本文系網(wǎng)易新聞?網(wǎng)易號特色內(nèi)容激勵(lì)計(jì)劃簽約賬號【智東西】原創(chuàng)內(nèi)容，未經(jīng)賬號授權(quán)，禁止隨意轉(zhuǎn)載。

(相關(guān)資料圖)

編譯 | Glu編輯 | 李水青

智東西7月7日報(bào)道，在7月6日舉行的2023世界人工智能大會(huì)（WAIC）開幕式上，人工智能專家、香港中文大學(xué)教授、商湯科技創(chuàng)始人兼執(zhí)行董事湯曉鷗發(fā)表了主題為《你好，上海》的演講。

這個(gè)主題由電影《你好，李煥英》延伸而來。他解釋說，從1994年的2500萬元到2021年的54億元票房，是中國原創(chuàng)電影人創(chuàng)造的奇跡；而現(xiàn)在，中國科技原創(chuàng)者也逐漸看到了曙光。

▲人工智能專家、香港中文大學(xué)教授、商湯科技創(chuàng)始人兼執(zhí)行董事湯曉鷗

接著，他分享了他的三名學(xué)生王曉剛、何愷明、林達(dá)華在深度學(xué)習(xí)領(lǐng)域追夢的故事：王曉剛讓機(jī)器的人臉識別首次超越了人類眼睛；何愷明開發(fā)了計(jì)算機(jī)視覺領(lǐng)域的流行架構(gòu)——深度殘差網(wǎng)絡(luò)（ResNets），解決了深度網(wǎng)絡(luò)梯度傳遞的問題，成為GPT等大模型系列的基礎(chǔ)；林達(dá)華主導(dǎo)發(fā)起了國際上最具影響力的視覺算法開源項(xiàng)目OpenMMLab。

▲Yann LeCun、Geoffrey Hinton、Yoshua Bengio ，圖源網(wǎng)絡(luò)

湯曉鷗認(rèn)為，2018年，深度學(xué)習(xí)領(lǐng)域的三位研究員Yoshua Bengio、Geoffrey Hintion、Yann LeCun被授予計(jì)算機(jī)界最負(fù)盛名的“圖靈獎(jiǎng)”，打開了深度學(xué)習(xí)的大門。但開啟這扇大門的第一聲門鈴，是由學(xué)者鄧力、Hintion按響的，他們2011年在語音識別中引入DNN（深度神經(jīng)網(wǎng)絡(luò)），從而取得了深度學(xué)習(xí)語音識別領(lǐng)域劃時(shí)代的突破；2012年，他們在計(jì)算機(jī)視覺識別領(lǐng)域中同樣取得了劃時(shí)代的突破。

“那么，2011年到2013年深度學(xué)習(xí)剛起步的時(shí)候，我們做了什么呢？”湯曉鷗引出了他的第一個(gè)學(xué)生，商湯集團(tuán)聯(lián)合創(chuàng)始人、執(zhí)行董事兼首席科學(xué)家王曉剛的故事。

一、王曉剛：讓機(jī)器人臉識別超過人眼，曾打敗谷歌

王曉剛本科是中國科學(xué)技術(shù)大學(xué)（簡稱：中科大）少年班，并且是中科大最好班級之一00班的第一名，碩士期間就讀于湯曉鷗實(shí)驗(yàn)室，并在2009年博士畢業(yè)后，再次回到了該實(shí)驗(yàn)室。

▲ 商湯集團(tuán)聯(lián)合創(chuàng)始人、執(zhí)行董事兼首席科學(xué)家王曉剛，圖源網(wǎng)絡(luò)

湯曉鷗說：“2011年到2013年的國際計(jì)算機(jī)視覺與模式識別會(huì)議（CVPR）和國際計(jì)算機(jī)視覺大會(huì)（ICCV）這兩個(gè)計(jì)算機(jī)視覺最重要的會(huì)議上，全球共有29篇文章以深度學(xué)習(xí)為主題，其中有14篇出自我們實(shí)驗(yàn)室。我們有18項(xiàng)工作是在全世界第一次將深度學(xué)習(xí)用到視覺問題上，包括人臉識別、人臉檢測、人臉重建、物體檢測、人體姿態(tài)、圖像超分、三維形狀識別等計(jì)算機(jī)視覺最核心的問題。在深度學(xué)習(xí)的大門上，我們按了18次門鈴。”

湯曉鷗還介紹道，王曉剛研發(fā)了DeepID人臉識別技術(shù)，讓機(jī)器做的人臉識別首次超過人類的眼睛，這比Facebook（現(xiàn)Meta公司）做的還早。此外，王曉剛2015年帶隊(duì)打敗了谷歌，取得了中國學(xué)者史上的第一個(gè)大規(guī)模視覺識別挑戰(zhàn)賽ImageNet世界冠軍。

二、何愷明：GPT類大模型都在用他的網(wǎng)絡(luò)結(jié)構(gòu)

第二個(gè)學(xué)生是何愷明。何愷明是2003年廣東高考狀元，本科就讀于清華物理系，碩士、博士期間師從湯曉鷗。

▲ Facebook AI Lab研究員何愷明，圖源網(wǎng)絡(luò)

湯曉鷗說，何愷明讀碩士期間就發(fā)了第一篇文章，并取得了2009年的CVPR最佳論文，這是CVPR整個(gè)25年歷史上第一篇出自亞洲的最佳論文。當(dāng)時(shí)湯曉鷗和何愷明開玩笑：“你一出手就到了巔峰，從此以后，你的學(xué)術(shù)生涯就只能往下走了。”但后來，他去微軟和Facebook工作后一路走高。

2011年，何愷明加入微軟亞洲研究院（MSRA），繼續(xù)研究計(jì)算機(jī)視覺和深度學(xué)習(xí)。在2015年之前，深度學(xué)習(xí)最多只能訓(xùn)練到20多層，他在網(wǎng)絡(luò)的每一層引入了一個(gè)直聯(lián)通道，從而解決了深度網(wǎng)絡(luò)梯度傳遞的問題，獲得了2016年的最佳論文。此后，學(xué)界可以訓(xùn)練超過百層的深度學(xué)習(xí)。在大模型時(shí)代，以Transformer為核心的大模型，包括GPT系列，也是普遍采用了這個(gè)結(jié)構(gòu)，以支撐上百層的堆疊模型。

湯曉鷗笑說：“何愷明把網(wǎng)絡(luò)做深了，谷歌把網(wǎng)絡(luò)的入口拉大了，又深又大，才成就了今天的大模型。”

何愷明2016年加入Facebook AI Research（FAIR），在這期間，他首次提出了一個(gè)真正高性能的物體檢測和算法框架MaskR-CNN，并獲得了ICCV2017年最佳論文。

湯曉鷗稱，何愷明是世界上唯一一個(gè)在畢業(yè)不到十年內(nèi)，三次以第一作者的身份獲得CVPR、ICCV最佳論文的人。他首次把基于源碼的自編碼思想用于視覺領(lǐng)域的非監(jiān)督學(xué)習(xí)，開啟了計(jì)算機(jī)視覺領(lǐng)域自監(jiān)督學(xué)習(xí)大門，并被推廣到三維、音頻甚至是AI領(lǐng)域。

湯曉鷗還透露，何愷明即將會(huì)有一個(gè)“比較震撼的動(dòng)作”。

三、林達(dá)華：主導(dǎo)OpenMMLab，開發(fā)書生系列大模型

第三個(gè)學(xué)生是林達(dá)華，他本科就讀于中國科大，碩士在香港中文大學(xué)，博士是MIT（麻省理工大學(xué)）。他2010年在MIT讀博士期間，獲得機(jī)器學(xué)習(xí)的最高獎(jiǎng)——NIPS（神經(jīng)信息處理系統(tǒng)大會(huì)）最佳學(xué)生論文，2014年回到湯曉鷗的實(shí)驗(yàn)室做教授。

▲香港中文大學(xué)教授林達(dá)華，圖源網(wǎng)絡(luò)

湯曉鷗稱：“林達(dá)華的第一項(xiàng)工作成果是OpenMMLab，2018年從一個(gè)小團(tuán)隊(duì)開始，在沒有推廣投入的情況下，以口口相傳的形式成為國際上最具影響力的視覺算法開源體系，在GitHub上累積了8萬多個(gè)星標(biāo)，目前用戶遍及全球140多個(gè)國家和地區(qū)，60%用戶來自海外。”

湯曉鷗還介紹了林達(dá)華的其他兩項(xiàng)工作成果，即將正式發(fā)布的千億參數(shù)、8K的多語種大語言模型“書生·浦語”，和2000億參數(shù)、覆蓋100平方公里的城市級實(shí)景三維大模型LandMark。

四、AI大樹“結(jié)果”：全華團(tuán)隊(duì)首次獲CVPR最佳論文

對于三名學(xué)生在人工智能領(lǐng)域的成果，湯曉鷗評價(jià)：“王曉剛在深度學(xué)習(xí)興起的最初幾年，灑下了很多原創(chuàng)的種子；何愷明將深度學(xué)習(xí)的根基打得非常牢、非常深；林達(dá)華通過開發(fā)和大模型讓它枝繁葉茂。”

他還說：“讓我非常欣慰的是，這顆大樹已經(jīng)開始開花結(jié)果。就在兩周前，我們的自動(dòng)駕駛大模型從9155篇文章中脫穎而出，獲得了CVPR2023年的最佳論文獎(jiǎng)。”湯曉鷗援引谷歌學(xué)術(shù)統(tǒng)計(jì)，稱這是改革開放40多年來第一篇全部由中國學(xué)者完成的國際計(jì)算機(jī)視覺三大頂會(huì)的最佳論文，論文的牽頭作者是王曉剛帶出來的博士。此外，OpenMMLab是林達(dá)華帶出來的博士陳愷做出來的。

當(dāng)年湯曉鷗實(shí)驗(yàn)室的另一篇“超過人眼的人臉識別技術(shù)”論文的作者陸超超，也從劍橋大學(xué)博士畢業(yè)回到了上海，正在和中國唯一的圖靈獎(jiǎng)獲得者姚期智先生在上海的期智研究院合作，從事AI基礎(chǔ)理論研究。湯曉鷗不禁感慨道：“人工智能領(lǐng)域，新一代的學(xué)生已經(jīng)在上海成功起步！”

在演講的最后，湯曉鷗再一次感謝上海，感謝合作過的學(xué)生與老師，并援引了于謙在電影《好老師》的一句臺(tái)詞：“我不是在最好的時(shí)光遇見了你們，而是遇見了你們才有了這段最好的時(shí)光。”

作為一個(gè)在上海工作的東北人，湯曉鷗帶有東北人自帶的幽默感，他最后感嘆到，自己每天晚上睡覺前，都是一邊聽著于謙老師的相聲，一邊在想：“機(jī)器怎么可能超過這樣有趣的靈魂？我不信。”

結(jié)語：中國AI高峰背后，幾代人砥礪前行

在2023 WAIC上，湯曉鷗分享了自己的三名學(xué)生在大模型領(lǐng)域做出的原創(chuàng)貢獻(xiàn)，包括王曉剛讓機(jī)器的人臉識別能力超過人眼；何愷明開發(fā)深度殘差網(wǎng)絡(luò)，把網(wǎng)絡(luò)做深，助力今天的大模型；林達(dá)華開發(fā)書生系列千億級參數(shù)大模型。通過梳理這三名學(xué)者的研究成果，也向我們展示了中國的深度學(xué)習(xí)研究從起步、成長到進(jìn)一步枝繁葉茂的過程。

現(xiàn)在，人工智能已經(jīng)成為國家發(fā)展重點(diǎn)戰(zhàn)略，今年的CVPR最佳論文更是由全中國學(xué)者所完成的。這不僅僅是一批人的成就，更展現(xiàn)了一代代中國人工智能學(xué)者薪火相傳、勇攀高峰的過程。

關(guān)鍵詞：