4 月 16 日,北京智源人工智能研究院与中国人工智能领军企业旷视召开“智源学者计划暨联合实验室发布会”。会上不仅正式发布了“智源学者计划”,还公布了首批智源学者的候选人名单。以下是来自 InfoQ 的详细报道。
智源与旷视共建联合实验室,发布“智源学者计划”
北京智源人工智能研究院是在科技部和北京市委市政府的指导和支持下,由北京市科委和海淀区人民政府推动成立,依托北京大学、清华大学、中国科学院、旷视等北京人工智能领域优势单位共建的新型研发机构。
该机构旨在专注新型科研管理等机制体制创新,通过实施“智源学者计划”,支持科学家对人工智能科技前沿进行探索,并与北京优势高校院所和骨干企业共建联合实验室,开展多方合作,以引领人工智能基础研究方向。
据介绍,“智源学者计划”将依托北京大学、清华大学、中科院等优势高校院所,以及旷视等骨干企业研究院,对四类人才进行重点支持,分别是:智源科学家首席(CS)、智源研究项目经理(PM)、智源研究员(PI)和智源青年科学家。
目前,经过提名、初评、审议等流程,已经遴选出首批智源学者共 21 人(见附录),并即将启动公示程序。
按照计划,首批智源学者将致力于打破基于计算机实验和神经科学的人工智能的惯用建模范式,以可解释性的新型人工智能模型、新型的机器学习算法、深度学习的基础研究为研究内容,解决人工智能面临的可计算性、可解释性、泛化性、稳定性等基础理论问题,建立以数学与统计理论为第一原理的新一代人工智能方法论。
旷视发布全球最大的物体检测数据集
会上,旷视研究院还联合北京智源人工智能研究院发布了全球最大的物体检测数据集——Objects365。旷视研究院院长孙剑表示:该数据集是新一代通用物体检测数据集,具有规模大、质量高、泛化能力强的特点。
规模方面,Objects365 定义了生活中常见的 365 个类别,第一批将开放 63 万张图像,1000 万的标注框。开放图片数是 COCO 的 5 倍,标注框超过 COCO 的 11 倍。
算法优化的上限严重依赖于基准数据集术的质量。为保证标注质量,在打造 Objects365 时,旷视设计出一套科学而严格的标注流程,每一张图片的背后至少会经过 9 名标注工人之手。
此外,作为一个优秀的预训练数据集,Objects365 预训练模型在使用过程中,可以轻松超越现有算法的精度,显著加速收敛过程,表现出极强的泛化能力。在执行 COCO、VOO Det、CityPersons 等检测任务时,在 VOC Seg 和 ADE 等分割任务上均有显著提升。
附录:首批拟公示的智源学者候选人名单
“人工智能数理基础”重大研究方向首席科学家由中国科学院院士、北京大学数学科学学院 张平文 教授担任,智源研究项目经理由北京大学 夏壁灿 教授担任。“人工智能数理基础”重大研究方向智源研究员:由北京大学、清华大学、中国科学院的 10 名杰出中青年学者担任,分别是:
北京大学:董彬 副教授、李铁军 教授、林伟 研究员、文再文 副教授、杨超 教授、张志华 教授
清华大学:邓柯 副教授、史作强 副教授
中科院数学与系统科学研究院:戴彧虹 研究员、明平兵 研究员
青年科学家:共 9 位,分别是:
北京大学 特聘研究员 朱占星:他在深度学习的泛化性和鲁棒性方面取得了高水平成果,曾获国际计算机安全领域顶级会议 CCS2018 最佳论文提名。
北京大学 副研究员 章斯鑫:他建立了深度学习和小波分析的联系,论文曾发表在国际机器学习和应用数学顶级期刊上。
北京应用物理与计算数学研究所 副研究员 王涵:他在分子动力学的数值分析方面取得突出成果,在《物理评论快报(Physical Review Letters)》等国际顶级学术期刊上发表文章 30 余篇。
北京大学 副教授 邵嗣烘:他 23 岁时即获得中国计算数学学会优秀青年论文一等奖,在计算量子力学前沿做出了重要贡献。
清华大学 助理教授 林乾:他在高维数据和复杂模型的统计分析理论方面取得了高水平的研究成果,是相关领域杰出的青年学者。
清华大学 助理教授 黄高:他提出了随机深度网络、自适应推理神经网络等深度学习算法模型,曾获得 2017 年国际计算机视觉与模式识别会议(CVPR)最佳论文奖。
旷视研究院研发总监 张祥雨 博士:他是青年科学家候选人中最年轻的一个,28 岁。多个高影响力卷积神经网络模型的主要研发者之一,曾获得 2016 年国际计算机视觉与模式识别会议(CVPR)最佳论文奖、国际顶级计算机视觉竞赛多项冠军。
清华大学 长聘副教授 崔鹏:他在网络表示学习和社会感知的多媒体计算方面取得一系列创新成果,获得国家自然科学二等奖一项和省部级一等奖三项,入选中组部万人计划青年拔尖人才,荣获中国计算机学会青年科学家奖和国际计算机协会中国新星奖。
清华大学 长聘副教授 唐平中:他致力于人工智能与博弈论的交叉研究,设计人工智能与优化算法,大幅度提升了互联网公司核心经济指标。
评论 1 条评论