个人简介
Hongzi Mao 是计算机科学领域的杰出研究者，专注于机器学习与网络系统的交叉领域。他是 Hologram Labs 的联合创始人兼首席技术官，致力于将前沿AI技术转化为实际应用。此前，他在麻省理工学院获得计算机科学博士学位，师从 Mohammad Alizadeh 教授，并在香港科技大学获得理学学士学位。他曾在 Google DeepMind 和 Facebook 等顶级科技公司实习，积累了丰富的工业界经验。他的研究重点包括强化学习在网络系统中的应用、自适应视频流媒体、数据库查询优化等领域，其开创性工作 Pensieve 已成为该领域的经典基线方法。
主要成就
- 发表 SIGCOMM 2017 开创性论文《Neural Adaptive Video Streaming with Pensieve》，首次将端到端强化学习应用于自适应码率控制（ABR）问题，该论文已被引用超过340次，成为该领域公认的经典基线工作
- 提出 Flow-Loss 损失函数用于数据库基数估计，通过显式优化查询计划质量而非单纯追求估计精度，在未见查询模板上实现1.5倍的运行时间提升
- 研究成果被广泛应用于视频流媒体、数据库优化等领域，推动了强化学习在系统领域的应用
- 参与创立 Hologram Labs，将学术研究成果转化为商业产品
- 在顶级学术会议 SIGCOMM、VLDB 等发表多篇高影响力论文
成长历程
2010年前后
本科教育
在香港科技大学获得理学学士学位，主修计算机科学相关领域，为后续深造打下坚实基础
2014年前后
开始博士研究
进入麻省理工学院计算机科学与人工智能实验室（CSAIL），师从 Mohammad Alizadeh 教授，开始专注于网络系统与机器学习的交叉研究
2016年前后
Facebook 实习
在 Facebook 进行实习，深入了解工业界大规模系统的实际需求与挑战
2016年前后
Google DeepMind 实习
在 Google DeepMind 实习，接触最前沿的强化学习研究，为后续将强化学习应用于网络系统奠定基础
2017年
Pensieve 系统发表
在 ACM SIGCOMM 2017 发表《Neural Adaptive Video Streaming with Pensieve》，首次提出使用深度强化学习训练端到端的自适应码率控制算法，解决了传统方法在复杂网络环境和多样化QoE指标下的局限性
2017-2021年
博士研究深化
继续博士研究，将机器学习技术拓展应用到数据库查询优化领域，提出 Flow-Loss 等创新方法
2021年
获得博士学位
从麻省理工学院获得计算机科学博士学位，博士论文涵盖强化学习在网络系统和数据库优化中的应用
2021年前后
创立 Hologram Labs
与合作伙伴共同创立 Hologram Labs，担任联合创始人兼首席技术官（CTO），致力于开发新一代AI驱动的技术产品
相关文章
经典观点
"传统的自适应码率控制方法依赖手工设计的启发式规则，难以应对复杂多变的网络环境，应该使用端到端的强化学习让系统自动学习最优策略"
— SIGCOMM 2017《Neural Adaptive Video Streaming with Pensieve》
"基数估计的目标不应仅仅是提高估计精度，而应该直接优化对查询计划质量的影响"
— Flow-Loss 相关研究论文