专访朱晓蕊如何用Web3技术打造去中心化科学期刊

2023年，当朱晓蕊教授迎来她47岁生日时，她的履历上又增添了一个崭新的身份——全球首本聚焦人工智能、机器人及基础科学交叉研究的国际学术期刊《人工智能与机器人研究国际期刊》（IJAIRR）的创刊主编。

这位1977年出生的学者，人生轨迹交织着学术、产业与投资的多元光谱。她于哈尔滨工业大学获得学士与硕士学位，后赴美国犹他大学取得博士学位。自2007年在哈尔滨工业大学（深圳）任教以来，她不仅以项目负责人身份主持了多项国家级科研项目，总经费超千万，更因其在机器人领域的贡献，被IEEE评价为“杰出女性”。

而在学术界之外，她的身影同样活跃于中国硬科技产业化的前沿：她是“全球无人机霸主”大疆的前首席科学家，是“港股激光雷达第一股”速腾聚创的首席科学家，也是机器人公司大道智创的联合创始人及投资人。她与科技媒体本站创始人林军共同发起的全球人工智能与机器人大会（GAIR），已成为连接学术界、产业界与投资界的重要桥梁。

如今，创办IJAIRR期刊，是她将这种“跨界融合”理念从会议论坛延伸至学术出版的一次关键实践。近日，该刊首期五篇论文正式上线。借此机会，我们与朱晓蕊教授进行了一次深度对话，探寻其创刊心路，并了解这本独特期刊的定位与愿景。

新加坡GAIR研究院院长朱晓蕊博士

创刊心路：搭建一个全球性的交叉学科平台

Q：作为一名拥有产学研投多重背景，并参与组织过多届大型科技峰会的科学家，为何选择在此时创办一本学术期刊？

朱晓蕊教授透露，创办一本聚焦“人工智能+机器人+基础科学”交叉学科的国际期刊的想法，早在2021年就已萌生，并于2022年下半年启动筹备。她首先联系了新加坡世界科技出版集团（World Scientific）的董事会主席潘国驹教授，并获得了对方的认可与支持。随后，她开始物色联合主编人选，目标是寻找长期深耕于相关跨学科领域的学者。

美国南佛罗里达大学的孙宇教授是理想人选之一。他在机器人抓取研究领域成就斐然，且与GAIR大会渊源颇深。同时，为了确保研究方向的多样性，朱晓蕊教授通过友人引荐，邀请了在人工智能与医学交叉领域造诣深厚的许东教授加入。两位教授不仅爽快应允，更凭借其担任多家顶级期刊编辑的丰富经验，为期刊的顺利运作提供了重要保障。

人工智能与机器人研究国际期刊（IJAIRR）成立仪式，左起：李志伟、孙宇、朱晓蕊、许东

Q：IJAIRR这本期刊的定位和面向对象是什么？

“虽然期刊在新加坡创立，合作方与主编团队也多有华人背景，但我们的目标绝非仅限于华人学术界。”朱晓蕊教授强调。IJAIRR的定位是一个由华人科学家牵头组织，但面向全球研究者的开放平台，旨在吸引世界各地从事人工智能、机器人及基础科学交叉研究的学者。

为此，编委会成员的构成特别注重地域与国家多样性，以反映全球科学研究的全景。选择新加坡作为创刊地，正是看中其作为连接亚洲、欧洲和北美的重要枢纽地位，有助于放大期刊的国际影响力。未来，期刊将与GAIR大会形成联动：优秀的论文作者将被邀请至大会进行演讲，从而构建“期刊发表-会议交流”的良性循环。

Q：从本站到GAIR大会，再到如今的GAIR研究院和IJAIRR期刊，这背后的发展逻辑是怎样的？

回顾这一历程，朱晓蕊教授认为其核心逻辑在于不断打破边界、促进融合。“过去，学术界、工业界、投资界之间存在着清晰的壁垒。”她分析道，“学术界追求同行认可，工业界聚焦产品研发，政府关注产业规划。这种隔阂导致彼此间缺乏有效的碰撞与交流。”

2016年GAIR大会的创办，正是为了搭建一个让这三方乃至政府能够直接对话的平台。而2023年GAIR研究院的成立与IJAIRR期刊的创刊，则是为了将会议中迸发的思想火花与讨论成果进一步沉淀下来。“会议结束后，很多有价值的讨论难以留存和延续。”朱晓蕊教授解释，“我们希望通过在线社区和高质量期刊，将这些内容系统化地整理、保存并传播出去，服务于更广泛的学界同仁。”

Q：为何是您来承担这份“桥梁”的工作？这与您个人的经历有关吗？

朱晓蕊教授将这份“桥梁”角色的起源，追溯至2007年她在哈工大深圳研究生院开始的教职生涯。那正是深圳从低端制造业向高端产业转型的关键时期。面对实验室研究方向有限、而深圳本土具备研发能力的企业又较少的现状，她开始鼓励学生在完成学业的基础上进行创业，将前沿课题转化为创业项目。

“这源于一个很现实的考虑，”她说，“尤其在偏工程的学科，一项研究成果的生命周期可能只有三到五年。如果在此期间无法转化为应用，很可能就过时了。”这种“导师引领方向、学生承接转化”的模式，不仅让学生在实践中完成学业、为产业升级贡献力量，也让她深度嵌入了产业创新的链条，亲身实践并梳理出了一套学术研究与产业实践结合的方法。

期刊特色：聚焦交叉学科，拥抱“去中心化科学”

Q：为何选择聚焦AI、机器人和基础科学这三者的交叉研究？

这一选择深深植根于朱晓蕊教授自身的学术脉络。她本科就读于哈工大最早成立的交叉学科系之一——机电一体化系，并在隶属于该系的哈工大机器人研究所攻读硕士，从此与机器人结缘。赴美攻读博士期间，她敏锐地意识到，机器人不仅需要强大的“身体”（机械结构），更需要智能的“大脑”（人工智能），因此她的研究方向逐渐聚焦于机器人与AI的交叉领域。

“这本期刊关注两个重点，”她阐述道，“一是机器人学与人工智能的紧密结合，这是我长期深耕的方向；二是AI或机器人与基础科学的交叉，这是我个人非常感兴趣但精力所限未能深入、却无疑是引领未来的方向。”她深信，人工智能与机器人技术将成为未来社会的基础设施。一方面，基础科学将在AI与机器人的赋能下取得范式突破；另一方面，AI与机器人的发展也将受益于与数学、物理、生物学等基础学科的深度碰撞。“这种相互成就，正是跨学科研究的魅力所在。”

Q：首期上线的五篇论文有何特点？评审过程如何？

首期论文作为期刊的“开篇之作”，旨在为后续投稿树立标杆。最终入选的五篇论文来自美国、新加坡和中国，充分体现了期刊的国际性，并涵盖了AI与生物学、语言学、数学及机器人学的多元交叉研究。

例如，纽约大学Bud Mishra教授的论文从生物学概念中汲取灵感，探讨了“生物学启发的AI”，以信息不对称博弈论为工具，前瞻性地分析了未来人机共生的可能性。而新加坡高性能计算研究所Ling Feng教授团队的工作，则试图利用数学方法解决AI的“黑箱”问题，提升其决策过程的可解释性。

在评审方面，IJAIRR依托于一个由全球顶尖学者组成的编委会。目前，编委会已拥有包括Bud Mishra教授在内的5位荣誉顾问及15位来自世界各地的编辑。他们将根据论文的研究领域，邀请合适的同行专家进行评审，以确保过程的公正与严谨。

Q：您提到期刊将采用“去中心化科学”理念并利用Web3技术，这具体意味着什么？

“这主要是为了应对学术界长期存在的‘中心化’问题，打破学术思想流动的桎梏。”朱晓蕊教授解释道。传统的学术交流往往局限于论文发表后的有限互动，许多研究成果就此“沉睡”。

IJAIRR希望借助Web3技术去中心化、可追溯、可激励的特性，构建一个活跃的在线学术社区（平台为gairdao.com，预计2024年3月开放测试）。在这个社区里，学者们不仅可以分享论文，还能公开数据库、实验视频、算法源代码等“科学生产资料”。

“就像社交媒体一样，学者可以分享进展，获得同行的反馈与点赞。”她描述道，“更重要的是，对于公开分享研究并参与社区建设的行为，平台会通过Web3的经济模型设计相应的激励，形成一个‘贡献-认可-回报’的良性循环。”这旨在让学术交流更开放、透明，并显著提升研究的可复现性与影响力。

未来展望：促进产学研深度融合

朱晓蕊教授介绍，IJAIRR计划以季刊形式发行，每年3、6、9、12月出版。除了吸引学术界的研究者，期刊也特别欢迎来自企业研究院的学者投稿。“在AIR这个快速发展的领域，许多企业都在进行前沿研究以保持竞争力。我们希望这个平台能成为学术界与产业界深度对话与合作的催化剂。”

“总而言之，”她总结道，“《人工智能与机器人研究国际期刊》是AIR领域第一本专注于人工智能、机器人技术和基础科学相结合的跨学科期刊。我们真诚地希望它能启发思考，并欢迎更多前沿科研人员加入我们，共同推动这一领域的发展。”

首期论文概览

论文一
题目：《Multi-Modal Multi-Channel American Sign Language Recognition》
作者：Elahe Vahdani, Longlong Jing, Matt Huenerfauth, Yingli Tian（田英利）
摘要：本文提出了一种基于机器学习的多流框架，用于从RGB-D视频中实时识别美国手语（ASL）的手动手势和非手动手势（面部和头部运动）。该方法基于3D卷积神经网络（3DCNN），通过融合来自多个通道（RGB、深度、运动和骨骼关节）的多模态特征，包括手势、面部表情和身体姿势。为了学习视频中的整体时间动态，通过为每个视频选择帧的子集来生成袋里视频，然后用于训练所提出的3DCNN模型。研究收集了一个新的ASL数据集ASL-100-RGBD，包含由微软Kinect V2相机捕获的42个RGB-D视频。每个视频包含100个ASL手动手势，以及RGB通道、深度图、骨骼关节、面部特征和HD面部数据。该数据集为每个语义区域（即手语者执行每个手势的时间段）进行了完整标注。在新收集的ASL-100-RGBD数据集中，所提方法识别100个ASL手势的准确率达到92.88%。该框架在识别RGB-D视频手势方面的有效性在大规模数据集Chalearn IsoGD上得到了进一步验证，达到了最先进的成果。
关键词：美国手语识别；手势识别；RGB-D视频分析；多模态；3D卷积神经网络；袋里视频

论文二
题目：《Generative AI for Complex Scenarios: Language Models are Sequence Processors》
作者：周伯文、丁宁
摘要：以GPT-4为代表的大型语言模型（LLMs）已经超越了语言处理的传统界限，在理解和生成精妙文本方面表现出了非凡的能力。关键在于，这些模型正在引领人工智能应用范式的转变——从解决狭义定义的问题转向驾驭复杂的现实场景。这种转变基于一个简单而根本的原则：LLMs可以处理任何能够被序列化和标记化的数据，使它们能够进行多方面的推理并利用多样化的工具。这种能力使LLMs能够在更广泛、更复杂的语境中有效运作，标志着AI实际应用性和潜力的一次飞跃。
关键词：大型语言模型；生成式人工智能；复杂场景

论文三
题目：《Asymptotic edge of chaos as guiding principle for neural network training》
作者：Lin Zhang, Ling Feng, Kan Chen, Choy Heng Lai
摘要：最近研究表明，最先进的神经网络在接近“混沌边缘”时运行最优，因其拥有最大数量的渐近亚稳态，从而泛化能力最强。然而，如何利用这一原理来改进模型训练过程仍然是一个开放性问题。本文将训练期间的模型演化映射到经典Sherrington–Kirkpatrick自旋玻璃模型的相图中，并在一个简单的神经网络模型上阐明，人们可以在无需手动调整训练超参数的情况下，对网络进行有原则的训练。具体而言，我们提供了一种半分析方法来设置最佳权重衰减强度，使得模型在训练期间会向混沌边缘收敛。因此，这种超参数设置能使模型达到最高的测试准确率。将模型限制在混沌边缘的另一个好处是，其对标签噪声这一常见实际问题具有鲁棒性。我们发现，模型能自动避免拟合训练样本中的混洗标签，同时保持良好的对正确标签的拟合，这为在无需额外处理的情况下在噪声标签上获得良好性能提供了简单途径。
关键词：复杂性科学；深度学习理论；动力系统；临界相变；自旋玻璃；有序与混沌

论文四
题目：《Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability》
作者：Md Sadman Sakib, Yu Sun（孙宇）
摘要：大型语言模型（LLMs）固有的概率性引入了不可预测性，引发了人们对其输出可能存在差异的担忧。本文介绍了一种创新方法，旨在为多样化的现实世界需求和场景生成正确且最优的机器人任务计划。LLMs已被用于生成任务计划，但它们不可靠，可能包含错误、可疑或高成本的步骤。所提出的方法使用LLM生成多个任务计划树，并通过移除可疑路径将它们合并成一个图。然后，可以检索出一个最优的任务树，以规避可疑和高成本的节点，从而提高规划的准确性和执行效率。该方法通过融入一个大型知识网络得到进一步改进。进一步利用GPT-4，将高层任务计划转换为机器人可执行的底层规划领域定义语言（PDDL）计划。评估结果凸显了我们的方法相较于该领域先前方法在准确性和效率上的优越性。
关键词：机器人学；大型语言模型；GPT-4；任务规划；PDDL

论文五
题目：《AI, Thinking Machines and A Vast Active Living Intelligent System》
作者：Bud Mishra
摘要：生物学启发的AI：对人工智能、思维机器以及一个广阔活跃生命智能系统的信息不对称博弈论进行了描述性讨论，并对个体人类与机器人可能产生的共生关系进行了规范性分析，最终形成一种多层次的多细胞化结构。