但早在人工智能成为一种文化痴迷之前，在语言模型进入我们的手机、办公室和餐桌对话之前，在波尔图的某个地方，若昂-伽马已经在帮助重新设计机器学习世界的方式。

让若昂-伽马的轨迹尤为引人注目的不仅是他的科学影响的规模，还有他的时机。现在人工智能的许多核心问题，如适应、持续学习和实时决策，他早在几十年前就已经开始研究了。在波尔图大学的实验室里，他默默地帮助塑造了一些领域，而这些领域直到最近才进入更广泛的公众视野。

对若昂来说，机器学习从来都不是什么全新的东西。机器学习一词最早出现在20世纪50年代，"他解释道，"当时的研究人员阿瑟-塞缪尔（Arthur Samuel）创造了一种能够边下棋边改进的跳棋程序。"这种从经验中学习的能力就是我们所说的学习能力。"随着时间的推移，改变的不是这些想法的存在，而是社会对它们的认识程度。

波尔图建立的科学生态系统

上世纪 90 年代初，若昂-伽马开始在波尔图大学经济系任教，他的职业生涯与波尔图大学结下了不解之缘。乍看之下，波尔图大学似乎并不适合葡萄牙顶尖人工智能研究人员在此崭露头角。但若昂解释说："他说："这个小组在经济学系成立，因为帕维尔-布拉兹迪尔（Pavel Brazdil）教授就是在经济学系任教的。布拉兹迪尔在经济学院内成立了葡萄牙最早的国际相关机器学习小组之一。

在很多方面，地点决定了视角，因为经济学和社会科学已经在很大程度上依赖于大量数据和定量分析。传统的计量经济学通过预定义的模型来解决问题，而机器学习的方法则不同，它允许系统直接从数据本身学习模式。若昂发现自己正处于计算严谨性与现实世界复杂性的交汇点。

多年来，若昂通过教学、研究指导和创建科学网络，帮助巩固了这一生态系统，并将其扩展到葡萄牙以外的地区。他指导经济学院的数据分析硕士课程长达十多年，指导了数十名博士生和硕士生，其中许多人后来都建立了自己的研究事业。

从移动世界中学习

若昂-伽马发现现实世界是动态的，这促使机器学习发生了重大转变。传统模型依赖于静态数据集，而若昂研究的问题则是数据不断演变并很快过时的问题。这促使他开发了从数据流中学习的方法，在数据流中，算法会不断进行实时调整。这项工作的核心是 "概念漂移 "的理念，即认识到模式会随着时间的推移而改变。从消费者行为和城市交通到工业基础设施和环境系统，塑造现实世界的模式在不断演变。

若昂的工作正是从这种不稳定性中产生的，他解决了一个后来成为现代人工智能核心的基本问题：机器如何才能在不断变化的环境中继续适应和学习，而不重复从零开始？

他的工作成为该领域的基础。如今，他在数据流挖掘和概念漂移方面的研究是国际上被引用次数最多的研究之一，引用次数多达数万次，全球影响力遍及学术界和工业界。

通过与现实世界基础设施合作开发的项目，这项研究的实际意义变得尤为明显。其中最能说明问题的例子是与波尔图地铁公司的合作项目，其目的是在机械故障发生之前进行检测。

超级智能之前的责任

围绕人工智能的公共对话越来越多地围绕着对机器超越人类的恐惧展开。若昂对这些讨论持怀疑态度："他近乎幽默地说："此时此刻，机器仍然非常愚蠢。在若昂看来，当代人工智能系统仍然存在着根本性的局限，因为它们缺乏意识、自我意识以及对自己正在做什么的真正理解。它们执行的任务越来越复杂，但却没有反思意识。

他并没有否定人工智能的风险。相反，他关注的是当前的社会现实，如不平等、数据滥用、信息操纵和获取技术的不平等。他强调，技术不是中立的：人工智能塑造了机会、劳动力结构和信息获取方式，使那些能够利用人工智能的人获得优势，而其他人则落在后面。

这种担忧部分解释了为什么他非常重视欧洲在隐私监管和负责任的人工智能治理方面所做的努力。在乔看来，GDPR 等框架不是官僚主义的障碍，而是在信息以前所未有的速度和规模流通的世界中保护人类自主权的尝试。

作为思想之地的大学

尽管在国际上享有盛誉，但若昂-伽马的大部分身份仍与教学和学术生活紧密相连。在谈到指导学生时，他充满了真挚的感情，并将论文指导视为其职业生涯中最有价值的方面之一："他说："与人合作总是很愉快的。

这种观点也使他坚定地认为，大学是必须将研究与教学并重的场所。他认为，大学不仅仅是传播现有知识的机构，还肩负着提出新问题、培养批判性思维和维持创新所需的知识自由的责任。研究工作不仅需要技术，还需要有足够的精神和能力来思考哪些问题值得研究。即使在成为波尔图大学名誉教授后，若昂仍继续指导学生、领导研究项目，并积极参与 INESC TEC 的工作。实际上，除了从正式教学岗位上退下来之外，他几乎没有什么变化。研究、指导和科学合作仍然是他日常生活的中心。特别引人注目的是，他在谈到这一轨迹时，几乎没有个人主角意识。在退休前的最后一次演讲中，乔任梁没有把重点放在荣誉、奖项或职业里程碑上，而是放在了陪伴他走过几十年工作历程的人身上。"他说："我一个人什么也没做。"我必须感谢我的团队，但最重要的是我的学生。

不断适应

在与若昂-伽马交谈的过程中，我们越来越清楚地认识到，适应本身是他的科学和世界观的核心。他的研究侧重于能够不断学习的系统，因为他很早就明白，静态模型在动态现实中很难发挥作用。但同样的想法似乎也超越了算法的范畴。在他的职业生涯中，若昂多次将自己定位于经济学与计算机科学、理论与应用、研究与政策、学术界与公众辩论之间的转换。

作为自适应系统领域的世界顶尖专家之一，他如此频繁地谈论责任、协作和集体学习，这其中蕴含着某种默默的一致性。对若昂来说，无论是人工智能还是人类智能，都不是纯粹的个体智能，而是集体智慧的结晶。

归根结底，现在人工智能的大部分基础架构，即能够不断适应不断变化的现实的系统，之所以存在，部分原因是若昂-伽马花了数十年时间思考如何适应一个永不停歇的世界。