重磅!顶尖AI学者UCLA教授全职回国,拟加入清华大学

发布时间:2020-09-16

近日,有多方消息证实,顶级 AI 华人学者、UCLA 教授朱松纯将全职回国,拟加入清华自动化系,职务为教研系列教授。同时,有网友爆料称,朱松纯教授已抵达中国境内并结束隔离。

亏恶如.png

9月13日,朱松纯教授已于近日以国家战略科学家的身份回国,受北京市政府、北京市科学技术委员会邀请,筹建新型科研机构(民办非赢利)——北京通用人工智能研究院(Beijing Institute for General Artificial Intelligence),并出任院长一职。同时,将与北京大学、清华大学就相关领域开展深入研究合作,共同建设。

8899缴费.png

朱松纯(Song-Chun Zhu),湖北鄂州人,全球著名计算机视觉专家、统计与应用数学家、人工智能专家。曾任美国加州大学洛杉矶分校(UCLA)统计学系与计算机系教授,UCLA计算机视觉、认知、学习与自主机器人中心(Center for Vision, Cognition, Learning and Autonomy,VCLA)主任。研究范围涵盖计算机视觉、统计建模与计算、认知科学、机器学习、自主机器人等领域。

朱松纯于1996年获哈佛大学计算机博士学位,师从国际数学大师大卫·曼福德教授,在国际顶级期刊和会议上发表论文300余篇,并三次问鼎计算机视觉领域国际最高奖项——马尔奖。在认知科学领域,如视觉常识推理、场景理解等领域做出重要贡献。朱松纯在1990年代率先将概率统计建模与随机计算方法引入计算机视觉研究,提出了一系列图像与视频的结构化解译的框架、数理模型和统计算法,发展了广义模式理论 [General Pattern Theory]。


工作经历


朱松纯于2002年加入加州大学洛杉矶分校统计系与计算机科学系,担任副教授,并于2006年晋升为正教授。朱松纯组建了UCLA视觉、认知、学习和自主中心,并领导了美国多个大型跨学科AI项目。他长期致力于构建计算机视觉、认知科学、乃至人工智能科学的统一数理框架,其中包括作为统一表示形式的时空、时间和因果图(STC-AOG)以及用于推理和学习的众多蒙特卡洛方法 。

2005年,朱松纯联合沈向洋 [Harry Shum] 等多位知名科学家在中国湖北省鄂州市创建民办、非营利性国际交流平台——莲花山研究院,并任院长。研究院的一个先期项目是收集大量的图像,手工标注图像中的场景、物体和部件、关系、功能等,至2010年已积累超过50万张图像数据,是发展计算机视觉的物体识别和图像解译任务的先行者。

朱松纯组织过多场学术研讨会及会议。在2012年罗德岛普罗维登斯举行的计算机视觉与模式识别(CVPR)会议上,朱松纯作为大会主席向Ulf Grenander颁发了先锋勋章(Pioneer Medal)。2019年CVPR在美国加州长滩举行,朱松纯再次担任大会主席。

2017年7月,朱松纯在美国洛杉矶创立暗物智能科技DMAI,致力于打造基于强认知AI的技术平台。


学术成果


朱松纯已在国际顶级期刊和会议上发表论文300余篇,其研究成果集中在以下四个时期和领域:

一、视觉的统计建模与计算理论 —— 为马尔的视觉理论建立统一的数理模型

1995-2005年期间,朱松纯教授与导师曼福德、UCLA同事以及博士生,为计算视觉创始人马尔提出的早期视觉 [early vision] 概念, 包括纹理 [texture]、图像基元 [Texton] 以及原始简约图 [primal sketch] 等建立了一个统一的数理模型;提出统计建模的最小最大熵原理 [minimax entropy principle];将神经学和心理学的发现,植入统计物理的吉布斯模型 [Gibbs Model], 从而导出一类新型的马尔科夫随机场的概率模型 [FRAME],并将该模型扩展到中层视觉模型,描述形状与格式塔 [Gestalt] 组成原则;发现自然图像的尺度不变与尺度变化的统计规则,将各种视觉模式及其对应的数理模型映射到一个连续的熵频谱 [entropy spectrum] 和信息尺度 [information scaling];进一步研究了各种模型之间跳转和感知转化 [perceptual transition] 的机制,与博士生王亦洲 [现为北大教授] 导出感知尺度空间理论 [perceptual scale space]。

在1990年代,朱松纯发展了两类新的非线性偏微分方程(PDE)。一类用于图像分割,将PDE连接到统计图像模型的这项工作在ICCV 2013上获得了赫尔姆霍茨奖。另一类称为GRADE(Gibbs Reaction and Diffusion Equations,吉布斯反应和扩散方程)于1997年发表,并在计算机视觉领域首次采用Langevin动力学方法进行推理和学习随机梯度下降。(Stochastic gradient descent,SGD)。

二、实现图像与场景的解译(parsing)计算框架 —— 扩展了模式识别创始人傅京孙先生的句法模式识别理论

1999-2010年期间,朱松纯与其首位博士生屠卓文 [现为UCSD教授] 提出用数据驱动的蒙特卡洛马尔可夫链方法[Data-Driven Markov Chain Monte Carlo]求图像分割和解译 [Image Parsing] 问题的全局最优解;与其博士生Adrian Barbu [现为FSU教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法,在通用的概率采样 [sampling] 计算中,实现大的状态跳转,突破传统方法计算的瓶颈问题。

该领域的这一进步使拆分合并运算符在文献中首次可逆,并且比吉布斯采样器和跳跃扩散方法快了100倍。这一工作获得第九届国际视觉大会颁发的马尔奖, 并重新激起了同行对于图像解译工作的兴趣。

2006-2015年间,朱松纯教授提出了概率随机的与或图 [and-or graph] 模型来表达上下文相关图语法 [graph grammar],重启了模式识别领域创始人傅京孙先生倡导的句法模式识别框架;提出时空因果与或图 [Spatial,Temporal,Causal And-or graph STC-AOG] 为物体、场景、事件和因果关系建立统一的模型,并用于场景与事件的解译任务。

三、提出人工智能的“暗物质” —— 研究视觉与认知的物理与社会常识

自2010年以来,朱松纯将计算机视觉与认知科学、自然语言理解、机器人等学科结合,探索他所称的“人工智能的暗物质”——占95%的、无法通过感知输入观测到的智能。

视觉与认知科学的结合:实现物理常识的推理 , 比如物体和场景的物理属性、使用功能、行为的因果率;  和社会常识的推理 , 比如人的意图、动机、目的。由此丰富了对场景和事件的理解的内涵。

视觉与自然语言理解的结合:通过人机情景对话来获取常识,并于2010年率先从图像和视频的解译图中自动产生文本描述的I2T 【Image Parsing to Text Generation] 方法。

视觉与机器人结合:提出来自主机器人与人类深度协作的认知构架 [cognitive architecture] 和通讯协议, 以到共境【shared situation】、共识【shared model】、共行【shared plan】、和共同价值观【shared value】。

四、探索迈向通用人工智能的新的研究路径 ——“小数据、大任务”范式

朱松纯在2017年发表了一篇广为流传的文章 《浅谈人工智能:现状、任务、构架与统一》。在文中,朱松纯将行业中流行的数据驱动型深度学习研究称为“大数据、小任务''范式。该范式使用大量标注的数据为每个特定任务训练神经网络,导致AI模型无法解释、应用范围狭窄等问题。与之相反,朱松纯提出了“小数据、大任务”的范式,主张以此来实现通用人工智能。

朱松纯团队构建了一个大规模、物理逼真的VR / AR环境,用于训练和测试负责执行大量日常任务的自主AI智能体。这些智能体整合视觉,语言,认知,机器学习和机器人技术等领域的能力,在此过程中发展物理常识和社会常识,并使用认知架构与人类进行交流。


学术职务


2015-2020年,第二次担任美国视觉、认知科学、AI领域跨学科合作项目MURI首席科学家[Principal Investigator];

2016年,再次当选国际计算机视觉与模式识别大会[CVPR]2019年度主席;

2011-2013年,担任国际模式识别协会Aggarwal 奖评选委员会主席;

2012年,担任电气和电子工程师学会[IEEE]计算机学会会士[fellow]评选委员会 副主席;

2012年,担任国际计算机视觉与模式识别大会 [CVPR] 主席;

2011年,电气和电子工程师学会[IEEE]计算机学会会士fellow;

2010-2015年,首次担任美国视觉、认知科学、AI领域跨学科合作项目MURI首席科学家;

2005年,与沈向洋等创建民办、非营利性国际交流平台湖北莲花山研究院,并任院长


奖项荣誉


· 2017年,计算建模奖 [Computational Modeling Prize],国际认知科学学会 [Cognitive Science Society]

· 2013年,赫尔姆霍茨奖 [Helmholtz Test-of-Time Award],第14届国际计算机视觉大会颁发

· 2008年,第二届J.K.Aggarwal 奖,国际模式识别协会[5]

· 2007年,马尔奖荣誉提名,第11届国际计算机视觉大会

· 2003年,马尔奖,第九届国际计算机视觉大会

· 2001年,Sloan fellow, Sloan基金

· 2001年,青年教授奖励基金 [Career Award],美国国家科学基金委员会

· 2001年,杰出青年科学家奖 [ONR Young Investigator Award],美国海军研究所颁发

· 1999年,马尔奖 [Marr Prize] 荣誉提名, 第7届国际计算机视觉大会颁发

· 1995年,哈佛大学工程领域 Ali Jury 奖

· 1992年,哈佛大学研究生院奖学金


计算机观察家.jpg


X