机器之心报道
编辑：魔王
Zoubin Ghahramani 曾在一次演讲中表示：在深度学习革命之后，下一个前进的方向会是概率机器学习。
近日，英国皇家学会颁发 2021 年米尔纳奖（Royal Society Milner Award and Lecture），剑桥大学信息工程学教授 Zoubin Ghahramani 因其对概率机器学习的基础贡献获得此奖项。
该奖项以计算机科学家罗宾 · 米尔纳（Robin Milner）的名字命名，由微软研究院支持，旨在奖励欧洲地区对计算机科学做出卓越贡献的个人，以支持欧洲研究者和研究机构的发展。
获奖后，Zoubin Ghahramani 在社交媒体上表达了自己的心情和对合作者的感谢：
Zoubin Ghahramani 其人
个人主页：http://mlg.eng.cam.ac.uk/zoubin/
Zoubin Ghahramani 是机器学习领域中的领军学者，尤其对概率机器学习和贝叶斯非参数方法，以及用于可扩展学习的近似变分推断算法的发展做出了基础性贡献。他还是半监督学习方法、主动学习算法和稀疏高斯过程的提倡者之一。他提出的新型无穷维非参数模型（如无穷潜在特征模型）对机器学习领域产生了极大影响。
他是剑桥大学信息工程学教授、伦敦 Gatsby 计算神经科学中心的创始人员、阿兰 · 图灵研究所剑桥主任、Uber 首席科学家。2015 年，Zoubin Ghahramani 当选为英国皇家学会会士。
根据其谷歌学术主页，Zoubin Ghahramani 目前已发表 589 篇论文，引用次数接近 6 万。他曾担任机器学习领域顶级国际会议 NIPS、ICML 及 AISTATS 的大会主席，也指导过许多公司（从创业公司到微软研究院）。2013 年，因其在打造自动统计员方面的研究工作，获得了 75 万美元的谷歌奖（Google Award）。
就其教育经历而言，Zoubin Ghahramani 在 MIT 脑与认知科学系获得博士学位，导师为机器学习之父 Michael I. Jordan 和计算神经科学领域巨匠 Tomaso Poggio 教授。之后，他前往加拿大多伦多大学做博士后工作，与 Geoffrey Hinton 展开合作。
概率机器学习：深度学习革命之后的 AI 道路
Zoubin Ghahramani 因其对概率机器学习的基础性贡献获得 2021 年米尔纳奖。
概率理论为理解学习、建立合理的智能系统提供了数学框架。
目前深度学习非常流行，但它存在一些缺陷，如需要大量数据和计算资源、易受对抗样本的影响、可解释性问题等。在 2018 年的一次演讲中，Zoubin Ghahramani 表示，在深度学习革命之后，下一个前进的方向会是概率机器学习。
2015 年，Zoubin Ghahramani 在 Nature 杂志上发表论文，介绍了概率机器学习的定义和主要进展。
机器如何从经验中学习？概率建模为理解什么是学习提供了框架，并因而成为设计基于经验数据进行学习的机器的主要理论和实践方法。
概率机器学习框架的核心思路是，将学习看作「推断出能够解释观测数据的可信模型」。机器可以使用此类模型对未来数据进行预测，并基于这些预测做出合理决策。
概率框架描述了如何表示和操纵模型和预测的不确定性，在科学数据分析、机器学习、机器人学、认知科学和人工智能领域中发挥重要作用。概率规划、贝叶斯优化、数据压缩和自动化模型发现等都是概率机器学习领域的重要进展。
Zoubin Ghahramani 被认为是概率模型和机器学习领域的知名学者，获得 2021 年米尔纳奖也是对他研究贡献的极大认可。
https://royalsociety.org/grants-schemes-awards/awards/milner-award/
https://royalsociety.org/people/zoubin-ghahramani-11487/
https://www.repository.cam.ac.uk/bitstre