个人简介
我在马德里的 BBVA AI Innovation 团队做数据科学家,也在纳瓦拉大学读博。我想弄清楚,衡量 AI 预测中的不确定性,能不能帮助银行作出更公平的决定。
关于我
我来自土耳其爱琴海边的伊兹密尔。以前我是个土木工程师,直到膝盖中了一箭。于是我摘下安全帽,穿上实验服。现在我在马德里,是 BBVA AI Innovation 团队的一名数据科学家。
银行用模型的预测来辅助决策,这个预测究竟有多可靠?我在纳瓦拉大学读博,想知道衡量并减少预测中的不确定性,能不能帮助银行作出更公平的决定。在牛津学战略管理时,另一个问题也很吸引我。今天看来合理的决定,换个环境还行得通吗?
我喜欢抽象数学,因为看似毫不相干的两个问题,有时竟有相同的结构。读量子物理的时候,光是琢磨一次测量究竟告诉了我们什么,就能一路读到哲学里去。我很享受发现这些联系的瞬间。
我还在慢慢熟悉马德里,也在学西班牙语。多听懂一句,就能多了解一点西班牙和拉丁美洲的文化。空下来,我喜欢画画,也喜欢下国际象棋。
在家我经常煮咖啡。我有一面小达布卡鼓、一把卡林巴琴,还有一把练剑道时用的《BLEACH》斩魄刀(Zanpakuto)。一有空,我也会给小女儿编些好玩的故事,逗她笑。
Oxford Strategic Management Executive Programme工作与求学
- BBVA · AI Transformation · AI Innovation
- 应用工程师与研究人员
- 纳瓦拉大学
- 研究人工智能公平性的博士生
兴趣
本体与数据结构
一趟列车晚点,图里什么会变?
车站是地点,发车是事件。如果给它们各自定义节点类型,再为每个时间标上来源,能否沿着图追踪一次晚点究竟会影响哪些换乘?
假设两列火车都定于九点从同一车站出发。在图中,车站只需表示一次,每次发车则是一个单独的事件。这样,更新一列车的发车时间,就不会改动另一列车的信息。
我会保留时刻表上的时间和后来更新的时间,并记下各自的来源。如果某列车从九点改为九点十分发车,顺着这次发车事件的关联,就能查到哪些换乘安排需要重新确认。如果整个车站只记一个时间,这些区别就看不出来了。
RDF 1.1 · W3CMeaning-Native Computing
如果计算机知道程序必须遵循的规则,它能更准确地预测接下来会执行哪些指令吗?
Meaning-Native Computing 是我独立开展的研究。我想让两种预测方法面对同一个程序,使用相近的计算资源,只给其中一种额外提供写明的程序规则。这能帮助它预测接下来的步骤吗?预测出的变更只有经过独立检查,确认符合规则后,才能真正生效。
在这个独立研究项目里,我想让两种预测方法观察同一个程序的运行过程,并给它们相近的计算资源。其中一种方法还能读到一份“可执行本体”,里面把程序规则写成了计算机可以直接应用的形式。知道这些规则,能不能更准确地预测接下来会执行哪些指令?
假设规则允许程序在下一步走两条不同的路。预测方法即使猜错,也可能完全符合规则。我想将预测与程序实际走的那一步作比较。对于建议执行的更改,还要经过独立核查,确认规则允许后才能生效。
Meaning-Native Computing范畴论
两个变换复合后,什么还能保留下来?
一个过程把时刻表转换成图,另一个在图中寻找路线。把它们复合时,怎样保留每个时间和对应车站之间的关系?
先把列车时刻表转换成一张图,再在图中找出一条路线。把这两步接起来,就是一个复合的例子。我想知道的是,拿到最后的路线,还能不能追溯每个时间究竟对应哪座车站?
假设两座车站各有一班车在九点出发。第一步如果只保留时间,丢掉车站信息,第二步再怎么找路线,也无法单凭“九点”还原那层关系。一张小小的时刻表,就值得琢磨哪些信息必须从上一步带到下一步。
Seven Sketches in Compositionality量子测量
如果换个方式向同一个量子比特提问呢?
我制备 “+” 态。在 X 基下测量,结果一定是 +;在 Z 基下,0 和 1 各有一半概率。吸引我的是,制备方式相同,仅仅改变测量方式,答案就会不同。
设想每次测量前,都把量子比特重新制备成加态。理想情况下,选择 X 基测量,结果总是“加”。按同样的方式制备,改用 Z 基测量,得到 0 和 1 的概率就各占一半。
在 Z 基下测十次,完全可能得到七个 0、三个 1。二分之一是每次测量得到 0 的概率,并没有规定十次中一定会出现五个 0。只看一小串结果时,这一点很容易被忽略。
Quantum Information · IBM · Specify observables in the Pauli basis · IBM Quantum Documentation获奖经历
2024 年,我因专利工作和学术贡献获得了 BBVA 的 We Think Big 奖。
看获奖照片