在2016年世界经济论坛（WEF）达沃斯年会上，全球菁英聚焦在一项“下一件大事”的议题：“第四次工业革命”即将到来！推动第四次工业革命的主要动力就是人工智能（AI）。此后至今，AI两个大字铺天盖地而来，不论是在科研圈还是行业里都成了一门显学，大众也实际体验到AI带来的不可思议。
随着世界各国、行业巨擘、初创公司积极拥抱AI，掀起了资料科学家、机器学习专家等人才的流动潮，尤其是不少重量级人物的异动，透露出大企业正在进行激烈的抢人大作战，去年，有“苹果Swift语言之父”美誉的ChrisLattner，离开苹果加入特斯拉协助开发自动驾驶软体，待了半年随即加入GoogleBrain团队。
今年2月底，亚马逊AlexaAI负责人AshwinRam跳槽谷歌，成为谷歌云部门AI技术总监。4月，曾任Google人工智慧暨搜寻部门负责人的JohnGiannandrea宣布离职投入苹果麾下，担任苹果机器学习及AI战略总监。8月，前特斯拉首席工程师、负责Model3生产的DougField，重回苹果怀抱，参与研发自驾车ProjectTitan计划，外电甚至爆出，2017年至今特斯拉已有多达46位特斯拉员工跳槽到苹果，让特斯拉创办人马斯克感到痛苦。
在国内高阶人才跳槽的情况也不惶多让，前亚马逊资深主任科学家任小枫在去年跳槽阿里巴巴，担任人工智慧核心团队iDST首席科学家和副院长，另外张潼从百度转战腾讯担任AILab主任，以及百度不少AI相关技术的高管或专家离职选择自行创业。近期，则有一则AI大明星的异动同样受到关注，那就是新任NVIDIA机器学习研究总监的AnimaAnandkumar。
最闪亮的AI明星
过去AnimaAnandkumar在市值一度突破万亿美元的亚马逊担任AWS深度学习主任科学家，是什么原因让她从以软件、网络服务为主的公司，转而加入硬件公司英伟达？
“我的任务是带领英伟达的研究范围进一步扩大及成长，同时与大学建立伙伴关系，”AnimaAnandkumar接受DT君专访透露她新工作的内容及方向。
过去产业对AI投入的关注较少，因此近年AI再度兴起后，许多公司都是从科研领域寻找高手，在亚马逊成为AnimaAnandkumar第一个进到行业里的工作之前，她是加利福尼亚大学尔湾分校（UCIrvine）电机工程与资讯科学系（EECSDepartment）的助理教授，研究兴趣包括大规模机器学习、非凸优化（non-convexoptimization）和高维统计。
2010年左右是大数据革命的开始，大家试图找出能够大规模处理数据的算法，做出有用的推论，她开始研究潜在变数（latentvariables），“当资讯不够多的时候，我们就无法发现一些被隐藏的因素，但是如果只是受限于运算能力的话，其实是可以被辨识出来的”。而张量（tensor）研究领域就成了一个解法，“如果考虑一对变量之间的关系，这是成对的相关性，但是如果想考虑3倍或更高倍数之间的关系，这就需要张量，”她说。
图|AnimashreeAnandkumar
“我的目标是让世界上每个人都可以使用机器学习，不必是机器学习、应用领域或编程方面的专家，缩小从制定理论到技术落地的鸿沟”。因此，让技术易用、而且可以实际落地就成了她的使命，她在AWS期间一直领导张量算法的开发和分析，加速那些执行在AWS上的应用、服务的效率，并且开发多模态处理算法，可以同时处理文本、图像和其他大规模模态，为ApacheMXNet提高了可编程性和易用性。
她心中的英伟达是做什么的公司？
众所皆知，亚马逊无疑是AI技术最领先的公司之一，英伟达更是因AI而咸鱼翻生，世界上众多的AI模型背后都是仰赖GPU强劲的算力来运作，因此被喻为是“提供AI军火的弹药商”，论技术实力同样是位在AI领先群里，只不过软硬件公司的企业文化向来很不同，两家公司的商业模式也差异颇大。
“为什么会在这个时刻加入英伟达？对你来说，英伟达是一家什么样的公司？”DT君提问。
“NVIDIA是一家非常具有创新精神的公司。如果你看它的轨迹，从一个以图形加速器为根基的公司，掀起了高性能计算的革命，再到现在的人工智能，于深度学习起了关键作用，这真是太神奇了！唯有当一家公司具备创新的DNA，才有可能实现这一点，”她自信的说。
她也指出，英伟达不仅仅是一家硬件公司，“CUDA函式库（library）的开发一直是扩展深度学习的关键。CUDAprimitives也与我的张量研究有关。”几年前，AnimaAnandkumar与英伟达研究人员CrisCecka一起为张量缩并（tensorcontraction）的操作构建了扩展的BLAS内核。加入新東家之後，她期许为CUDA中的张量代数（tensoralgebraic）运算提供更多支持，藉此能夠创造更高效的张量神经网络架构。
到英伟达之后要做什么？
由于英伟达目前的重心除了AI之外，就是自动驾驶，因此让人好奇她是否会参与自动驾驶方案开发，张量研究也能应用在自动驾驶领域吗？面对DT君的提问，她回答：张量可以广泛适用，因此许多机器学习框架都以张量来命名，像是谷歌的TensorFlow、英伟达的TensorCores等。简单来说，张量是多维阵列，但从数学上讲，它们远不止于此，相较于矩阵，张量可以用更丰富的方式操作，例如矩阵运算只能在两个方向上：左乘或右乘，但是你可以用无数的方式缩并张量。
图丨NVIDIADRIVEConstellation（来源：NVIDIA）
她进一步指出，我们现今运行的神经网络类别只要它只涉及矩阵运算，丰富的张量运算就可以扩展到其中。“我的研究表明在计算机视觉和时间序列预测等各种领域，张量化的神经网络更加结实、紧凑，并且可以更通用。我期待在NVIDIA进一步开展有关张量和其他主题的研究。”
从张量算法到机器人，她都很拿手
现在的她，除了NVIDIA机器学习研究总监，还有另一个身份—加州理工学院（Caltech）计算和数学科学系的资助讲座教授（endowedchairprofessorship），并深度参与Caltech旗下自动化系统与科技中心（CAST）和AI4science计划项目。
她正在参与CAST的一个研发项目也十分有趣，就是机器人，CAST希望打造五大类别AI机器人，分别是探险者、守护者、变形者、运输者以及伙伴型机器人。她用一句知名的拉丁文谚语来比喻—Menssanaincorporesano，中文的意思是“有健全的身体才有健全的精神”，CAST将AI机器人分为活动的躯体、感知与思考的心智两部分，而她则是要教导机器人思考。
她进一步指出，假设你想要一个机器人能自主行走，现在的做法是必须靠手动输入参数，比如在每一种地形上机器人应该要怎么行走的参数，这个部分就是我们需要强化学习的地方，也是我正在研究的领域，因为机器人在行走时会不断记录数据，处理大规模数据正是她的强项。基于此，机器人就可以非常快速地适应环境，不只是为了避免跌倒，而且还要制定一个良好的导航策略，“这是我的立即性目标之一：教导机器人随着环境的变化即时学习，并相应地改变它们的策略。”
其实，机器人可说是AnimaAnandkumar一直很感兴趣的领域，少女时期有一个往事，当她在就读印度理工学院马德拉斯分校（IITMadras）电机工程系时，就跟同学一起向老师请愿，希望成立机器人社团，她认为大学社团不仅应该帮助学生放松身心，还能让他们获得更多动手做的技术知识。
她活泼好动、追求自我突破的性格自小延续至今，从三岁就开始学印度传统舞Bharatnatyam的她，曾经想当一个舞者，“舞蹈和数学给我一样的感觉，都是许多细节及韵律的整合，舞蹈透过编排组合达到优雅及美丽，就跟数学一样，我们利用基础原理开发出新的算法，我在里头看到了优雅，”她说。
图丨AnimaAnandkumar从小学舞
而且喜爱冒险活动，她曾在南美洲的巴塔哥尼亚（Patagonia）的大草原上骑马，在智利的百内国家公园（TorresdelPaine）登山，甚至还在冰川湖泊中游泳，从嗜好到工作，从张量算法，让机器学习模型可以更快、更有效率、更准确地运作，到投入机器人领域，教导机器人学习思考，她始终与艰深的理论为伍，总是喜欢选择“难行门”来挑战自我。AnimaAnandkumar说：我始终对一件事很感兴趣：我想知道我们如何更快、更准确地训练机器学习模型，有些理论家抱持比较悲观态度，因为总是会出现失败的情况，难度很高，“但这就是我爱修炼者的原因，他们采用最基本的算法，运行它，通过足够的调整就可以获得实际的效益。”
除了要在机器人领域挑战“难行门”以外，她在英伟达还有另一个使命。她对DT君说道“缩小产业界和学术界之间的差距非常重要，我们越早采用理论并实际部署它，创新的速度就会越快，影响就越大”，因此，她在英伟达的另一个使命就是持续凭藉与科研领域强大的互动及人脉，替英伟达与学术圈建立强大的合作伙伴关系，通过互补及协作，实现机器学习的创新。“继续在学术界和工业界之间、理论与实践之间架起桥梁”。让学术界的最新理论能够在工业界得到实践，加快AI发展。
10月27日，由《麻省理工科技评论》、DeepTech深科技联合主办，梅赛德斯-奔驰特别呈现的“全球科技青年论坛——Meet35” 将在北京嘉里大酒店举行。会上设置了“科技大跨界”版块，届时，AnimaAnandkumar将会受邀出席。她是如何积极倡议科技圈两性平等、推动STEM教育？又准备为英伟达带来哪些改变？在此次盛会现场，AnimaAnandkumar将会为我们一一解答。
