——记香港中文大学(深圳)人工智能学院与数据科学学院王捷教授
2025年，人类正站在一个新的风口，那就是生成式AI技术井喷爆发。
当ChatGPT以流畅的文笔撰写报告，当DeepSeek用严谨的逻辑解答专业难题，当Sora仅凭文字描述就生成逼真的视频……我们正见证了一个由数据与算法驱动的智能时代全面降临。这些令人惊叹的大模型，其核心智慧源于对海量数据“确定性”规律的学习与把握。然而，现实世界充满了变数，如，医疗诊断中的数据噪声、金融市场上的意外波动、通信网络中的随机干扰，无不提醒我们：在光鲜的“智能”背后，“不确定性”才是真实世界的常态。如何让智能系统在纷繁复杂、充满未知的环境中，依然能做出可靠、稳健的决策?已成为前沿人工智能研究必须攻克的核心堡垒。
王捷教授在清华交流访问留念
在香港中文大学(深圳)，一位年轻的学者正致力于为智能系统铸造这副应对不确定性的“铠甲”。他就是人工智能学院与数据科学学院双聘助理教授王捷。他将统计学的前沿理论与现代优化方法深度融合，聚焦于不确定性下的决策问题，为机器学习、医疗健康、运筹管理和无线通信等关键领域带来了更可靠、更强大的解决方案。这位从母校走出，又在世界顶尖学府淬炼后满载而归的学术新锐，正以独特的交叉学科视野，在不确定性中寻找确定性之光，并致力于将这束光传递给下一代学子。
初心如磐 教研相常
2020年，王捷从香港中文大学(深圳)数学专业毕业，获得学士学位。本科期间，他便对“用数学解决真实问题”产生了浓厚兴趣——数学的严谨性与逻辑性，让他看到了“破解不确定性”的钥匙。在这里，他不仅沉浸在严谨的数学理论中，更通过“理论+应用”的培养模式，早早地将目光投向了知识的现实落地。
本科第一年，主动好学的王捷便联系了杨升浩教授，开始接触科研。这段经历让他豁然开朗：抽象的数学公式，竟能成为解开通信与信息论领域难题的钥匙。数学从课本上的符号，变成了他手中探索真实世界的工具。真正的转折发生在本科第三年的暑期。当时，德州大学奥斯汀分校的高睿教授到访港中大(深圳)，与数据科学学院的查宏远教授共同指导王捷。这次国际合作，将他的研究兴趣从信息论引向了更为广阔的运筹学天地。
毕业后，王捷前往佐治亚理工学院工业工程系攻读博士学位，师从谢瑶教授，将研究方向聚焦于“统计与优化的交叉领域”。在佐治亚理工学院的深造，是王捷学术生涯的淬火阶段。他沉浸在工业工程与运筹学的海洋中，专注于结合统计学与优化方法，解决不确定性下的决策难题。他的研究成果开始在国际顶级舞台上绽放光芒，频频Operations Research、NeurIPS、ICML等顶尖期刊和会议上发表。他接连斩获INFORMS(国际运筹学与管理科学学会)学术海报竞赛冠军、数据挖掘学会数据竞赛冠军、最佳理论论文奖等多项荣誉，其学术实力获得了国际同行的广泛认可。
正是带着这份沉甸甸的学术积淀与回报母校的热忱，王捷在博士毕业后作出了清晰的选择，2025年6月，他回到香港中文大学(深圳)任教。在他眼中，这里不仅是梦想起航的地方，更是实现学术理想与社会责任的理想平台。学校兼具国际化的学术环境与立足粤港澳大湾区的区位优势，正处在中国乃至全球AI技术与科技创新的前沿。王捷渴望在这里，将自己所学所研，传递给像当年自己一样充满求知欲的学生，为培养AI高端人才贡献自己的力量。
作为一名刚刚开启教职的青年教师，王捷对教学有着深刻的理解和热忱。他清楚地记得自己作为学生时的感受，也敏锐地察觉到当下部分学生在面对艰深理论时的畏难情绪。他坚信，破解这一难题的关键，在于 “让理论照进现实” 。
2025年秋季，他专门为大一新生开设了一门别开生面的《AI实践课程：大语言模型赋能智能决策》。这门课打破了传统先修课程的限制，不设数学与编程门槛，直接引导学生运用ChatGPT等大语言模型工具，去解决“穿越沙漠”资源规划等生动有趣的现实优化问题。在课堂上，学生通过小组协作，体验从抽象问题、构建模型到求解验证的完整决策过程。王捷教授则扮演启发者的角色，指导学生如何利用AI工具思考，并借助COPT求解器等专业工具将想法实现。
这门课如同一个精巧的引桥，将新生直接引领至人工智能赋能现实的前沿阵地，让他们在动手实践中直观感受到基础理论的强大力量。这正是王捷教学哲学的核心：通过以问题为导向、项目为驱动的模式，帮助学生率先建立“为何学”与“如何用”的认知框架，从而激发他们回溯学习底层理论的內生动力，变被动接受为主动探索。
王捷教授在上海交大交流访问留念
破局攻坚 创新突破
在王捷的科研世界里，“不确定性”既是挑战，亦是创新的起点。王捷的核心科研工作，可以形象地概括为“为智能决策系统安装风险预警雷达”。他的研究不追求在风平浪静的数据池中表现最优，而是致力于确保当数据海洋掀起风浪、分布发生未知偏移时，系统依然能做出稳健、可靠的抉择。
王捷深耕的核心方向之一，是分布鲁棒优化(Distributionally Robust Optimization, DRO)。传统模型通常假设用于训练的数据分布与真实世界完全一致，但这在现实中几乎不可能。DRO则采用了更聪明的思路：它不假定一个精确的数据分布，而是构造一个包含多种可能分布的“模糊集”，并在此基础上优化最坏情况下的性能。这就像为决策方案购买了一份“保险”，即使未来出现预期之外的状况，损失也能被控制在可接受的范围内。
王捷在此领域的贡献尤为突出，他成功地将经典的DRO框架推广至强化学习中的离线策略评估场景，为在历史数据中安全评估新策略的性能提供了可靠的理论区间。此外，为突破传统方法计算复杂的瓶颈，他创新性地引入了基于Sinkhorn距离的新型DRO框架，大幅提升了算法的实用性和计算效率。他提出的高效求解算法，甚至被斯坦福大学、哥伦比亚大学的顶尖团队整合进新开源的鲁棒优化求解器中，成为国际同行信赖的工具。
王捷的研究绝非纸上谈兵，其生命力正体现在穿透一系列重大行业难题的过程中。在医疗健康领域，他曾与埃默里医学院合作，为败血症的早期诊断开发数据驱动的鲁棒方法。败血症病情凶险、进展迅速，临床数据往往充满噪声和缺失值。王捷的DRO模型能够有效克服数据不确定性，帮助医生在复杂情况下做出更及时、可靠的诊断决策，守护患者生命线。
在商业运营领域，他与美国企业及字节跳动等科技公司合作，将鲁棒优化应用于产品定价、视频推荐等核心战略问题。在竞争激烈、市场多变的商业环境中，他的方法能帮助企业制定出既能适应常态、又能抵御意外冲击的运营策略，相关方案两度获得INFORMS数据竞赛奖项，证明了其显著的实用价值。
在无线通信领域，针对大湾区建设中多跳网络传输吞吐量下降的工程难题，他研究了批量网络编码技术。通过理论分析和优化设计，他提出的方法能显著提升数据传输的鲁棒性和效率，为区域通信基础设施的优化提供了新思路。
面向未来，王捷的科研视野更加宏阔。他计划研制大规模DRO通用求解器，借助现代高性能计算技术，让这套强大的方法论能处理更庞大、更复杂的现实问题。同时，他将继续深耕医疗健康与可信人工智能两大关键领域。
在医疗方面，他聚焦于不完全信息下的鲁棒序贯决策，旨在为慢性病防控和突发公卫事件应对提供更智能的决策支持。在AI安全方面，他致力于利用DRO范式提升人工智能系统的鲁棒性、公平性和可解释性，这是确保AI技术在金融、司法、自动驾驶等关键领域安全、可靠应用的根本。他的研究，最终指向一个更具韧性、更高效且更公平的社会图景。
简单一句话，王捷的科研工作，可以用“三个关键词”概括：不确定性、可靠性、跨领域。他的科研之路，是一条直面现实世界复杂性、致力于在不确定性迷雾中树立决策灯塔的求真之路。AI的未来，不是更聪明，而是更可靠。在这个人工智能以前所未有之力重塑世界的时代，我们不仅需要能创造惊艳效果的技术，更需要能确保技术可靠、稳健、负责任地服务于人类社会的基石性研究。王捷所深耕的领域，正是这样的基石而展开研究和应用。这位年轻的学者，正以他的智慧、专注与情怀，在数据海洋中寻觅可靠的灯塔，为智能时代绘制一幅更具韧性、更值得信赖的智慧星图。
他的故事，才刚刚开始!(文/王超)
王捷教授与国际著名学者David_Tse合影
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。