在CCF-A类学术会议和JCR一区期刊上发表了80多篇高水平学术论文，并获得了中国人工智能学会2018年度最佳青年科技成果奖以及2019年度CCF-腾讯犀牛鸟基金优秀专利奖。她是中科院青年创新促进会成员。这位来自四川的“90后”科学家杨敏，怀着对自然语言处理技术的浓厚兴趣，先在香港大学攻读计算机科学博士学位，后进入中科院深圳先进技术研究院数字所从事科研工作，目前担任副研究员及博士生导师。

为何选择专注于人工智能领域？杨敏认为，兴趣和热爱是最主要的动力。“数据挖掘研究非常吸引人，从大量数据中往往能够发现有趣且有价值的信息。”她还十分看好人工智能技术的发展前景，认为随着人们对便捷生活的需求不断提升，人工智能将在其中扮演重要角色。

让机器理解人类语言？从模仿人类行为开始

近年来，随着智能化技术的普及，机器人在各个领域逐渐取代人工，成为客户服务的主要力量。然而，在人机对话中经常出现程序繁琐、回答不切实际的情况。如何使智能客服更好地理解人类的实际需求？如何更快、更准确地回应问题？这些都是自然语言处理技术需要解决的问题。

“让智能问答达到人类水平实际上非常困难。”杨敏表示，“当前我们仍处于弱人工智能时代，需要突破认知智能，才能让机器真正理解问题、进行推理和解决问题，而这一目标还有一定的距离。”

为了使机器能够理解人类语言，杨敏的研究团队尝试根据人类的行为设计深度神经网络模型。“例如，人类在阅读文章时，通常会先大致浏览全文，然后带着问题仔细阅读寻找答案，最后确认答案的准确性。”杨敏团队从人类阅读认知的角度出发，模拟人类阅读认知过程中的预读、精读、后读三个阶段，提出了基于先验知识的交互感知模型、基于目标感知的语义蒸馏模型以及基于强化学习的语义反馈模型等，从而以更接近人类阅读认知的方式处理自然语言理解问题。

仅有大数据是不够的！知识图谱为机器“补课”

当然，人工智能也有其独特的优势。强大的计算能力和海量数据使机器能够快速获取学习资源，但仅仅依靠大数据还远远不够。

“尽管通过大数据挖掘可以获得许多有用的信息，但仅靠数据驱动是不够的。人类之所以能迅速做出决策，是因为拥有丰富的经验和背景知识。”杨敏指出，她的团队尝试采用数据驱动和知识驱动相结合的方法，通过构建完善的知识图谱来弥补人工智能在背景知识方面的不足。

此外，模型压缩也是杨敏团队的重点研究方向。随着模型训练强度的增加、数据量的增大以及精度的提升，所需的计算资源也大幅增加。特别是在线上运行时，由于模型过于复杂，反馈时间会从毫秒级延长至秒级，严重影响用户体验。

“通过模型压缩，可以在不影响计算精度的情况下减少参数数量，提高效率，节省训练时间和数据需求，从而提升用户体验。”据杨敏介绍，她的团队正在与腾讯、神州泰岳等企业合作开展模型压缩的研究，主要应用于自然语言理解和推荐系统任务。

在司法领域的应用

在应用落地方面，杨敏团队与深圳市得文科技有限公司联合建立了“法律人工智能联合实验室”，将自然语言处理和推荐系统的核心算法应用于司法领域，开发了案件判决预测、同类案件智能检索、法律智能问答等系统。

为科技城市贡献力量

加入深圳先进院之前，杨敏曾在科技企业工作过一段时间，她认为科研机构与企业的最大区别在于科研机构有机会深入研究一些具有挑战性且有研究价值的课题，虽然短期内可能看不到显著成果，但可以投入更多时间和精力专注攻克难题，期望取得突破性进展。

不仅如此，深圳先进院对产学研融合的大力支持也让杨敏感到“可以真正将基础研究成果应用于国家发展”。这不仅有助于打破技术壁垒，还能迅速找到产业界的合作伙伴，快速验证自己的算法是否可行。

来到深圳三年，这座城市给杨敏留下的最深刻印象是“科技之城”。这里有许多科研和技术公司，这对寻找产业合作伙伴和学生寻找实习工作都十分有利。此外，深圳出台了许多吸引高端人才的政策，吸引了全球顶尖人才汇聚，形成了良性循环，这对年轻人极具吸引力。（刁雯蕙）