重磅!頂級華人學者全職回國,擬加入清華大學

近日，有多方消息證實，頂級 AI 華人學者、UCLA 教授朱松純將全職回國，擬加入清華自動化系，職務為教研系列教授。同時，有網友爆料稱，朱松純教授已抵達中國境內並結束隔離。

等領域。

計算機視覺專家、統計與應用數學家、人工智慧專家計算機視覺、統計建模與計算、認知科學、機器學習、自主機器人

朱松純於1996年獲哈佛大學計算機博士學位，師從國際數學大師大衛·曼福德教授，在國際頂級期刊和會議上發表論文300餘篇，並三次問鼎計算機視覺領域國際最高獎項——馬爾獎。在認知科學領域，如視覺常識推理、場景理解等領域做出重要貢獻。朱松純在1990年代率先將概率統計建模與隨機計算方法引入計算機視覺研究，提出了一系列圖像與視頻的結構化解譯的框架、數理模型和統計算法，發展了廣義模式理論 [General Pattern Theory]。

工作經歷

朱松純於2002年加入加州大學洛杉磯分校統計系與計算機科學系，擔任副教授，並於2006年晉升為正教授。朱松純組建了UCLA視覺、認知、學習和自主中心，並領導了美國多個大型跨學科AI項目。他長期致力於構建計算機視覺、認知科學、乃至人工智慧科學的統一數理框架，其中包括作為統一表示形式的時空、時間和因果圖（STC-AOG）以及用於推理和學習的眾多蒙特卡洛方法 。

2005年，朱松純聯合沈向洋 [Harry Shum] 等多位知名科學家在中國湖北省鄂州市創建民辦、非營利性國際交流平臺——蓮花山研究院，並任院長。研究院的一個先期項目是收集大量的圖像，手工標註圖像中的場景、物體和部件、關係、功能等，至2010年已積累超過50萬張圖像數據，是發展計算機視覺的物體識別和圖像解譯任務的先行者。

朱松純組織過多場學術研討會及會議。在2012年羅德島普羅維登斯舉行的計算機視覺與模式識別（CVPR）會議上，朱松純作為大會主席向Ulf Grenander頒發了先鋒勳章（Pioneer Medal）。2019年CVPR在美國加州長灘舉行，朱松純再次擔任大會主席。

2017年7月，朱松純在美國洛杉磯創立暗物智能科技DMAI，致力於打造基於強認知AI的技術平臺。

學術成果

朱松純已在國際頂級期刊和會議上發表論文300餘篇，其研究成果集中在以下四個時期和領域：

一、視覺的統計建模與計算理論 —— 為馬爾的視覺理論建立統一的數理模型

1995-2005年期間，朱松純教授與導師曼福德、UCLA同事以及博士生，為計算視覺創始人馬爾提出的早期視覺 [early vision] 概念， 包括紋理 [texture]、圖像基元 [Texton] 以及原始簡約圖 [primal sketch] 等建立了一個統一的數理模型；提出統計建模的最小最大熵原理 [minimax entropy principle]；將神經學和心理學的發現，植入統計物理的吉布斯模型 [Gibbs Model]， 從而導出一類新型的馬爾科夫隨機場的概率模型 [FRAME]，並將該模型擴展到中層視覺模型，描述形狀與格式塔 [Gestalt] 組成原則；發現自然圖像的尺度不變與尺度變化的統計規則，將各種視覺模式及其對應的數理模型映射到一個連續的熵頻譜 [entropy spectrum] 和信息尺度 [information scaling]；進一步研究了各種模型之間跳轉和感知轉化 [perceptual transition] 的機制，與博士生王亦洲 [現為北大教授] 導出感知尺度空間理論 [perceptual scale space]。

在1990年代，朱松純發展了兩類新的非線性偏微分方程（PDE）。一類用於圖像分割，將PDE連接到統計圖像模型的這項工作在ICCV 2013上獲得了赫爾姆霍茨獎。另一類稱為GRADE（Gibbs Reaction and Diffusion Equations，吉布斯反應和擴散方程）於1997年發表，並在計算機視覺領域首次採用Langevin動力學方法進行推理和學習隨機梯度下降。（Stochastic gradient descent，SGD）。

二、實現圖像與場景的解譯（parsing）計算框架 —— 擴展了模式識別創始人傅京孫先生的句法模式識別理論

1999-2010年期間，朱松純與其首位博士生屠卓文 [現為UCSD教授] 提出用數據驅動的蒙特卡洛馬爾可夫鏈方法[Data-Driven Markov Chain Monte Carlo]求圖像分割和解譯 [Image Parsing] 問題的全局最優解；與其博士生Adrian Barbu [現為FSU教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法，在通用的概率採樣 [sampling] 計算中，實現大的狀態跳轉，突破傳統方法計算的瓶頸問題。

該領域的這一進步使拆分合併運算符在文獻中首次可逆，並且比吉布斯採樣器和跳躍擴散方法快了100倍。這一工作獲得第九屆國際視覺大會頒發的馬爾獎， 並重新激起了同行對於圖像解譯工作的興趣。

2006-2015年間，朱松純教授提出了概率隨機的與或圖 [and-or graph] 模型來表達上下文相關圖語法 [graph grammar]，重啟了模式識別領域創始人傅京孫先生倡導的句法模式識別框架；提出時空因果與或圖 [Spatial，Temporal，Causal And-or graph STC-AOG] 為物體、場景、事件和因果關係建立統一的模型，並用於場景與事件的解譯任務。

三、提出人工智慧的「暗物質」 —— 研究視覺與認知的物理與社會常識

自2010年以來，朱松純將計算機視覺與認知科學、自然語言理解、機器人等學科結合，探索他所稱的「人工智慧的暗物質」——佔95％的、無法通過感知輸入觀測到的智能。

視覺與認知科學的結合：實現物理常識的推理 ， 比如物體和場景的物理屬性、使用功能、行為的因果率； 和社會常識的推理 ， 比如人的意圖、動機、目的。由此豐富了對場景和事件的理解的內涵。

視覺與自然語言理解的結合：通過人機情景對話來獲取常識，並於2010年率先從圖像和視頻的解譯圖中自動產生文本描述的I2T 【Image Parsing to Text Generation] 方法。

視覺與機器人結合：提出來自主機器人與人類深度協作的認知構架 [cognitive architecture] 和通訊協議， 以到共境【shared situation】、共識【shared model】、共行【shared plan】、和共同價值觀【shared value】。

四、探索邁向通用人工智慧的新的研究路徑 ——「小數據、大任務」範式

朱松純在2017年發表了一篇廣為流傳的文章 《淺談人工智慧：現狀、任務、構架與統一》。在文中，朱松純將行業中流行的數據驅動型深度學習研究稱為「大數據、小任務''範式。該範式使用大量標註的數據為每個特定任務訓練神經網絡，導致AI模型無法解釋、應用範圍狹窄等問題。與之相反，朱松純提出了「小數據、大任務」的範式，主張以此來實現通用人工智慧。

朱松純團隊構建了一個大規模、物理逼真的VR / AR環境，用於訓練和測試負責執行大量日常任務的自主AI智能體。這些智能體整合視覺，語言，認知，機器學習和機器人技術等領域的能力，在此過程中發展物理常識和社會常識，並使用認知架構與人類進行交流。

學術職務

2015-2020年，第二次擔任美國視覺、認知科學、AI領域跨學科合作項目MURI首席科學家[Principal Investigator]；

2016年，再次當選國際計算機視覺與模式識別大會[CVPR]2019年度主席；

2011-2013年，擔任國際模式識別協會Aggarwal 獎評選委員會主席；

2012年，擔任電氣和電子工程師學會[IEEE]計算機學會會士[fellow]評選委員會 副主席；

2012年，擔任國際計算機視覺與模式識別大會 [CVPR] 主席；

2011年，電氣和電子工程師學會[IEEE]計算機學會會士fellow；

2010-2015年，首次擔任美國視覺、認知科學、AI領域跨學科合作項目MURI首席科學家；

2005年，與沈向洋等創建民辦、非營利性國際交流平臺湖北蓮花山研究院，並任院長

獎項榮譽

· 2017年，計算建模獎 [Computational Modeling Prize]，國際認知科學學會 [Cognitive Science Society]

· 2013年，赫爾姆霍茨獎 [Helmholtz Test-of-Time Award]，第14屆國際計算機視覺大會頒發

· 2008年，第二屆J.K.Aggarwal 獎，國際模式識別協會[5]

· 2007年，馬爾獎榮譽提名，第11屆國際計算機視覺大會

· 2003年，馬爾獎，第九屆國際計算機視覺大會

· 2001年，Sloan fellow， Sloan基金

· 2001年，青年教授獎勵基金 [Career Award]，美國國家科學基金委員會

· 2001年，傑出青年科學家獎 [ONR Young Investigator Award]，美國海軍研究所頒發

· 1999年，馬爾獎 [Marr Prize] 榮譽提名, 第7屆國際計算機視覺大會頒發

· 1995年，哈佛大學工程領域 Ali Jury 獎

· 1992年，哈佛大學研究生院獎學金

來源：知乎、機器之心、維基百科等

明天有重要消息

別忘了關注我們