美国之行，发生了很多非常有趣的事情，学习了很多，也感受了很多。由于其他队友已经有很多有意思的描述，我就简单总结感受比较深的如下几点。

    紧凑的行程
    整个美国之行安排的非常紧张，一看就具有微软作风：）大致行程是这样的，第一天：早上到旧金山，之后转乘飞机到Redmond小旅馆住下，下午购物，晚上Eillen姐请吃饭；第二天：上午参观波音公司，下午游玩漂亮的deception pass公园，晚上洪院长请客；第三天：白天与微软公司的大牛们座谈、了解总部的情况以及各个研究组的研究内容，晚上去Bill家BBQ；第四天：上午与MSN group的研究员座谈，参观微软的未来之家，下午与XBox组的研究人员座谈并亲自体验XBox360，然后到华盛顿大学参观访问；晚上大家集体聚餐，享受美味的海鲜大餐；第五天，乘机返京。这几天时间，让我们有机会体会西雅图的风土人情，感受微软研究院的文化，体验牛人们以及Bill本人的风采，有机会得到牛人们直接和间接的指导，的确十分值得。

    牛人的风采
    在微软研究院的两天，也就是整个行程的第三天和第四天，是我们整个美国之行的重点。我们跟Rico，学东，自成，Rick Rashid，Yimin，Zhao Feng等人分别进行了座谈。在他们风趣、清楚的描述中，我们对微软总部的研究有了初步的认识，对他们各自从事的研究也有了一些了解，当然更重要的是得到了他们很多很好的意见和指点。
    比如Rico，他是Distinguished Engineer，也是微软公司Redmond研究院的director，给我们介绍了研究院的研究内容，并做了精彩的演示。其中一个能根据说话人方位自动降噪的麦克风，引起了我们的很大兴趣，以至于后来大家在微软的未来之家，大家又提了关于它的问题。比如学东，他是Incubation组的General Manager，给我们在创新能力和执行能力方面做了很多有益的指导；还有掌管所有研究院的大头Rick^-^，他深入浅出的给我们讲了微软研究院的定位，与高校计算机系的区别和联系，以及我们实习学生应该重点学习的内容等；当然还有Yimin非常有意思的“不要排队”的理论让我们在大笑之余，更加深刻的体会了创新的重要性；跟MSN和XBox组的研究员的座谈，也让我们进一步体会了什么才是真正的商业软件，什么才是面向市场和用户......
    跟他们座谈完之后，我有两点印象非常深刻：第一点是这些人有很强的communication skills，他们讲的内容非常清晰易懂；第二点就是牛人们都很谦虚很好接近。我甚至都觉得，即使不能见到彪哥（Eileen姐说应该叫彪叔^-^），这一趟都值了。

    跟彪哥握手
    在写下这个小标题之后，我突发奇想搜索了一把，发现网上已经有很好的介绍http://www.peacehall.com/news/gb/misc/2006/06/200606190123.shtml，而我的队友栾青他们也都已经有了详细的描述，发现自己可以不用再写了。其实这个时刻，也并非文字能描述的。我想还是等到以后再仔细回忆吧。只是有个细节，一想起来就想笑：见到彪哥时，我正握着装满冰水的杯子。轮到我握手时，我突然意识到握手应该是右手，于是赶紧把杯子换到左手，然后把冰凉的右手伸了出去握了一把。不知道彪哥会不会对我有深刻的映象，估计还从来没人能让他觉得如此清醒：）

    英语的遗憾
    人在美国，欣赏西雅图美丽的风光，感受牛人们别具一格的风采，可以说有太多的感悟和收获。只是感慨的是，自己的英语口语确实太烂。虽然阅读写作还算过得去，没想到把英语说出来竟然如此蹩脚，而且没想到主人们还能勉强听懂，不由得让我肃然起敬。洪院长倒是挺大度的，鼓励大家多说，说慢些，这个难关就可以过了。我想也是时候提高口语技能了。

    多赚钱
    永恒不变的话题，再次强烈感受，再次强调：）

      最近运气不错，连过两道难关，忍不住跟大家分享一下：）
      先是跟Eileen姐舌战美国签证官，拿到赴美的visa。 即使面对签证官时我自始至终只说了两句话，但不说的话估计也不能全线大捷啊，所以还是有我的功劳滴～^-^。
      因为是团队一起签证，领队Eileen姐回答了签证官n个问题，排第一的队长同学也回答了几个，到后面的同学时几乎没问什么正经问题。等轮到倒数第二个的我时就更离谱了，两句话搞定。我对签证官第一句就是在她问我有没有带简历时，我说“Please wait for a minute”。掏出简历后我说了第二句“Here you are”。面对我竖起的耳朵和摆好的pos，签证官居然视而不见，马上转向我们同组的美眉，让我失去了继续检验英语口语和听力的机会。当然我后面的美眉待遇更好，只说了一句话，就被pass了。那句话就是告诉签证官她的简历已经交上去了：）
      第二件开心的事是顺利通过博士开题报告。虽然有点仓促，也算如我所愿：）
      我从周一开始写开题报告书，周二下午因赴京暂停撰写，星期三到京后继续写了一段，周四签证回来时已是下午5点，又利用余下的时间，终于整理好一个完整的版本。周四晚需要继续坐9点的火车回西安，可是这时候我的slides还没开始做。等我趴在T43的卧铺上，终于搞定slides的提纲时，已是晚上12点多。周五更是疯狂的一天，下火车后我直扑实验室，到下午两点slides终于新鲜出炉，这个时候离开题时间只有半个小时。等到5点多，听开题报告的教授们通过我的报告后，我已经不知道自己该说什么好了。
      总结一下，凡是都需要积累。如果没有Eileen姐周全的准备，估计我们就会被卡在签证官要求的evidence of microsoft internship上。如果没有平时撰写的一堆slides以及被李航老师再三修改的论文，估计开题报告就得推迟到下半年了。但是时间上有些紧张，如果提早做准备，可能不会这么紧张了。

    终于得到正式通知，有幸入选MSRA年度Top10实习生之列。作为奖励，大家被邀请到MS在美国Redmond的总部参观，参加Bill G家草坪上的BBQ，甚至和Bill G本人直接交流。

    的确有些兴奋。这个最富有传奇色彩的人，可能永远是大家津津乐道的话题之一。在微软亚洲研究院实习了不短时间，听一些跟他直接交流过的研究员说起过他，也曾在北京二十一世纪计算的会场上隔着数道人墙见过他，但是，面对面的交流，却是从来没敢想过。不是因为他身份显赫财富惊人，而是因为他凭着当初的让每个家庭都能用上个人计算机的念头从而成功成为软件产业的领头羊的经历。本人一直好奇，每个人都有梦想，为什么他能如此成功。也许，亲身感受一下，会更有感触。

    通知是下来了，接下来要面临麻烦的签证。刚好面临自己久拖不决的论文快脱手的当口，注定要忙的一团糟了。改天有时间再来瞎掰：）

    下午李航博士给Speech组做了Information Extraction的报告，我们几个WSM组的同学也去蹭了一把。虽然内容都是我熟悉的，但是听完后，又是一番感受。
    高屋建瓴，用来形容他的讲座毫不过分。他先介绍了一下Information Extraction, Information Retrieval和 Data Mining的关系，让大家宏观上有了一个感性的认识。然后把sequence data labeling问题的两种不同解决途径，即Generative model和Discriminative model， 做了对比介绍； 接着以chain model为例，把HMM, ME, MEMM, CRF和Voted Perceptron几种典型的模型都串在一起，让大家了解这几种模型的发展历程，详细介绍了这几种模型的特点和本质。最后简要介绍了一个典型应用，给出了一个初步但清晰的结论。
    由于今天是做大致的介绍，所以他没有涉及太多的detail，而是从宏观的角度，从模型的本质来介绍。整体介绍的颗粒度比较一致，没有涉及太多的detail，基本概念很清楚，思路比较一致，的确反映了他的功底。由于talk是交互式的，所以中间会被打断。这些打断虽然可能暂时让talk偏移了讨论的重点，但加深了大家的理解。不过也因为打断，使得思路不太连续，详略控制的不太好，有些细节的地方并没有太讲透。当然这些都是暇不掩玉的，即使我对这些比较熟悉了，还是受益非浅。我相信其他人估计也会有同感吧。

    HMM在语音识别中的成功应用，让大家有了第一种做IE的经典模型。然而HMM需要做特征独立的假设，不容易扩展feature空间，需要生成所有的Observation，而且由于Generative model求解的是联合概率，与IE的真正目标并不一致，所以导致了其自身发展受限制。 直到二十世纪九十年代中后期，由于classification技术的成熟，大家想到了用Maximum Entropy来解决IE问题，将sequence lebal转化成tocken的classification问题。    ME模型虽然能使用更丰富的feature，但是由于丧失了sequence的信息，使得其在IE中的应用仍然有继续提升的余地，因此MEMM应运而生。MEMM引入了state之间转移的条件概率，一定程度上结合了HMM和ME的优点，的确提高了IE的性能。    然而，MEMM仍然是一个局部模型，训练时考虑的是局部的优化，而全局优化是通过decoding来实现，并没有结合到训练的过程中，而且还存在label bias问题，所以Lafferty提出了一个Global的模型，结合Random Fields的特性，很好地解决了前几种IEmodel的问题。这个模型就是目前IEmodel发展的顶峰：CRF。唯一美中不足的是，CRF的训练耗时较大。因此，Collins提出的Voted Perceptron，无意中成了CRF的简化版本。虽然效果差一点，但速度得到了很大的提高，也算是功德无量。至于Taskar后来引入的maximum margin思想，将IE问题转化为分类问题，但个人认为，这个转化并不十分漂亮，而且与CRF相比并非非常的impresive。

    纵观CRF的发展，IE model似乎走向成熟。然而，事实真的是这样的吗？我们真的揭示了IE问题的本质了吗？？下一步，我们将走向何方？