|
|
杨净 鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
何恺明MIT求职演讲，真成AI圈大型追星现场了！
据量子位身处现场的听众朋侪传回的消息，有同砚提前3个小时已经蹲在门口列队了。
到演讲开始前半个小时，门口的队伍听说都打了好几个弯……
来浅浅感受一下现场的氛围：
此前何恺明回归学界的消息传出，咱们就聊过，这次Job Talk（求职演讲）代表何恺明至少已经通过了MIT的简历筛选，研究结果和本领得到了开端承认。
对于这次演讲，何恺明也是预备了超129页PPT，回首了他在CV范畴所做的工作，涵盖ResNet、Faster RCNN、Mask RCNN、MoCO和MAE。
在谈到将来工作方向时，何恺明还提到了AI for Science。
除了关心大神的演讲自己，另有网友留意到了何恺明的最新变革：
何恺明重返学界
现在，尚不能确定何恺明末了是否会和MIT乐成牵手。但此次演讲，是他寻讨教职听说的靴子落地。
另有网友发现，假如何恺明终极乐成入职，那么他将成为MIT被引次数最高的人。
现在，MIT全校被引用次数最高的，是化学与生物医学工程系的重量级传授Robert Langer，次数为38万+。
而何恺明被引用次数高达40万+。
此中，何恺明最出圈的研究，非ResNet莫属，在2021年底突破10万大关，现在已经涨到15万。
ResNet自己虽为盘算机视觉范畴研究，但其焦点头脑残差毗连已经跨界成为当代深度学习模子的根本组件。
开启上一次AI高潮的AlphaGo Zero就是联合了ResNet+强化学习+蒙特卡洛搜刮共同完成。而开启最新AI高潮的ChatGPT，此中的“T”也就是Transformer网络中同样利用了残差毗连。
在盘算机视觉上，何恺明的重要贡献还包罗Faster R-CNN及后续的Mask R-CNN等一系列研究，在许多年都是目的检测的主流方法。
他的近期重要研究爱好是无监视学习，21年底提出的MAE，将语言模子的掩码预练习方法用在视觉模子上，为视觉大规模无监视预练习大模子开路。近来他还将掩码方法引入浩繁AI绘画应用的底子模子CLIP，把练习速率提拔了3.7倍。
不外也有知乎匿名用户从现场发来见解：整个Talk的质量并欠好，何恺明没用一个好的故事把工作串联起来。
这是不是阐明就连何恺明也不知道怎么讲好CV故事了。
那么，这一次你在现场吗？批评区观后感走起~
|
|
