新加坡南洋理工大学电子电气工程学院(终身)教授,新加坡总统科学奖被提名人(2016)、国际三大出版集团之一荷兰爱思唯尔(Elsevier)的数据管理顾问委员会顾问、中国工业和信息化部中国大数据产业生态联盟主任专家委员。
被汤森路透(Thomson Reuters)评为“Highly Cited Researcher(高被引学者)”(工程部,计算机科学部)以及 “The World's Most Influential Scientific Minds(世界最有影响力的科学精英)”。
2006年发表的两篇有关超限学习机(Extreme Learning Machines (ELM))的文章在2017年同时被Google Scholar选为“经过时间验证的经典文章”- Top 10人工智能文章(分别为Top 2和Top 7)。
主持的主要项目有:
德国宝马集团和南洋理工大学未来汽车联合研究实验室人机交互,脑机交互以及汽车辅助驾驶项目,英国劳斯莱斯和南洋理工大学联合研究实验室导航决策辅助系统项目,新加坡科技工程和南洋理工大学先进机器人联合研究实验室场景识别和机器学习项目,台湾台达电子股份有限公司和南洋理工大学物联网联合研究实验室数据分析和视频项目。还担任过新加坡樟宜机场新加坡航空公司地面服务公司第五货运大厦的信息跟踪控制系统升级改造的总设计师和技术负责人。
Pervasive Intelligence and Pervasive Learning: The Engine of Intelligent Revolution and Intelligent Economy
本报告从技术和历史角度指出虽然人工智能和机器学习取得了很多成就,但总体还处于智能革命的前夜。智能革命将比农业革命和工业革命对人类的影响更深远,新的智能经济模式也将产生。2-5年后可能新的一波人工智能和机器学习技术将兴起,突出表现为:
1)机器学习从云端走向各类本地智能终端/传感器/设备,云端机器学习(比如深度学习等方法)和本地机器自主学习(比如超限学习机,Extreme Learning Machines (ELM) 等方法)有机融合;
2)机器学习算法本身不再依赖于GPU的支撑,但GPU等却可以实现众多智能系统在云端的同步协同;
3)机器学习和生物学习有逐步汇合的趋势;
4)基于神经形态、FPGA和光技术的芯片开始在普适学习/普适智能中显现魅力;
5)冯·诺依曼计算机体系结构不再是智能实现的必然;
6)数据虽然不可缺少,但智能不必依赖于大数据,数据大也会造成机器学习过拟合。普适学习和普适智能是智能革命和智能经济的引擎。本报告也将分析人工智能的10大应用前景和智能革命的10大影响。