32 岁，带 7 位博士生，还是最年轻的中国女性得主！
美国东部时间 6 月 17 日，《麻省理工科技评论》公布 2020 年度全球 “35 岁以下科技创新 35 人” 榜单（TR 35），祖籍广东的李博入选。
她到底有多不简单？27 岁，李博博士毕业后，一个月飞行几十趟，走遍全美 50 多个城市，最终斩获 20 多个 offer，且均由世界知名大学发来，如伊利诺伊大学香槟分校、马里兰大学、佛罗里达大学等高校。面试一家中一家，妥妥的超级“面霸”。
图 | 李博（来源：受访者）
而李博本次上榜 TR 35 榜单的原因在于，她在对抗机器学习（Adversarial Machine Learning）方面，有着出色的研究。同时，她也是全球首批研究对抗机器学习的学者。
如今，她是美国 “公立常春藤” 伊利诺伊大学香槟分校计算机科学系的助理教授，还曾获得全球只有三位入选的赛门铁克奖金，此奖金由美国赛门铁克颁布，用来奖励对计算机安全做出创新贡献的学者。
英国老牌博物馆展出成果
2019 年 6 月，有着一百五十多年历史的英国科技博物馆，展示了李博的研究成果。这是在该博物馆展出的、为数不多计算机领域成果。
作为维多利亚女王曾亲自参与建设的博物馆，缘何展出这样一位年轻教授的成果？原因在于这项研究的目的很重磅，过程有突破，结果有应用。
该研究的目的，在于发现 AI 技术的薄弱点，以及提出提高 AI 鲁棒性（计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性）的潜在方法、以及它们的重要性。
图 | 英国科技博物馆展出李博及其团队生成的“对抗性路标”
自动驾驶汽车中的 AI 系统安全度不足，一直是行业痛点，其对于路况的识别，决定着乘客的安全。
如何发现 AI 系统的薄弱点、以及在不同物理场景下 AI 系统被恶意攻击的原因，最终通过提高 AI 鲁棒性来提高 AI 安全性，是业界面临的重大难题。
为应对该问题，李博及其团队开启了一项研究。研究中，他们在停车牌上，贴上了黑色和白色的小贴纸，人眼看上去是随机的，并且不会遮挡标牌上的 “STOP” 等字样。然而，这种安排是经过精心设计的。
图 | STOP 交通牌上贴的标签
如果自动驾驶汽车驶近，汽车神经网络就会误读停车标志。
之前也有研究人员尝试过“对抗性攻击”，用对人无害的输入数据的处理、来愚弄神经网络，但多囿于数字化案例。比如，更改图像中的几个像素，并且让肉眼无法看到。总结来说，此前的对抗机器学习研究，主要存在于非物理世界中。
而李博是最早证明 AI 对抗性、可以存在于物理世界中的专家之一。但是，证明过程并不顺利，因为她发现用来 “愚弄” 数字图像的方法，并不适用于路牌这样的物理对象。
后来她把物理对象的特征如形状和纹理等，作了细微的改变。改完之后，她用神经网络来识别和利用另一个系统中的漏洞，从而让 AI 系统互相攻击。
在应对目标网络的训练上，李博利用博弈论、来为攻击者与防御者建模。同时，她使用数据和机器学习算法上的空间、以及时序的连续性，来判断数据是否经过修改，并通过模型是否输出不一致，去查看是否存在潜在攻击。通过上述过程，她实现了让 AI 更强大、更鲁棒的目标。
“车牌”研究之后，李博打算吃透基于路标的物理攻击。相比生成图形对抗样本，生成物理界中的对抗样本，主要面临以下技术难点：
物理对抗样本不能像图形对抗样本那样，使用小量级的恶意修改，否则无法被真实世界中的相机等仪器捕获；
物理对抗样本需要同时满足大量级、且不引起人类注意；
物理对抗样本的恶意篡改，不能像图形对抗样本那样分布于整个图片，前者只能集中于某个具体物体表面；
物理对抗样本需要在光照、距离和角度不同的条件下，都能成功地攻击机器学习模型；
物理界对抗样本的生成，可能会受到打印机等硬件制成效果的限制而造成偏差。
为解决上述难题，李博和团队提出了 “空间可控的物理对抗样本” 生成模型。他们从不同实际条件中采集样本分布，来保证生成的对抗样本、可以在较大的样本分布中达成有效攻击，从而确保生成物理对抗样本的鲁棒性。
如今，李博的研究已经在商业应用中开花结实。IBM 受该研究启发，以同样的方式保护其 AI 系统 Watson AI，该 AI 系统堪称“AI 界的老大哥”，在 AlphaGo 面世之前，Watson AI 一直是人工智能的代名词。
亚马逊则使用李博的研究成果，来保护智能音箱 Alexa。一些自动驾驶汽车公司，也在使用其研究、来提高机器学习模型的稳定性。
身在海外，不忘华夏
李博执教的伊利诺伊大学，和中国有着深厚的渊源。
1906 年，该校时任校长爱德蒙 · 詹姆斯（Edmund J. James）致信美国总统罗斯福，建议将庚子赔款用于发展中国的教育事业。后在罗斯福的推动下，美国国会通过法案，同意将部分庚子赔款用于中国学生留美项目，1909 年庚子赔款奖学金开始运作。
钱学森、竺可桢和杨振宁等，均凭借该奖学金留学海外。其中，竺可桢还曾在伊利诺伊大学农学院读过书。
1911-1920 九年间，伊利诺伊大学收留和培养了多达 1/3 的留美中国学生，是对中国学生最友好的大学之一。到了当代，据教育观察媒体 Inside Higher Ed 统计，早在 2015 年，中国留学生就已成为该校的最大国际学生群体。
而李博当初在 20 多份 offer 中选择该校，则因这里非常注重 AI 发展、且有很多不错的合作者。李博带的很多博士生都来自中国。同样留过学的她，格外能体会中国留学生的困难如签证等问题。
图 | 李博带的中国留学生
与业界的交流上，她也很重视和中国互联网巨头的合作。由于腾讯公司的微信事业部，面对着巨大的社交网络数据，靠谱的用户信用分析系统，成为微信团队处理数据的刚需。
基于此，李博展开了和微信的合作。该合作着眼于研究用户是否有机会通过修改自己的数据如通讯录等，来 “愚弄” 当前的机器学习系统，从而达到修改信用分数等目的。
面对微信的期望，李博给出了肯定的答案：恶意用户极有可能通过修改小部分数据，达到一些具体目的。
后续，李博和微信团队一起提出了“恶意网络连接检测和防御算法”（Malicious Edge Detection And Defense Algorithms），来判断某些数据比如好友信息是否可信，同时利用对抗训练，来提供更多的符合恶意攻击数据分布的数据去训练图神经网络（Graph Neural Networks，GNN），使生成的图神经网络有更强的鲁棒性。
名字带 “博” 的博士
从本科到博士，李博累计发表论文几十篇, 引用高达 4700 多 H-index 28（科研影响力的指标）。尽管她的名字略显男孩子气，上中学之前从未留过长发，但电话中的李博却声音轻柔，甚至主动替 DeepTech 记者考虑采访时差问题。
由于名字里带有一个“博”，从小家人就希望她可以考上博士。三四岁时，她就戴着借来的博士帽子照相。爸爸有时也会带她去和认识的博士学者们吃饭，对知识的憧憬早在童年就已埋下。
作为一名学霸，她第一次认识到学习的重要性，是因为一次转学。李博爸爸是广东湛江人，妈妈是山西阳泉人。由于父母工作原因，小学四年级时，李博从广东转学到山西。刚到新学校时，同学们质疑她是因为成绩差、或者表现差才转学的。结果第一次考试，她就是前几名，同学们对她的偏见也得以改观。
中学时，李博非常喜欢物理，还会阅读《时间简史》等高难度书籍。不过她比较文理兼备，曾很喜欢余秋雨的书，学生时代经常滑旱冰、弹钢琴。
高中时，李博就已成为党员。大学期间去台湾作了一年交换生，从大二开始就跟着导师以及学长学姐们写论文。
谈及出国读书和在美国工作，她表示希望可以通过在世界一流的计算机科研环境中，研究出更多成果，帮助更多来自祖国的学生，来反哺自己曾经生活过的地方。
在计算机研究以男性居多的时代背景下，李博的研究必将激励更多女性投身科研。女性得天独厚的细心，也会让科研更有温度。她的经历也告诉我们，科研女性并不是古板板，她们照样留长发、弹钢琴、读文艺书籍，照样声音柔和，但却热爱科学！
