MIT終身教授何愷明，入職谷歌了

一水 2025-06-26 10:28:08 來源：量子位

AI大牛何愷明最新動(dòng)向來了！

才剛拿下MIT終身教職沒多久，這轉(zhuǎn)眼又加盟谷歌DeepMind任杰出科學(xué)家。

目前這一消息已在個(gè)人主頁同步更新：

也是在最近，MIT官網(wǎng)發(fā)布公告稱：

今年MIT工程學(xué)院一共有11位教職人員獲得終身教職，而何愷明也在名單中。

要知道他去年3月才正式在MIT開講，這中間幾乎只隔了一年左右時(shí)間。

回到這次加盟谷歌，從介紹里可以看到，確切來說他應(yīng)該算是兼職（part-time）。

雖然他本人沒有透露更多信息，但某書上已經(jīng)有自稱谷歌員工的網(wǎng)友提前劇透了一波：

他即將加入的是DeepMind基礎(chǔ)研究組，直屬領(lǐng)導(dǎo)的title是L8——離DeepMind老大哈薩比斯還隔著三個(gè)老板的距離。

那么問題來了，已經(jīng)擁有MIT終身教職的何愷明，為啥又選擇和谷歌聯(lián)手呢？

一扒才知道，原來二者早已多次展開研究合作——

何愷明其人

先簡單回顧一下何愷明的履歷。

眾所周知，何愷明算是CV領(lǐng)域（計(jì)算機(jī)視覺）的傳奇人物。

他本科就讀于清華大學(xué)物理系，博士師從湯曉鷗，畢業(yè)于香港中文大學(xué)。

2009年，湯曉鷗、何愷明以及孫劍憑借論文“Single Image Haze Removal Using Dark Channel Prior”，獲得該年度CVPR的最佳論文獎(jiǎng)，這也是第一次頒發(fā)給亞洲研究學(xué)者。

2011年博士畢業(yè)后進(jìn)入微軟亞洲研究院工作，任研究員，并在2016年加入Facebook AI Research（FAIR）繼續(xù)研究計(jì)算機(jī)視覺。

不過在這之前，他于2015年提出的ResNet（深度殘差網(wǎng)絡(luò)），不僅在ILSVRC 2015分類任務(wù)競賽斬獲第一名，還拿到了2016年CVPR最佳論文。

直到現(xiàn)在，ResNet仍然是其最高引研究，單篇引用量已超過28萬次。

而且這一概念如今已廣泛應(yīng)用于現(xiàn)代深度學(xué)習(xí)模型，包括Transformer、AlphaGo Zero、AlphaFold以及幾乎所有GenAI模型。

在FAIR期間，何愷明和團(tuán)隊(duì)在計(jì)算機(jī)視覺領(lǐng)域取得不少亮眼的成績，包括Faster R-CNN及后續(xù)的Mask R-CNN等一系列研究。

其中，Mask R-CNN解決了圖片中的實(shí)例級(jí)對(duì)象分割問題，不僅能將照片中的人、動(dòng)物等對(duì)象單一檢測，還可為其每個(gè)對(duì)象實(shí)例生成一個(gè)高質(zhì)量分隔遮罩，該研究也獲得了ICCV 2017最佳論文。

在FAIR干了相當(dāng)長一段時(shí)間后，2023年他官宣加入MIT EECS（電子工程和計(jì)算機(jī)科學(xué)系) ，選擇正式回歸學(xué)術(shù)界。

這一轉(zhuǎn)向在當(dāng)時(shí)引起了廣泛關(guān)注，甚至一眾網(wǎng)友吐槽Meta痛失一員大將。

后來的故事就接上咱們的開頭了~

總之，從學(xué)術(shù)界到產(chǎn)業(yè)界再到學(xué)術(shù)界，何愷明一路積累了豐碩研究成果。

目前其谷歌學(xué)術(shù)總引用量已經(jīng)超過71萬次，是當(dāng)之無愧的學(xué)術(shù)大佬。

近來其研究主要集中在模型性能優(yōu)化上，包括提出通過正則化表示（Representation Regularization）來改進(jìn)圖像生成技術(shù)、開發(fā)高度壓縮的Tokenizer來實(shí)現(xiàn)在未經(jīng)訓(xùn)練的情況下生成文本等等。

一言以蔽之，不管身份如何轉(zhuǎn)變，他始終在CV領(lǐng)域持續(xù)深耕。

和谷歌團(tuán)隊(duì)多有合作

事實(shí)上，何愷明和谷歌其實(shí)多有合作。

就在今年2月，他還和谷歌DeepMind全華人班底（黎天鴻、Qinyi Sun、范麗杰）開辟了生成模型的全新范式——

合發(fā)論文《Fractal Generative Models（分形生成模型）》，首次使逐像素生成高分辨率圖像成為可能。

具體而言，團(tuán)隊(duì)提出用參數(shù)化的神經(jīng)網(wǎng)絡(luò)作為分形生成器，從數(shù)據(jù)中學(xué)習(xí)這種遞歸法則，實(shí)現(xiàn)對(duì)高維非序列數(shù)據(jù)的建模，也可用于材料、蛋白質(zhì)等。

結(jié)果在「逐像素圖像生成」這一任務(wù)中表現(xiàn)出色。目前相關(guān)成果代碼已開源。

此外，去年其團(tuán)隊(duì)還和谷歌DeepMind合作，提出了一個(gè)基于連續(xù)標(biāo)記的隨機(jī)順序自回歸模型——Fluid。

他們所要解決的問題是：視覺自回歸模型的Scaling，往往不像在語言模型里那樣有效。

而通過合作，他們?yōu)樽曰貧w文生圖模型的擴(kuò)展指出一個(gè)方向：

• 基于連續(xù)token的模型比離散token模型在視覺質(zhì)量上更好
• 隨機(jī)順序生成與光柵順序相比在GenEval測試上得分明顯更好

更多研究在此不再枚舉，總而言之，何愷明和谷歌DeepMind團(tuán)隊(duì)實(shí)則早有接觸。

因此這一次他選擇和DeepMind合作，也可謂老熟人之間的強(qiáng)強(qiáng)聯(lián)手。