重磅！顶尖AI学者UCLA教授全职回国，拟加入清华大学

首页 / 计算机科学 / 正文

重磅！知名AI学者UCLA教授全职回国，拟加入清华大学

更新时间：2024-09-27

近日，有多方消息证实，知名 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]