“Frank Rosenblatt Award”，多数人听起来很陌生。这是一个有着近20年历史的奖项——IEEE Frank Rosenblatt Award创立于2004年，是IEEE为纪念神经网络的创始人之一Frank Rosenblatt而设立的技术领域大奖。自设立以来，每年在全球范围内仅授予一位科学家，以表彰对生物学和语言学促进的设计、实践、技术或理论计算典范发展做出的杰出贡献，包括但不仅限于神经网络，连接系统、模糊系统，以及包含这些典范的混合智能系统。

2006年迄今，共有26人获此殊荣，他们均为各自学科领域的杰出代表。他们的研究成果，大大推动了科学技术的发展，帮助人类深化对世界的认知。其中包括：

2022年获奖者Paul J. Werbos，被誉为机器学习领域先驱和反向传播算法（BP算法）之父；2014年获奖者Geoffrey E. Hinton，是深度学习界的领军人物，2018年图灵奖的获得者；2008年获奖者Teuvo Kohonen，芬兰科学院名誉教授，以其自组织映射网络（Self-Organizing Map, SOM）的研究闻名于世。

关于此次获奖的更多信息，请点击“阅读原文”访问IEEE官网：

https://corporate-awards.ieee.org/recipients/current-recipients/

那么，金耀初是谁？为何他能摘得本年度的奖项？

去年秋天，金耀初全职加入西湖，这是我们第一次与他“见面”（详见：洪堡人工智能教席教授金耀初加入西湖大学工学院）。

他长期从事人工智能与计算智能的理论、算法和工程应用研究，曾在德国（本田）欧洲研究院工作了十一年，担任资深科学家、主任科学家。

他的研究领域“上天入地”，包括汽车、空中客车、疫苗、医学图像、多机器人组织等等；他的头衔也与他的名字一样熠熠生辉：欧洲科学院院士、洪堡人工智能教席教授、IEEE计算智能学会主席。

看到这里，熟悉西湖的人也许会发现他和其他西湖教授的一点点“不一样”——他有丰富的产业界工作经验。

事实上，过去三十年来，金耀初的工作不仅推动了进化计算在人工智能领域的发展，更在实际工程应用中展现出显著的实用价值。此次获奖，无疑是对金耀初在这一领域的深入研究和重要贡献的认可与肯定。

如果觉得还不过瘾，我们再努力提供一些信息——

当下科技迅猛发展，复杂系统的优化问题日益突出，从喷气发动机到方程式赛车的设计，从空中客车的轻量化到电动车控制器的精密调校，这些问题都难以通过传统数学规划方法求解。

此时，进化计算以其独特的优势，开辟了解决复杂工业问题的新途径。因为传统的数学方法和机器学习算法主要依赖于解析函数和梯度信息，无法求解没有解析目标函数的优化问题，并且难以通过一次求解获得多目标优化问题的多个帕累托最优解。而进化算法是生物启发式搜索算法，不依赖梯度信息和数学解析函数，能够在复杂的搜索空间中探索并发现性能优越的解。 

金耀初的研究成果，为解决复杂工业过程中的优化问题提供了新的视角和强有力的工具。特别针对复杂系统优化面临大规模、不确定性、多目标以及性能评价昂贵等挑战，结合先进的机器学习技术，他提出了一系列的高效进化优化算法，并成功应用于发动机叶片、一级方程式方程式赛车及高提升力机翼等复杂工程系统的空气动力学优化。

现在，金耀初正在西湖组建“可信及通用人工智能实验室”，已快速搭建了一支15人的科研团队。他们来自五湖四海，中国、德国、匈牙利……；学科背景也“五花八门”，数据科学、生物系统、车辆工程研究……他们聚焦安全可信的多模态数据驱动优化、基于图神经网络的优化，并首次成功地通过预训练深度扩散模型，实现复杂问题的快速实时优化。新提出的算法对高铁重调度、流程工业实时在线的优化决策、物流等具有重要意义。

若你对此有兴趣，也许可以联系金老师试试！

金耀初个人主页：https://www.westlake.edu.cn/faculty/yaochu-jin.html