恭喜麻省理工学院！AI大神何恺明：2024 加入 EECS 任教职

大数据文摘出品

年初的时候，AI圈有消息说何恺明将离开Facebook AI研究院，去麻省理工担任教职。

最近，据何恺明GitHub主页最新信息，这一“传言”得到了证实，何恺明说：

我将在2024年加入麻省理工学院的电子工程与计算机科学系。

I will be joining the Department of Electrical Engineering and Computer Science (EECS) at Massachusetts Institute of Technology (MIT) as a faculty member in 2024.

对此，英伟达资深科学家Jim Fan表示：如果别人加入MIT我会祝贺他，如果是恺明加入MIT，我会祝贺MIT将拥有恺明。

何恺明的论文引用数超过46万，如果他加入 MIT，那他将会成为全校被引用次数最高的学者。目前 MIT 全校被引用量最高的是化学与生物医学工程系的 Robert Langer，总引用量超过38万次。

何凯恺是计算机视觉领域的超级明星，别人的荣誉都是在某某大厂工作，拿过什么大奖，而何恺明的荣誉是best，best，best ...... 例如2016 CVPR 最佳论文“Deep Residual Learning for Image Recognition”以及2017ICCV最佳论文“Mask R-CNN”。

何恺明：多次按响深度学习门铃

在今年的世界人工智能大会上，商汤科技创始人汤晓鸥评价何恺明多次按响深度学习门铃：

“何恺明把神经网络做深了，谷歌把神经网络的入口拉大了，又深又大，才成为今天的大模型。”

他2009年的那篇CVPR最佳论文，是CVPR整个25年历史上亚洲的第一篇最佳论文。

他的第一项工作是在微软亚洲研究院发布的有关残差网络（ResNet）的论文。在2015年之前，深度学习最多只能训练20层，而CNN（卷积神经网络）模型ResNet在网络的每一层引入了一个直连通道，从而解决了深度网络的梯度传递问题，获得了2016年CVPR的最佳论文奖，是计算机视觉历史上被引用最多的论文。

“在ResNet之后就可以有效地训练超过百层的深度神经网络，把网络打得非常深。”汤晓鸥说，“在大模型时代，以Transformer为核心的大模型，包括GPT系列，也普遍采用了ResNet结构，以支撑上百层的Transformer的堆叠。

尤其是何恺明在Facebook期间发明的Mask R-CNN算法，首次把基于掩码的自编码思想用于视觉领域的非监督学习，开启了计算机视觉领域自监督学习的大门。

何恺明工作的重点方向

今年的3月13日，何恺明在MIT做学术演讲，演讲主题是 "In Pursuit of Visual Intelligence"（追求视觉智能）。

据说，在现场演讲中，何恺明按时间线顺序回顾其之前的几篇工作，主要包括了 ResNet、Faster R-CNN、Mask R-CNN、MoCo 和 MAE。据何恺明所言，“在 ResNet 出现以前，Deep learning 的大厦上空漂浮着一朵乌云，而 ResNet 去掉了这朵乌云。”

此外，何恺明也在现场透露了接下来的研究方向会是 AI for science，将聚焦视觉和 NLP 大一统做 self-supervised X+AI。

从参会的嘉宾那得知，他分享了两个前沿的未来方向：1、视觉世界中自监督学习的机会；2、计算机视觉研究如何通过自监督学习推广到自然科学观察，继续影响更广泛的领域。

在世界人工智能大会上，汤晓鸥也爆料说何恺明将有更重磅的工作发布。文摘菌猜应该是关于NLP和CV大一统的。

关于何恺明：从高考状元到 CV 大神

何恺明是广东人，从小在广州长大，在广州执信中学读书时曾获得全国物理竞赛和省化学竞赛的一等奖。2003年5月，何恺明获得保送清华的资格，同年他以满分900分的成绩，成为当年广东省9位满分状元之一。进入清华大学以后，何恺明放弃保送的机械工程及其自动化专业转向基础科学班。

2007年，还未毕业的何恺明进入微软亚洲研究院实习，出于对计算机图形图像课程的兴趣，他选择加入了视觉计算组。头两年里，何恺明尝试做过不少各种各样的课题，但一直发不了论文，这对此前头顶着高考满分状元光环的他来说，无疑是个不小的打击。

何恺明花了更多时间在问题研究上，甚至在电脑游戏里找灵感。不鸣则已，一鸣惊人。2009 年，汤晓鸥、何恺明以及孙剑凭借论文“Single Image Haze Removal Using Dark Channel Prior ”，获得该年度 CVPR 的最佳论文奖。

此后，何恺明一路开挂，据公众号@Smarter举例他的代表作：

2016 CVPR best paper Deep Residual Learning for Image Recognition

通过残差连接，可以训练非常深的卷积神经网络。不管是之前的CNN，还是最近的ViT、MLP-Mixer架构，仍然摆脱不了残差连接的影响。

2017 ICCV best paper Mask R-CNN

在Faster R-CNN的基础上，增加一个实例分割分支，并且将RoI Pooling替换成了RoI Align，使得实例分割精度大幅度提升。虽然最新的实例分割算法层出不穷，但是精度上依然难以超越Mask R-CNN。

2017 ICCV best student paper Focal Loss for Dense Object Detection

构建了一个One-Stage检测器RetinaNet，同时提出Focal Loss来处理One-Stage的类别不均衡问题，在目标检测任务上首次One-Stage检测器的速度和精度都优于Two-Stage检测器。近些年的One-Stage检测器(如FCOS、ATSS)，仍然以RetinaNet为基础进行改进。

2020 CVPR Best Paper Nominee Momentum Contrast for Unsupervised Visual Representation Learning

19 年末，N L P领域的Transformer进 一步应用于Unsupervised representation learning，产生后来影响深远的BERT和GPT系列模型，反观CV领域，ImageNet刷到饱和，似乎遇到了怎么也跨不过的屏障。 就在CV领域停滞不前的时候，Kaiming He带着MoCo横空出世，横扫了包括PASCAL VOC和COCO在内的7大数据集，至此，CV拉开了Self-Supervised研究新篇章。

不止于此，总结下来何恺明的研究兴趣大致分成这么几个阶段：传统视觉时代：Haze Removal(3篇)、Image Completion(2篇)、Image Warping(3篇)、Binary Encoding(6篇)

深度学习时代：Neural Architecture(11篇)、Object Detection(7篇)、Semantic Segmentation(11篇)、Video Understanding(4篇)、Self-Supervised(8篇)

总之，何恺明拥有卓越的科研直觉，总是能准确地找到最核心的问题并提出简明扼要的解决方案，这些方案体现出深厚的思维深度。