本刊记者  刘昊林

　　
　　
　　“我的研究，概括起来讲就是‘一点两面’。”马连博是土生土长的东北人，说起话来干脆利落，“这个‘点’呢，就是以计算智能为出发点。两个‘面’呢，是指从复杂工业网络和大数据工程系统优化两个方面进行应用研究。”   
　　总结起来虽然简单，但是在日常的科研工作中，马连博也是饱尝艰辛。受益于当今互联网和计算机新一代技术的创新，无处不在的大数据、强大的运算能力以及深度学习模式的突破使人工智能驶入了高速发展的快车道。这一轮热潮势不可挡，机器学习、人工神经网络等新名词成为了人们嘴边热门的词汇。
　　就自己的研究领域，马连博向记者介绍道，因为“无处不在的计算”，我们已经进入到一个崭新的智能时代。作为人工智能的一个重要分支，计算智能因其智能性、并行性和健壮性，得到了研究者的广泛关注，目前已经在算法理论和算法性能方面取得了很多突破性的进展。
　　“从自然界里获得启发是从事科研的一个重要途径，许多重大发明都是从中获得的灵感。”马连博解释道，“我所研究的也是一种仿生学习算法，通过模拟大自然和人类的智慧，提升算法的性能，通过数据的手段构造出一种计算模式，从而实现对问题的优化求解。”
　　与传统的人工智能相比，计算智能更适用于解决大数据分析里那些难以建立有效的形式化模型的各种问题。目前已经在模式识别、图像处理、自动控制、通信网络和生物医学等多个领域都取得了成功的应用。
　　作为在这一领域深耕多年的学者，马连博取得了一系列成绩和荣誉，先后获得中科院院长奖、辽宁百千万人才等，以第一作者/通信作者在计算智能领域发表SCI论文20余篇，并且先后主持国家“863”重点项目、国家自然科学基金、辽宁省自然科学基金、中央高校基本科研业务费——优青培育等多项科研课题。
　　“基于复杂系统层次演化的蜂群优化模型、算法及在微网调度中的应用”是马连博正在主持的一个国家自然科学基金项目。这是一项复杂生物系统建模和计算智能学科交叉的国际前沿的研究课题，要通过分析、模拟自然界生物系统的进化机制与学习机理，构造高效的群体智能演化模型与优化方法，进而抽取群智涌现行为用于解决诸如大数据挖掘、群体感知计算、云计算与物联网各类复杂工程优化问题。
　　然而，目前计算智能与群体智能的研究，仍然局限于通过模拟自然生物的某些行为特征、设计相应的方法来解决工程问题，在智能方法的设计上过于强调系统的简单性，研究的点比较分散，角度比较单一，忽视了系统的复杂性，缺乏对其自组织、自适应、涌现机理的深刻研究，不能揭示其中的动力学机制和智能原理，也没有足够的理论支持和有效的分析、控制手段，算法的效果往往难以得到保证。
　　围绕以上关键科学问题，马连博从自然学习角度切入，针对新一代复杂工程系统中存在的大规模、多目标、多变量、强耦合、强非线性和不确定性等综合复杂性因素，从生物个体、群体、群落三个层次展开了计算智能模型、方法及应用研究，提出新型的基于生物系统群智演化行为的智能优化方法，形成了完整的研究体系。在大数据并行处理、云计算、复杂网络感知计算和系统优化等方面具有潜在的应用价值。
　　马连博预测，在未来，人工智能会开启并连接一切，涉及交通、制造、金融、医疗等各个领域。而这一切的发展离不开强大的技术支持，包括大数据、云计算、深度学习等等。马连博对未来的发展充满希望，干劲十足！他正规划着将自己的团队打造得更加具有战斗力，更加紧贴国际前沿，在人工智能的时代里乘风破浪，引领潮流。