李雅普诺夫稳定性（专访加州理工学院在读博士石冠亚）

在将门-TechBeat人工智能社区上线一周年之际，我们评选出Top30进入「2021年度TechBeat红人榜」，同时我们也潜心策划了AI工作者人物专访栏目「AI红人荟」，带大家更深入地了解他们个人成长的心路历程，感受来自青年科学家们的榜样力量。

本次为大家带来的是——加州理工学院在读博士·石冠亚的故事。

曾连续两年获得清华大学国家奖学金，现于加州理工学院计算与数学科学系（CMS）的控制与动力系统（CDS）方向攻读博士学位，曾在TRO、ICRA、L4DC、NeurIPS、RAL等多个机器人控制和机器学习的顶级会议和期刊发表论文十余篇，获得Simoudis Discovery Prize等多个学术奖项……在外人眼中，石冠亚是不折不扣的大神。

但即使有众多光环笼罩，石冠亚却始终谦逊地认为这只是一个成长的过程，“有一句话叫‘先问是不是，再问为什么’，虽然我有了一些学术成果，但我并不因此觉得自己是无所不能的大牛。”

『从清华到加州理工：强大适应力是“通关秘籍” 』

冠亚在斯坦福参加UGVR项目

清华一向以学神和状元云集著称，刚进入大学时，冠亚并没有觉得自己能够脱颖而出，尤其在周围的同学都是各地高考状元和各类竞赛的获奖者时，“当时我的想法就是能够顺利完成学业、找到自己的兴趣点就算目标完成了，并且是以一个谦卑的姿态看待自己的定位，不会迫使自己成为新环境中的佼佼者，总之觉得自己只要脚踏实地就好了。”

虽然以比较低的起点和姿态看待自己在新环境中的位置，冠亚却并没有放任自己陷入失去方向或随波逐流的状态中，相反，他以强大的适应能力积极地对自己的学习方法和心态进行调整。

从高中步入大学这个门槛，他迅速地意识到不能再沿用和照搬高中的方法去学习，很快他调整了一种新的学习方法和习惯，即建立自己的知识网络，在不同学科中建立关联。

“高中的学习是车轮式的反复，一个知识点会反复地提炼推敲，通过大量的试题和案例提炼出规律，最终将结果反映在考场上。但大学的学习是由不同的学科交织而成的一个巨大的网络，没有一轮一轮的学习，所以这要求自己要能够梳理知识并形成一个学科网络。”

据冠亚介绍，他会在学习线性代数时建立微积分和线性代数之间的关联，之后再学习概率论和数理统计的时候，就可以建立微积分、线性代数和概率统计之间的关联，因为数理统计和概率论中的很多知识来自于线性代数和微积分。学习完这些基础学科之后，再学习凸优化、控制理论或者是机器学习，就可以跟前面的基础知识建立关联。一个经典的例子就是常微分方程与控制理论里的李雅普诺夫稳定性之间的关联。

由此带来的学习效果是显著的，“在每节课之后，或者期中期末之前，我都会对核心概念进行梳理，进行过这样的梳理工作之后，在脑海中的印象能停留很久。到现在这些学科网络都在我的脑海里面，我也没有忘掉这些基础知识。”

而从大学到博士也是如此，他主动地调整自己的状态和方法去适应新的环境和学习要求，并成功“通关”。他总结到，“大学和博士的学习目标和方式也不同，在博士阶段要自己去定义问题，强迫自己去问问题，而不是等待别人或者老师给你问题。”

从汽车系到如今聚焦控制理论和机器学习的结合，冠亚把自己的研究历程称之为自然过渡。“最初选择汽车系是因为汽车本身更像是一个平台，在汽车这个平台上，我们可以研究智能网联汽车、智能车辆控制、无人驾驶，也可以向物理、新材料或化学方向发展，去钻研发动机烧燃过程或者汽车新能源；还可以专注于汽车的底盘设计和车身设计，探索艺术和技术的结合。总之，在我刚刚步入大学还不是很确定要从事哪个行业和具体领域的时候，我选择了这样一个包含很多可能性的院系。”

而在博士阶段选择聚焦于机器人、控制理论和机器学习，则完全是回归兴趣。在经过一段时间的大学学习后，冠亚发现自己还是放不下对数学的执念和喜爱，恰巧在毕业设计时发现了控制理论与人工智能结合的可能性，所以最终催生出了如今的这样一条博士道路。

不难发现，从始至终冠亚都对自己的研究方向有着清晰的目标和认知，在科研这条路上，他其实有自己的节奏和研究哲学。

『在小而精的院校，收获广而深的知识』

冠亚镜头下的加州理工学院Beckman礼堂

在外国的留学经历也让他对中外的校园文化有了更深的了解和体会。很多人都会在初入大学时经历一段很长的迷茫期，但显然冠亚的迷茫期要比大多数同学要短。谈到这点，冠亚觉得这根源于中外之间的文化差异，“之所以很多国内同学从高中到大学再到研究生感到非常迷茫，是因为每个阶段的目标变化太快了，高中的目标就是高考/竞赛取得好成绩，相比之下大学的目标没有那么明确，研究生阶段的目标就更因人而异了。因此在急速转换不同学习阶段的时候，自然就会出现一段不适应期。相反在美国等国家，没有相对明确的高考，高中也会有很多与大学直接接轨的AP课程，所以很多同学在高中阶段就开始思考未来的可能性。”

冠亚也借此向同学们叮嘱，这不完全是同学们的问题，实际跟文化有关系，几乎所有人都有这样的迷茫，但是我们需要积极主动的去思考和进行自我调整，不能坐等别人来帮自己调整。

如今，冠亚在加州理工学院已经度过了近四个年头，在他眼里，加州理工学院是一个很特殊的学校。“学校特别小，本科生一共四个年级，每个年级的在校人数是250人左右，研究生一共1330人，博士后有700人左右。”然而，如此小的学校却每年都能催生很多世界级的研究成果，比如最近的黑洞成像、引力波探测、火星探测以及神经科学领域的很多进展。

小而精的学校带来的是广而深的知识供给。因为学生人数少，所以师生比自然非常高（教授数量300人左右），同校的课题组之间也能够实现互相交流，学校的各种seminar也面向所有学生，这尤其为学生的跨学科研究提供了非常自由的环境和科研氛围。据冠亚介绍，曾有同学利用深度学习+化学分子设计实现了化学和AI的结合。他本人的项目也同样是机器人+机器学习+控制的三学科交叉，因此他会向不同领域和学科的老师请教，集众家之长。

冠亚的科研成果之一，控制理论与深度学习的结合实现了机器人集群的密集飞行

开放的校园氛围让交流在这里变得更容易，尤其是在科研过程中总会遇到各式各样的bug和难题，而这时则可以及时求助于老师和同学。“有时在实验室硬件出了问题，我会问更有经验的师兄师姐，从他们身上提取经验，得到解决问题的方法。”

学校里的专家教授、优秀的朋辈在这里都是宝贵且易得的资源，有时一个人从头钻研摸索可能是无效的“笨办法”，“既然已经有成千上万的人在一个相似的领域内做出了很多经验和成果，我们就没有理由从零开始，而是应该站在巨人的肩膀上去思考问题。”

对于知识获取，冠亚还有自己的一套方法。“我是那种好奇心非常强的人，遇到没听说的东西第一反应就是去看维基百科。我还特别喜欢跟不同的人聊天，在对方的学科领域和舒适区寻找和深入话题，这能让我学到很多知识。”在专业领域深入钻研，在其他领域广泛涉猎，多多益善、求知求新是冠亚多年来形成的习惯。

『怀有赤诚之心的暖心大神』

足球场上的冠亚

除了在专业领域得到认可，在朋友和同学心目中冠亚也被认为是热心真诚的暖男。在清华读书时，冠亚是汽三二班的学习委员，每到期中期末考试季，冠亚就会召开学习经验交流会，为同学们梳理重点、答疑解惑。在加州理工，冠亚也会帮助学弟学妹们模拟博士生资格考试。

抽出自己的时间义务为同学们讲课，在冠亚看来是自己身为学习委员的责任，并且“帮助别人梳理知识，也是对自己的复习最有好处的一种形式。当你能够给别人讲懂的时候，才证明你是真的领悟了。”冠亚引用了加州理工学院教授理查德·费曼说过的一句话来解释这个问题——如果你不能将一个概念简洁地解释出来，那么你就没有真正明白它。“我从来不会觉得帮助别人是在浪费自己的时间，因为帮助别人实际上也是在帮助自己。”

冠亚养的猫咪

除了给同龄人讲题，冠亚心中还有更高的关于知识分享的追求，即“向大众传播科学知识，提高公众的科学素养”，他认为这是自己作为科研工作者以及身处学术共同体应尽的义务。

同时在他看来，向外进行知识输出不只有利于社会和公众，也对科研工作者自己的研究大有益处。“科研工作者在研究问题的时候，一定不能陷在自己的圈子里闭门造车，要时不时跳出来，从外面的角度和更高的角度看问题，有时与别人交流能够带来很多启发和启示，即使这个人并不是你所在领域的专家。”

在谈到未来的规划时，冠亚给出了一个并不算意外的回答。“我很喜欢教学和做独立研究，所以我更倾向于留在学术界做教授。”在具体的研究方向方面，他提出“深度学习+X”在未来大有可为。深度学习可以从数据里面提炼规律，X可以是某个具体学科，因此深度学习的加入和嫁接无疑为其他学科研究提供了一把强有力的钥匙。

在工业界和学术界中选择后者，这与冠亚自身的热心气质和与人为善的磁场不谋而合。在业余时间，他同样乐于寻找生活中的乐趣，篮球、打游戏、摄影、足球都可以发现他的身影。在他的身上，我们可以发现一位科研工作者的无限可能。

冠亚拍摄的日本德川园

功到自然成是对冠亚的求学治学之路最恰当的总结，无论是在人生的哪个阶段，他都能够找到自己作为目标的一座山峰，并不断攀越。他既能泰然处之却又坚定不移地不断前进，也拥有发自心底而又融入生活的钻研的快乐。

- The End -

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区