专访Women in AI学者陈静静：以兴趣为驱动，以严谨为标准做科研

“女性不适合从事理工类的科研”，刻板传统的观念总是劝退理工领域的女性科研工作者，不知道你有没有这种坏习惯呢？

自古以来，巾帼不让须眉，自然科学领域也不例外。一个个关于女性科学家取得的成就，印证了研究没有性别之分，女性人才也可以为科学研究做出巨大贡献。

近日，AMiner 团队推出 2022 年“人工智能相关领域全球女性学者” 名录，以展现女性学者在人工智能科研领域取得的亮丽成果，鼓舞更多年轻女性励志投身人工智能领域研究。学术头条也有幸对入围这一名单的复旦大学计算机学院副教授陈静静进行了采访。

（Women in AI: https://www.aminer.cn/women_in_ai）

“兴趣是最好的老师。”

复旦大学计算机学院副教授陈静静用了一句非常质朴的话，提炼了自己科研生涯所遵循的信条。

她在 10 年漫长的学术探索历程中，每当面临选择的时候，这句话总能提醒她，如何选出一条适合自己的道路，也促使她创造出了越来越好的科研成绩。

图 | 陈静静

从硬“啃”一篇英文论文开始

陈静静的科研工作起步于 2011 年，硕士师从计算机视觉领域知名学者操晓春教授。操晓春教授目前是中国科学院信息工程研究所研究员，曾入选国家杰青、“万人计划”青年拔尖人才支持计划，兼任 IEEE TIP、IEEE TMM、IEEE TCSVT 的编委。

2008-2012 年，操晓春在天津大学任教授，成绩优异的陈静静在本科老师的推荐下，顺利进入操晓春的课题组。那时候，人工智能在国内市场还几乎没什么热度，初入科研的陈静静对于科学研究也是懵懵懂懂，没有太多概念，只是感觉自己所在的课题组“挺不一样的”。

“当时进入课题组的时候，就觉得有点特别，因为别的组都在翻知网的一些中文论文，周边的多数实验室对于发表英文论文的研究兴趣不是很大。而我们组当时读的都是一些英文文献，刚开始就有点不太适应。我刚进组里的时候，导师让我读的是一篇 2010 年的 CVPR 论文，印象深刻的是，这篇论文花了我近一个月的时间，从逐词、逐概念理解，再到整篇文章融会贯通。”陈静静回忆道。

解读学习那些最新的国际研究论文，加上导师的悉心指点，慢慢培养起了陈静静对于计算机科学多方面的浓厚兴趣，踏上了科研之路。

临近毕业总要面临选择，身边不少同学或师兄选择就业，入职阿里、百度、华为等知名企业，收入不菲。对于陈静静而言，她选择了一条更具独特且具有挑战性的路，继续深造攻读博士学位，当时的她期望自己的人生可以因学术而更加丰富多彩一些。

“在香港那边读博士期间，是我觉得最轻松、最快乐的时光。”提到自己的博士导师杨宗桦教授，陈静静用了“特别细致”四个字概括。

“杨老师对我非常关照，比如做一项课题研究，从最初的 idea，到实验的细节和设置，再到实验结果的分析，论文的修改、精准表达等，他都特别严谨。例如，他会很仔细严谨的校对参考文献、标点符号。当参加学术会议做交流时，他几乎是手把手的指导 PPT 的准备，这种对待科研工作一丝不苟的态度对我影响非常大。”

在科学上没有平坦的大道，只有不畏劳苦沿着陡峭山路攀登的人。完成博士学业后，陈静静选择继续深造，远赴新加坡国立大学计算机学院做博士后研究员。在这个阶段，她对学术研究道路和工程实践有了更深层次的认知。

时光如白驹过隙，不知不觉，陈静静已经在科研道路上走过了 10 个年头，辗转多地进行求学，身份也从当年初出茅庐，读英文都吃力的学生，成长为复旦大学计算机学院副教授，开始指导自己的学生做研究，成长为计算机科研领域的青年才俊。

学术研究开花结果

关于自己的研究方向，求学之路上，陈静静也在不断扩大自己的研究边界和深度。

硕士期间主要是计算机视觉，博士期间聚焦多媒体信息处理，包括跨模态检索，近年来又同步在多媒体模型的安全、更加鲁棒的人工智能等研究领域逐渐深入。

在自己所做的各类研究中，陈静静列举了三项比较有意思的成果进行了分享：

第一项是食物识别跟跨模态的菜谱检索研究。

简而言之，基于这项成果，用户去拍一个食物的照片，程序就能识别它的成分，计算它的卡路里。然后去统计每个人每天摄入的卡路里，再结合一个人的运动量、睡眠时间等数据，做一个系统分析，进而给他输出一些建议，让他对饮食做一些调整。

最后这种技术还被集成开发成一款 APP，新加坡的不少用户用它做日常健康管理的参考。据了解，这套算法程序当时可以在新加坡 1000 多种食物上达到 90% 的识别准确率，如果加入上下文的信息数据，比如说餐厅的位置，早餐还是晚餐等信息，识别准确率可以进一步提升到 95%。

图 | 框架概述

其次是跨模态检索的相关研究。简而言之，就是给定文本去搜与它描述相对应的图像或者视频。

陈静静带领的科研小组提出了一些关于搜索的新概念，例如去提取更加有细粒度的语义信息。举个例子，比如要搜索“一个打篮球的小男孩把球传给了身边的女生”，传统的检索技术都倾向于去找一个视频或图像里包含这些物体（比如男生、女生、篮球）要素就好了，检索到的结果不够精准。但陈静静小组的工作会把视觉上的关系引入进去，不仅仅是在图像上，也用到视频上，这使得跨模态检索精准度更进一步。这项研究当时入选了 ACM ICMR 2020（是全球首屈一指的多媒体检索科学会议）最佳论文的一个候选，很多科技大厂对这种跨模态的检索技术非常感兴趣，例如它可以应用到智能手机上对手机相册进行更好的分类检索管理。

而最近的一些工作侧重在多媒体模型安全方面。例如使用弹幕评论攻击视频识别模型，对视觉转换器的可迁移对抗性攻击等。对于攻击模型的研究，反过来会促进防御模型的强化。

“现在有一个对抗样本的概念，就是说如果我在一个图像或视频上加了一点点扰动，这个扰动可能人眼看不见，但是却可以误导识别算法，欺骗平台技术监管等等。我们从这种攻击模型研究开始，然后再慢慢的去做防御，因为一般都是先有攻击再有防御，用攻击的方式去促进防御技术的发展。”陈静静阐释说。

女性科研人员优劣势

谈及关于女性科研人员的优势和劣势话题，陈静静深有体会，这不仅仅是在人工智能领域，应该说是在整个科研领域。

她认为，女性一般会比较细心，也比较有耐心，而做科学研究尤其要具备这种细心跟耐心，需要非常细心去留意观察一些实验结果，才可以发现一些新思路、新规律，亦或者能发现一些男性科研人员没有发现的东西。同时，要去验证一个新发现的时候，可能前期大部分实验是失败的，面对失败，女性科研人员的耐心和韧性都比较强。

无论是首位赢得诺贝尔奖的女性玛丽·居里，还是中国本土获得诺奖的女科学家屠呦呦，她们的成就都能印证，科研不应有性别之分，女性科学家所能取得成就不可小觑。

而劣势就在于，在中国传统观念中，女性应该要在家庭上花更多的时间。比如照顾小孩、承担家务等。在从事科研的同时要兼顾家庭，这导致很多女性科研人员在科研工作的投入上相对受限。此外，很多女性科研人员相对来说没有那么擅长社交，做科研很多时候不仅仅要埋头做实验，也要学会对外合作整合科研资源。

有几组统计数据能够很直观反映出科研领域的性别失衡现象：例如 2019 年，中国科学院院士、中国工程院院士中，女性占比为 6% 和 5.3%；而放眼国际，截至 2020 年，跨越百年时间的诺贝尔奖有 849 次授予了男性，仅有 58 次授予女性。

幸运的是，这些观念和状态正在慢慢发生改变。例如科技部等十三部门在 2021 年专门印发了《关于支持女性科技人才在科技创新中发挥更大作用的若干措施》，提倡“同等条件下女性科研人员优先”的政策，如果能够很好落地，无疑能更好地激发广大女性科技人才的创新活力。

“男女科研人员的比例应该有一个适当均衡的状态。如果政策能落实下来，可以为更多的女性科研工作者提供机会，也为更多女博士生们树立榜样之后，相信女性科研人员的队伍比重一定会壮大起来。”陈静静对此满怀期望。

希望学生能比自己做得更好

人工智能在国内市场的发展堪称跌宕起伏，火爆的时候几乎每一家科技公司都要去贴 AI 的标签，但随着 AI 技术产业发展步入深水区，挑战和瓶颈日益凸显，市场热度又趋冷下来。

作为 AI 领域的科研人员，陈静静认为：“过去几年 AI 产业泡沫非常大，整个市场对 AI 寄予了非常高的期望，有点急于催熟蜂拥而上，但结果却发现 AI 真正能够商业化落地的地方比较有限。行业开始趋于一个冷静的状态，我反而觉得这是一个好事儿，能让做科研的人，更加理性地看待 AI 技术和它整个发展趋势。”

关于人工智能技术的发展瓶颈，陈静认为，首先可解释性就是一个很大的问题，让算法去做一个决定，它为什么这么预测？这么决定合不合理？

此外，AI 商业化落地还涉及到非常多的其它问题，例如自动驾驶方面的技术伦理、权责边界等；还有一点是现在人工智能并不能很好地去做推理任务，很多 AI 仍是基于记忆的，训练它们需要喂很多数据，在面临零样本或者样本非常少的情况下，学习新东西或举一反三的能力都还不如人类。

“利用知识图谱去做推理我也关注了有一两年，知识图谱可以起到先验知识的作用，然后再去做一些下游任务，让 AI 能够比较快速地去学。不过目前大家都不知道怎样好好利用这知识图谱，引入到具体的任务里面去，仍需要后续研究突破。”

依托 AI 技术的当下发展，有很多商业化方向是陈静静比较看好的，比如随着国家人口老龄化，AI 在健康管理、慢性病管理等方面发挥的作用；此外，自动驾驶、AI 制药、智能制造、AI 芯片等领域都大有前景。

展望自己的科研生涯，陈静静表示，研究方向一定是要兴趣导向，而不是说哪个领域火就去做哪个，否则很难坚持下去，也比较容易浮躁。应该多听从自己内心的声音，尽可能少受一些外在因素干扰，以学者的姿态去做科研，潜下心来作出真正有用的成果。

“作为老师，我希望自己能够培养出来一些学生，在计算机科学领域的研究或发展做得非常出色，甚至超越我，这会是非常值得骄傲的事情。”陈静静满怀期待。

更多关于 Women in AI 的完整内容，可访问：

https://www.aminer.cn/women_in_ai