某中心科学家在专业AI暑期学校授课

詹姆斯·亨斯曼（James Hensman），某中心首席科学家，参与了一项旨在为联合国可持续发展目标扩展机器学习人才的计划。

利用人工智能解决重大问题

牛津机器学习暑期学校（OxML）是由"AI for Global Goals"组织的为期两周的虚拟活动。今年活动于8月9日至20日举行，参与者将向30多位讲师学习机器学习技术，其中包括某中心首席科学家詹姆斯·亨斯曼。

亨斯曼曾在英国兰卡斯特大学教授机器学习和统计学，现在某中心供应链优化技术（SCOT）组织工作，专注于通过算法和仿真改进库存管理和容量控制。在OxML活动中，他将向来自世界各地的学生进行半天的教程讲授。

亨斯曼的讲座将专注于高斯过程——一种可用于量化预测置信度的机器学习方法。他描述高斯过程是一种处理函数的方法，其中包含输入（如图像）和输出（描述图像的标签）。

“与仅仅调整单个函数不同，使用高斯过程时，我们拥有一个可以合理解释数据的函数空间，“他说。“当我们尝试标记新图像或预测新仿真中的情况时，可以说出我们的置信度水平。”

在全球可持续发展目标方面，特别是与今年OxML关注的健康相关目标，亨斯曼指出了这种预测方法可能有用的几个场景：重症监护室可用其预测患者指标如血氧率；医生可用其评估使用特定药物的潜在结果；X光技师可用其为图像相关诊断附加可能性。

亨斯曼于2020年4月加入某中心，他享受将研究论文中的理论应用于最终帮助优化库存布局的仿真中。

例如，在预测库存流时，不考虑不确定性的单一数字估计是没有用的。基于高斯过程的方法可以帮助根据数据提供更清晰的图景。

高斯过程方法只是亨斯曼在供应链优化工作中应用的众多机器学习技术之一。他表示，在某中心工作的吸引力在于有机会超越理论，“通过我的工作改变业务进程”。

今年夏天在OxML，他将邀请世界各地更多好奇的思考者，思考如何应用机器学习概念来改变全球可持续发展倡议的进程。