张文涛，北京大学国际机器学习研究中心助理教授、研究员、博士生导师，大数据分析与应用技术国家工程实验室机器学习中心成员。曾任职于腾讯机器学习平台部、AppleAIML以及Mila人工智能实验室。研究兴趣为以数据为中心的机器学习、图机器学习、机器学习系统和交叉学科应用（如Diffusion、多模态和AI4Science）。他近5年在机器学习（ICML/NeurIPS/ICLR）、数据挖掘（KDD/WWW）和数据管理（SIGMOD/VLDB/ICDE）等领域发表CCF-A类论文40余篇，并获得多个最佳论文奖（如第一作者获WWW’22BestStudentPaperAward和通讯作者获APWeb-WAIM’23BestPaperRunnerUpAward），其论文“大规模图神经网络关键技术研究”荣获2023年中国人工智能学会优秀博士学位论文奖（指导教师：崔斌教授）。他领导或参与开源了多个机器学习系统，如大规模图学习系统SGL、分布式机器学习系统Angel、和黑盒优化系统OpenBox。他曾获AppleScholar(2021年度亚太地区唯一)、世界人工智能大会云帆奖、北京大学/北京市/中国人工智能学会优秀博士学位论文奖、中国电子学会科技进步一等奖等多项荣誉。
Q：请简要介绍一下您当前的研究方向和研究工作。
A：我的研究方向主要是Data-centricML（DCML,以数据为中心的机器学习）,具体来说分成以下几个方面：
Q：您在求学工作期间有什么或印象深刻或有趣的经历吗？这些经历对您从事机器学习研究及后期的选择产生了哪些影响？
A：读博期间，我先后在腾讯机器学习平台部以及AppleAIML实习了4年。通过与工业界合作，我们可以借助他们的数据和计算资源。更重要的是，我们可以发现很多有影响力和现实意义但未被探索的新问题。这些问题很有可能是实际的业务问题，但稍微提炼和抽象出来就是一个新的Research问题。与其在一个老问题和方向上去卷方法，我更喜欢深入研究发现问题本质，探索完全不同的解题思路。另外，挖坑发现好的研究问题也是一个避免内卷的好方法，而且这类工作往往更有延续性和成体系。最后，研究工作如果能实际部署到工业界环境并产生显著经济效益，也能进一步提升工作影响力。
Q：对您而言，机器学习最独特的魅力是什么？
A：机器学习能够极大地解放生产力，赋能千行百业。自动驾驶、语音识别、智能家居等常见的应用场景都有机器学习模型在背后支持。特别的，以ChatGPT为首的大模型涌现出的令人惊讶的智能，能够帮助甚至取代很多脑力型劳动（如法律、金融和医疗等），给大家带来了一个充满着无限可能和未来的世界。我个人是非常喜欢尝试各类科技产品，目前最能给我科技感的两项技术就是VR（虚拟现实）和LLM（大语言模型），它们背后都有很多机器学习技术在支撑。未来，VR和LLM的结合也是一个很有意思的研究方向，或许能够对未来很多领域（比如教育）带来一些颠覆性的变革。
Q：您对未来在中心的研究和教学工作有哪些规划或期待？
Q：对青年学生做好机器学习科研您有哪些建议？
A：做科研经常会遇到很多挫折，以我自己为例，前两年没有任何论文产出，也经常会陷入焦虑。我个人的经验是：1）每个人因为自身背景的不同，以及研究兴趣不一样，都有最适合自己的研究方向。选择一个适合自己并且感兴趣的方向，比盲目努力重要得多；2）很多时候你的努力都用在了错误的地方，需要经常总结和反思，经常备份和复盘自己的Idea（我的个人习惯是用OneNote随时备份自己的想法）;3）当你焦虑和想不到方案的时候，不妨找个同学或者朋友倾诉一下，由于你需要总结和提炼自己的想法，往往在这个过程中就有很多灵光一闪的新思路。
Q：生活中的你有什么兴趣爱好吗？通常通过什么方式来为自己减压？