人似乎对于合并并不热衷。一位连续跟投了摩拜数轮的投资人表示:“ofo在与摩拜的缠斗中陷入持久战的僵局当中,又没有新业务的扩展空间,这就对ofo很不利了。自行车的战局拖得越久,ofo的损耗率就越高,运营成本就越高,而相比之下摩拜的优势就越多。这也是为什么ofo的股东特别想尽快找摩拜合并的原因吧。另外,他们也不希望滴滴被中国的反滴滴联盟再来一轮新的价格战,打乱滴滴的节奏。”

押金一直处于灰色地带

在“押金挪用”传闻出现之后,有多少用户会退款、会对摩拜和ofo造成多大影响,尚难评估。但一个事实是,短期的押金挤兑已经出现。在11月30日的爆料传出之后,不少用户纷纷测试了押金退还是否正常。

“真的假的?”一位下载了摩拜和ofo的用户在微信群里获知这一消息后立刻发问。“不过,我觉得押金退不出来挺正常的,作为一个酷奇单车押金退不出来的人,已经习惯了。”他又淡定地补充道。一位女生接过了话茬:“我被酷奇搞怕了,其他的直接就没注册,微信免押。”

在一则退了ofo押金的微博底下,不少用户询问退了押金后免费月卡是否还能正常使用。“退了支付宝照样有月卡。别问我怎么知道,被小蓝吓到了,全退了押金。”一位用户回答说。

“算了,不退了,免得三人成虎,实在不想共享单车都倒闭。”另一位微博用户评论说。

前小鸣单车CEO陈宇莹曾在接受采访时透露,小鸣没能拿到新一轮融资的原因之一,是受酷奇单车无法退款的影响,遭遇了新一波押金挤兑。

据不完全统计,包括小蓝、酷奇、小鸣在内,至少已有7家共享单车企业被曝拖欠用户押金。

而根据12315官方网站发布的《2017年一季度全国消费者诉求情况分析》显示,在第一季度平台接收的诉求中,共享单车相关投诉共1098件,其中934件诉求指向“ofo小黄车”,表现出高度集中性。具体问题主要是押金退还和余额退还问题。在三四月份 ,有多家媒体报道称,很多人反映“ofo退款难”的问题。

此外,从2017年1月至今,深圳市已受理超过1万宗关于共享单车的投诉,99%为押金难退的问题。

11月中旬,针对共享单车企业逾期不退还押金的问题,深圳市政府于11月20日举行了《深圳市互联网租赁自行车管理方案》(以下简称《方案》)听证会。《方案》指出,如果共享单车企业因为自身经营管理等问题需要退出市场的,需要向政府主管部门办理备案注销手续,并在规定时间内将用户的押金、预存金退还用户,否则将由政府主管部门责令限期改正;逾期不退还押金,将处以最高5万元的罚款。

但是,对于已因经营不善倒闭或濒临倒闭的共享单车公司来说,拖欠供应商货款、用户押金规模,要远高于5万元这个数字。

一位处理消费者权益方面的律师表示,虽然共享单车新规中指出,押金必须由第三方机构进行监管,但由于此规定并不具备任何强制性的法律效力,法律条文中也尚未规定挪用后果,因此,共享单车的押金该如何处置,一直处于“灰色地带”。

当然,当你的押金讨不回来时,你也别想着从直接搬走一辆共享单车据为己有。天津众磊律师事务所律师张磊表示,用户无法对单车行使抵押权,只能行使留置权。

本文来自猎云网,如若转载,请注明出处:http://www.lieyunwang.com/archives/389602返回搜狐,查看更多

责任编辑:

声明:本文由入驻搜狐号的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。

原标题:清华大学刘知远:在 NLP 领域「做事」兼「发声」

所以我时常害怕,愿中国青年都摆脱冷气,只是向上走,不必听自暴自弃者流的话。能做事的做事,能发声的发声。有一分热,发一分光,就令萤火一般,也可以在黑暗里发一点光,不必等候炬火。此后如竟没有炬火:我便是唯一的光。

——鲁迅《热风》随感录 四十一

雷锋网 AI 科技评论按:对于清华大学计算机科学与技术系自然语言处理实验室团队

而言,今年或许是一个频频「做事」兼「发声」的季节。清华大学计算机科学与技术系自然语言处理实验室是由孙茂松教授领导、刘洋副教授与刘知远助理教授协同组成的一支 NLP 研究团队,有20余名研究生、访问学者和访问学生。

今年 6 月,刘洋副教授开源的神经机器翻译工具包,包含被选为 ACL 2017 杰出论文的神经网络可视化的源代码和图形化界面。(Github页面详见:https://github.com/thumt/THUMT);10 月份,孙茂松教授发布的九歌计算机古诗作诗系统,beta1.0 版本现已上线集句诗、绝句和藏头诗三种功能。 (页面:http://jiuge.thunlp.org/ )

10 月底,在孙茂松教授的带领与指导下,刘知远与学生团队先后开源了两个工具包 OpenNE(Open-Source Network Embedding)与 OpenKE(Open-Source Knowledge Embedding),分别针对网络表示学习和知识表示学习进行了系统梳理。

而除了在学术领域有所贡献外,刘知远更为人熟悉的另一个身份是「知乎达人」。在刘知远的不少高质量回答中,他在深入浅出回答技术问题时频频引经据典,旁征博引,充分展现了他的学术和文学涵养。作为自然语言处理、深度学习、机器学习的优秀回答者,从 2013 年开始玩知乎的他,累积关注者超过 25000 人,收获了 22206 次赞同,包括 3666 次感谢和 11109 次收藏。「作为一名工作繁忙的高校教师,刘知远哪有时间回答那么多问题呢?」这是雷锋网 AI 科技评论笔者在调研的时候,大家最好奇最关心的问题之一。

在清华大学 FIT 楼,雷锋网 AI 科技评论有幸与清华大学的刘知远助理教授进行了一次对话,他向笔者分享了他工作、生活的点点滴滴。

刘知远,清华大学计算机科学与技术系自然语言处理实验室助理教授。主要研究方向为表示学习、知识图谱和社会计算。2011 年获得清华大学博士学位,已在 AAAI、IJCAI、ACL 等人工智能领域的著名国际期刊和会议发表相关论文 30 余篇,Google Scholar 统计引用超过 1200 次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖,入选 CCF-Intel 青年学者提升计划、中国科协青年人才托举工程。担任中文信息学会青年工作委员会执委、副主任,中文信息学会社会媒体处理专委会委员、秘书,SCI 期刊 Frontiers of Computer Science 青年编委。担任 ACL、IJCAI、AAAI、NAACL、EMNLP、WWW、WSDM 等著名学术会议的程序委员会委员以及 TKDE、TOIS、JCST 等著名学术期刊审稿人。

个人主页:http://nlp.csai.tsinghua.edu.cn/~lzy/

OpenNE 和 OpenKE

不论是中文词法分析工具包 THULAC、中文文本分类工具 THUCTC、关键词抽取与社会标签推荐工具包 THUCTC,或是关键词抽取与社会标签推荐工具包 THUTag 等(部分整理可参考刘知远此前的知乎回答:目前常用的自然语言处理开源项目/开发包有哪些?- 刘知远的回答 ),清华自然语言处理实验室团队此前的工作更倾向于单点突击,所开源的项目也比较零散;而最近开源的 OpenNE 和 OpenKE,实际上是清华团队针对过往研究的一个较为系统的创富东方真人娱乐梳理。雷锋网此前也做过覆盖与报道,可参见:清华大学团队开源OpenKE与OpenNE工具包,助力NLP系统梳理。

清华大学博士生涂存超和本科生张正彦贡献的 OpenNE(Open-Source Network Embedding)针对网络表示学习(NE/NRL)进行了系统梳理,统一了 NE 模型的输入/输出/评测接口,并修订复现了经典的网络表示学习模型,包括 DeepWalk, LINE, node2vec, GraRep, TADW, GCN 等。

清华大学博士生韩旭、林衍凯和已毕业硕士生谢若冰于近期共同完成整理推出 OpenKE 平台,实现了 TransE 、TransH、TransR、TransD、RESCAL、DistMult、HolE、ComplEx 等算法的统一接口的高效实现,此外,能面向 WikiData 和 Freebase 两大通用 KG 全量数据的预训练好的知识表示模型下载。

很多学者基于一些大规模知识图谱如 WikiData 与 Freebase 开展研究工作,往往需要研究者自行训练知识表示模型,OpenKE 则将在 WikiData 和 Freebase 全量数据上训练的表示模型也开放出来,供大家参考和使用,避免了大量重复劳动。刘知远表示,「这两个工具包主要是为了进一步推进表示学习的发展,并让更多的人关注这个方向和相关成果,认识到表示学习的重要意义和价值。」

从今年年初,刘知远带领两拨学生团队开始分头着手做 OpenNE 和 OpenKE,前后也经历了近一年的时间。刘知远认为,在高校做开源工具包的逻辑实际上与工业界有些不同,这些参与项目的高校学生往往都是 NLP 研究一线的成员,梳理工具包的过程不仅对自己是一种锻炼,内心深处也自然多一分对这个项目的认同感,希望能在这个过程中更深入、更全面地了解 NLP 领域。此外,也有一部分团队成员是学校的本科生,受其他课业的任务影响,整个项目的周期也属于细水长流的类型。

除了工具包外,数据库也是一个研究者们尝日首相没错这位快递小哥的“将四试涉足的方向。譬如目前比较常用的 WikiData 和 Freebase,属于大规模通用的知识图谱,探讨的是这个世界事物之间的相互关系。

像谷歌、百度这样的搜索引擎是通用知识图谱的真正应用场景所在,而从高校的科研力量来权衡,在刘知远看来,他的「小目标」更倾向于从应用和实际的角度做一些规模不大、但非常重要的一些知识库,例如语言知识图谱。「其实在语言上,我们也需要考虑到这种知识和关系。比如看到一件事物产生了联想,这便是隐喻知识库。」

在今年 ACL 2017 和 IJCAI 2017 上,刘知远团队都有语言知识库的相关成果发表,本科生牛艺霖和硕士生谢若冰的Improved Word Representation Learning with Sememes,将 HowNet 义原信息引入词表示学习,发现义原对于复杂语境下的词义精确识别具有重要价值;本科生袁星驰和硕士生谢若冰的 Lexical Sememe Prediction via Word Embeddings and Matrix Factorization,则提出了一种新的面向新词的义原自动标注算法。

利用义原更好地理解词汇语义,进行词义消歧等工作,在刘知远看来是探索通用语言知识的一种尝试,而在深度学习的新场景、新浪潮下,NLP如何充分利用人类先验语言知识和世界知识,实现真正的自然语言理解,是非常重要的研究课题。

刘知远曾经在知乎的回答中提及关于自然语言处理未来趋势的看法,其中也提及了先验语言知识与深度学习模型的融合。在彼时,团队也在模型中考虑先验知识的作用,并做出了一些尝试,但在刘知远看来,「这些工作是在一些任务上完成的,考虑的都是一些特别具体的知识。但是,如果你真的像人一样,把关于这个世界的各种各样的知识都装在大脑里面,那么它们是如何经过融合,让你更好理解这个世界的?」

但在 2017 年,他同样提及了先验语言知识与深度学习模型的有机融合对于ag游戏平台理解世界的作用。刘知远认为,理解世界本身是一件系统的任务,需要考虑如何用更多形式的知识并综合地利用它们,实现各种各样的真正的能力。

在这个提问中,刘知远提及的另一个亮点则是近年流行起来的对抗训练思想(GAN)的应用。目前,这一思想已经在 NMT 等模型中发挥重要作用。而针对 GAN 的流行,刘知远认为这些机器学习思想和模型对NLP更多是工具,他更看重的是如何利用这些工具实现兼顾复杂语境下的语言理解能力。

「语言理解本身是一个结合多模态复杂场景的、丰富语境下的消歧问题,」刘知远告诉雷锋网 AI 科技评论,「仅仅从考虑文章上下文的能力来看,NLP技术还远没有达到一个理想的状态。」

刘知远表示,清华团队过去更多在 NLP 做了一些增量性的贡献,还需要进一步积累达到质变。「目前大家都还是在做一些分而治之的工作,也就是说,团队先把这个问题定义明确了,然后尽可能地提升它的效率。在未来的话,学者们需要把这种更复杂的语境综合在一起,之后才能真正解决语言理解的问题。」

「作为学生,至少我很努力了」

2002 年就读清华本科,2011年博士毕业,到 2013 年博士后出站留校任教至今,刘知远一直没有离开过这座象牙塔。在不少人的眼里,刘知远能在国内一流学府深造,并成为桃李满天下的人民教师,着实非常幸运。但更多人不知道的是,刘知远的经历并非我们所想象的那般顺利,他也自嘲「自认资质普通,没有智商和竞赛等光环加成」。

刘知远第一年高考时被南京邮电大学录用,从山东前往南京就学。但是,当他以大一新生的身份呆了两个月后,刘知远觉得这儿依然「不是特别符合我对大学的期望」。

虽然南京邮电大学是一所优秀的高校,不少同学也能在研究生阶段步入清华大学就读,但刘知远和父母在多次长谈后,最终还是决定「回炉重造」,再战高考。「三、四年后的事情其实很难预估,所以与其我去追求几年后的一个不确定的未来,不如多花一年的时间去换一个相对确定的结果。」

这个决定在今天的刘知远看来当然「无比正确」,但不可否认的是,这段经历也深刻地影响了他的求学之路。由于那一届的清华生物系和电子工程都录满了,刘知远阴差阳错地来到了计算机科学与技术系就读,并在四年后师从孙茂松教授攻读博士。刘知远曾在知乎上的一个回答中如是说:「我本科属于『三无』人员,没有像样的科研经历和论文,没有程序设计竞赛经验,成绩也不突出,在年级和班级都排名1/3 左右,所以特别感谢孙茂松老师在 2005 年推研中接收了我。」

但刘知远的博士之路也经历了不少纠结。2006 年复杂网络理论非常火热,因此在直博的最初两年里,他开展了词汇同现网络、词汇依存网络的分析研究。

和大多数求学者一样,刘知远一开始的研究方向也是瞄准了最热门的意如今360手机的外观设计与配领域来做,但困扰很快便出现了:这些分析结论对 NLP 有什么用?这成了当时刘知远最为苦恼的问题。他征询了不少老师同学的意见,甚至翻遍了各种资料文献,试图为语言复杂网络的应用找寻成功应用的蛛丝马迹,为这一研究方向提供例证。但现实并没有令他满意。

诚然,也有学者尝试利用复杂网络做关键词抽取的任务,但刘知远认为,从理论到应用还存在着一定的鸿沟。「你做了一个汉语的复杂网络,发现了其中的一些规律和统一特征,但有什么用呢?这个其实我自己也解答不了,我也不希望在博士毕业的时候还是解答不了,所以最终决定调整研究重点。」于是,刘知远仍然沿着语言网络的思路,开始利用更有效的 PageRank 等图算法来开展关键词抽取等研究工作。

在两年的反复纠结后,刘知远最终在 2008 年将博士论文的研究方向转移到自然语言处理应用任务上来,先是做了词汇层面的语义分析工作,在 WWW 2008 发表了 poster 工作,再扩展成一篇 PAKDD。之后,刘知远开始做关键词抽取与标签推荐研究,直到 2009 年才发了第一篇 ENMLP (自然语言处理的三大会议之一)论文,随后,以每年一篇 EMNLP 论文结束了博士生涯。

在 CCF 2015 年公示的人工智能领域学术会议列表中,ACL 属于 A 类会议,而 EMNLP 则是 B 类会议。「在那个时候,因为你的见识等各种因素的限制,你掌握不了投递论文的技巧,(所以没能在 ACL 上发论文,)但是并不意味着说你的实力到不了那个水平。」回看这段经历的刘知远告诉雷锋网 AI 科技评论,「至少那四五年博士期间,其实还是挺努力的,一直在努力地想怎么能够做更好的研究」。刘知远发在 EMNLP 的这三篇论文,在 Google Scholar 上的引用次数统计也达到了近 400 次,因而,他对自己的博士生涯还是比较满意的。

虽然刘知远一开始回忆这段经历时,告诉雷锋网 AI 科技评论,自己「印象已经不太深了」,但实际上,却是他在整个访谈过程中聊得最多的一段内容。而近年来,越来越多的中国高校在国际顶级学术会议上崭露头角。以刘知远所在的团队为例,仅今年的 ACL 上,孙茂松教授领导的清华自然语言处理组就有7篇论文被录用。

刘知远表示,在他求学时期,ACL、EMNLP 这类会议的录用结果一出来,至少他们也会第一时间去看看研究的新趋势;而近几年,基于交流条件的提升,信息沟通的壁垒已经慢慢消失,一篇国外的热门论文刚出来,马上就会有中文版本流传;此外,通过参与国际学术会议交流学习,或是邀请海外学者来华访问演讲,中西方的信息传递也变得越来越快,中国高校的眼界和见识也随之水涨船高,也间接促进了学术论文的投递数和录用率。

但刘知远也指出,来自国内的论文虽然绝对数目在增加,但从相对比例上讲,与国外还是存在一定的差距。「我觉得这本身也和国内研究 NLP 的群体比较少有关,也是未来需要不断往前走的一个过程。」而这就需要高校持续地培养相应的研究人才。

「做高水平研究,其实是培养人的一个途径,你想培养高水平的人才,那你就一定是通过做高水平研究来完成。你不可能说,你做低水平研究,你能培养高水平的人才,对吧?所以我觉得两者是相辅相成的。高校最重要的还是培养人,它本身承担着要持续为社会培养高水平人才的任务。」

「好为人师」的刘知远

对于刘知远来说,从事教师职业几乎是一件不需要犹豫和怀疑的事情。身为老师的爷爷从小带给刘知远耳濡目染的影响,而刘知远小时候最喜欢的就是当小老师给弟弟妹妹上课,也觉得当老师是一件「挺好的事」。

在刘知远看来,留在学校的人多多少少都有些情怀在其中,毕竟工业界所给的待遇也不差,而且随着近年来的人工智能热,拥有深厚学术沉淀的博士生也同样是炙手可热的香饽饽。「当老师这件事,但凡你稍微有点不确定,你可能也就做不了老师了。」

在学校,同学们都亲切地叫他「刘导」,实际上并不是「导师」、「博导」的意思,而是「辅导员」。从本科的时候,刘知远就开始参与学院的行政事务,研究生阶段当起了辅导员,留校后,这个工作还一直伴随着他,便有了这个简称。

在雷锋网 AI 科技评论笔者看来,辅导员的工作非常繁琐,实际上是一个吃力不讨好的活儿。刘知远是这样回应的,「我觉得,如果你做的事是有意义的,其实(当辅导员这件事)还挺好。本来你在高校的目的就是为了培养人,如果能做一些对同学有益的事情,这也就是你在学校的意义。」

「这也是我『好为人师』的一种体现吧,」刘知远在整个采访中提了两次这个词。还有一次,是他用来形容自己玩知乎的动机时提及的。

刘知远玩知乎已经快四年了,不少人认识刘知远也同样是因为知乎。截至目前,刘知远拥有超过 25000 名关注者,收获了 22206 次赞同,包括 3666 次感谢和 11109 次收藏,并被知乎认证为「自然语言处理、深度学习、机器学习的优秀回答者」,俨然成为了知乎上的一名「网红」。

其实,刘知远一开始在知乎上只是看看别人有信息量的回答,了解一些自己不知道的东西。「其实你这一生都不见得会去经历别的领域的一些事情,那么别人把自己的经历告诉你了,我觉得挺有意思的。那么假如你知道一些事情,把它分享给别人,而且对方也得到了帮助,我觉得挺有意思的。这也算是『好为人师』的一种吧。」

近两年来,刘知远开始比较频繁地在知乎上回答问题。在共计 389 个回答中,刘知远的回答主要是围绕 NLP 等学术问题的探讨,也有对清华、计算机学科的一些评价。虽然偶尔也爱抖抖机灵,但刘知远自认是一个「三观比较正」的人,或许也是因为如此,他的回答也得到了不少认可,关注者也越来越多。

刘知远也笑称,大家钦羡的「高产」其实是一种误解,只不过是因为他把玩知乎当作了自己的一种爱好,而其它人花在娱乐休闲上的时间,于他而言就是花在知乎上回答问题了。

在刘知远的不少回答中,时常能看到他引经据典、旁征博引,这一点从他的办公桌一角得到了证明。除了字典、教科书等工具书外,各种散文、小说也是常客。2016 年,在一个题为「有哪些值得购买其大部分作品的作家?」的知乎问题中,刘知远是这样回答的:「鲁迅,所有的小说,散文,杂文,史论,书信,都很值得看。」而他叠在书丛最顶端的,正是《鲁迅全集》的第一部,书签夹在全书中间的位置。

在以前,刘知远会「刻意地」阅读经典书目,甚至还会尝试阅读一些比较学究的历史古籍。但现在,他将看书当作是一种「享受的过程」,不再刻意把阅读当作目标。「这样不那么费脑,比较舒服。」刘知远告诉雷锋网 AI 科技评论,他对自己目前的生活感到「挺充实、挺满意的」。说完,他拿起星巴克马克杯喝了一口水。因为经常喝咖啡,杯沿的咖啡渍看起来有一些历史了。

刘知远今天穿得比较正式,因为在采访结束后,他还需要去做嘉宾的接待工作。但在熟悉的 FIT 楼实验室里,脚上的一双深蓝色拖鞋「出卖」了他。提起这个,他不好意思地笑笑,「我们到实验室基本就这样,便装还是比较轻松舒服。」

处于一种努力、充实而不失舒适的状态——这也许才是一个更真实的刘知远吧。

头图 via www. phdcomics.com返回搜狐,查看更多

责任编辑:

如果您觉得文章对你有帮助,可以进行打赏。
打赏多少,您高兴就行,谢谢您对【ag8001.com肯定有排名】的支持! ~(@^_^@)~

把此文章分享给其它人..

更多