正文
CSDN：是否方便透露您以及您的团队在现阶段的研究侧重点或下一步研究计划？
Fei Sha：
目前，我的研究着重于统计机器学习的基础性与应用性研究。过去几年中，我们团队的工作涉及到了人工智能领域的各个子类，包括计算机视觉、自然语言处理和机器人技术领域。同时，对于实验室正在进行的一项新举措——尝试将机器学习和人工智能转化到医学的运用上，我们也感到非常兴奋。为此，我已经开始建立一个
针对健康方面的数据、算法与系统的研究中心
。
CSDN：是什么契机让您选择了统计机器学习这一研究分支，大数据的机器学习在人工智能的发展中扮演着怎样的角色？在与团队一同探索的过程中，曾陷入怎样的瓶颈时期？又是如何寻求突破的？
Fei Sha
：在就读博士时，我就为统计机器学习的魅力心驰神往。彼时，我头一个博导Fernando Pereira、同为我博导的Lawrence K. Saul，还有Daniel D. Lee等杰出研究员都已经离开了AT&T的实验室，纷纷加入了宾夕法尼亚大学，投入学术界的怀抱。而我对于机器学习的理解，在很大程度上受到了他们的影响，还有我的博士后导师Michael Jordan这样的牛人也给了我很大影响。作为一个研究方向，机器学习在对智慧的运用上很能让人满足，我发现自己不断学习新的东西，欣赏到各式新奇的想法，并且实实在在地为解决真实世界的问题做出了贡献。
毫无疑问，近来人工智能那些惊人的进展，在很大程度上要归功于大数据、智能学习模型和算法，还有人们借助商用硬件所执行的大规模并行运算。
CSDN：在将机器学习以及其他人工智能技术应用到生命与医疗科学这条路上，您和您的团队做了哪些工作及部署？人工智能在医学战场上面临哪些挑战？谈谈机器学习在个性化医疗等医疗手段当中的应用？
