近日，Pi-Lab控制与大数据小组成功申请了腾讯人工智能实验室的“犀鸟牛专项研究基金”，尝试将强化学习算法应用于温室产业中。在化学化工学院的环境下，该小组此次成功的申请经历具有很好的学习和借鉴意义。为此，宣传小组的组员对谢惠民，徐星海进行专访，就基金申请以及化工与人工智能的结合两大方面进行交流学习。
Part 1
Q：师兄们好！谢谢师兄们可以接受我们的专访，可以简单的向我们介绍一下此次申请的项目嘛？
A：（谢惠民）温室产业是现代农业生产的重要组成部分，同时目前温室产业具备操作、管理技能的专业化人才供给不足。近年来，机器学习技术越来越广泛地被用于农业生产中，以辅助或代替种植人员进行农作物的栽培和管理。我们就是打算将强化学习技术应用到温室产业中，实现智能化地温室控制与决策，从而实现：1.辅助或替代种植人员决策；2.资源效率利用优化；3.获取更高经济，环保效益。
Part 2
Q：这个项目申请成功后，整个课题组都很激动，想问问当时是什么样的契机，让师兄们去申请项目的呀？
A：（谢惠民）其实是我先看到这个项目的，毕竟做信息科学，信息必须灵通，研一就关注到了“犀牛鸟基金”。然后和潘哥以及星海讨论，大家脑子一热说咱也写一个。之后还有点犹豫，也想听听洪老板的意见。所以就找了洪老师聊了下，老板非常果断，说：”就智慧农业这个，需要资源我帮你们找。“
Q：在这种情况下，伯乐真的很关键。除了申请的契机，还想问一下从申请项目到申请成功，师兄们经历了哪些流程呀？
A：（徐星海）流程首先就是论文调研以及领域调研了，智慧农业其实还是一片蓝海，资料库较少，前期论文调研经历了科学上网，寻根行动，跨学校借阅行动，还有分布式训练（兵分两路），讲道理还是掉了几根头发的。
策划组织宏观说是三个阶段：第一阶段，制定大纲，其实和写论文感觉还是有很大相似度，从背景，到现有技术的应用以及缺点，然后提出想解决的问题，抛出我们的方案，最后给出预期。写东西其实还比较快，但改的过程艰辛，从表达公式到框图，从算法的表达到算法的实施，我还记得，当时我们就一个问题点讨论了两天，才决定好要不要把一个流程加入到算法流程中。好事多磨难，整个稿子迭代更新了六次（我记得是六次）才最后定稿。
在接着就是审核过程，初稿投出去之后就渺无音讯了，直到某一天师老板的突然来电，对于我来说真的神奇，没想到我们化学化工学院的学生能和企鹅有联系，这种感觉就像变形金刚和葫芦娃一起喝酒一样魔幻。
最后就是第二次改稿，虽然说主题和第一版内容差不多，但我们写的内容比较零散，重点不够突出，甚至有些摇摆。师老师第二次改的时候，把思路整理得非常清楚，重点也突出了。
Q：看得出来这个过程还是很艰辛的。另外还想问一下师兄们，申请过程中有没有遇到什么困难，又是怎样去克服的？这个过程中又有没有遇到什么有意思的事情呢？
A：（谢惠民）困难的话主要是写稿子的时候了，第一次交申请书的时候，我和师弟以及老师讨论了很久，查很多资料，最终才确定我们的技术路线。初选过了以后，第二次要交正式材料，相当于重写一遍，之前不合理的地方需要一一校正，也很辛苦。
有意思的事：我们第一次交材料的时候，中午12点截止，直到11点多我们还在一遍遍的检查，修改。最后20分钟了，我们准备上交，结果发现，网站上师老师资料全部空了，需要重新填，内容很多。我们判断也可能系统问题，就在这时候，我们发现，这个地方有误导性，不是让师老师填写的。然后我一顿操作就交了。
Part 3
Q：真的是很有意思的经历了，最后想问问师兄们对跨学科，比如化工与人工智能交叉的有没有一些想法（领域未来的发展方向等等）？
A：（谢惠民）因为自己对信息科学（AI）和控制科学稍微了解一些，所以就只从这两个方向发表下与化工学科交叉的点（个人拙见）：
（1）能耗优化、工艺参数优化、供应链优化
前两者其实都属于“过程系统工程”，本来就是化工与系统科学的经典交叉领域，本质是借助运筹学、系统科学的工具解决化工领域的问题。
能耗优化，包括换热网络的优化等。工艺参数优化方面，可以利用先进的优化算法甚至AI技术优化工艺设备的参数，从而提高经济效益，阿里云已经和一些化工厂合作做了一些相关工作。至于供应链的优化，这是个人的观点，因为供应链对化工行业而言也十分重要，技术上与前二者也是相通的，规模较大，优化后带来收益也可能较大。
（2）过程控制及故障检测
过程控制方面，数据驱动的控制技术是近年来的热点。我比较看好的是能够借助智能化的控制技术，实现对复杂系统的优化控制，节省资源和能耗，同时也进一步节省人工——这也是我们腾讯基金项目主打的一个点。
故障检测方面，现在的趋势是借助大数据与算法，从细微之处观察到过程的异常，实现“未卜先知”，对于实现安全稳定的化工生产很有帮助。
但是，现在的AI算法往往都不够稳定、鲁棒，这在大规模的工业场景中应用是不被允许的，因此这也是亟待突破的点。
（3）计算机（AI）辅助药物设计、材料设计
传统的药物分子设计开销巨大，时间长，通过计算机（AI）辅助可以缩短时间，节省开销。当时我和化院、信息学院、公共卫生学院的同学一起参加一个比赛，成功地用AI筛选出了创新药，实实在在地感受到了AI药物筛选的能力。材料方面我了解到也是类似。
Q：非常感谢师兄们的精彩分享，还有最后一个小小的问题，师兄们有什么对师弟师妹说的吗？
A：（谢惠民）师弟师妹们只会越来越强，pilab的未来是你们的。
