CNET科技資訊網(wǎng) 6月26日 北京消息:原亞馬遜資深主任科學(xué)家(Senior Principal Scientist)任小楓今天正式確認(rèn)加入阿里巴巴,擔(dān)任人工智能核心團(tuán)隊iDST的副院長和首席科學(xué)家。iDST是 阿里巴巴通過AI技術(shù)推動NASA計劃落地的核心團(tuán)隊,通過阿里云向各行業(yè)輸出技術(shù)及服務(wù)能力。
任小楓的個人主頁已經(jīng)進(jìn)行了更新。頁面顯示,他將繼續(xù)留在西雅圖工作,招募組建世界一流的計算機(jī)視覺團(tuán)隊。任小楓將iDST稱為“阿里巴巴實現(xiàn)NASA計劃的先鋒”。
華盛頓大學(xué)官網(wǎng)上任小楓的個人主頁
任小楓先后獲浙江大學(xué)本科、斯坦福碩士及加州大學(xué)伯克利分校博士學(xué)位,其中博士導(dǎo)師為計算機(jī)視覺大師Jitendra Malik教授。他目前還在華盛頓大學(xué)擔(dān)任客座教授。相關(guān)論文被引用9000次以上。
加入阿里巴巴前,任小楓在Amazon擔(dān)任Sr. Principal Scientist,領(lǐng)導(dǎo)計算機(jī)視覺算法團(tuán)隊,曾擔(dān)任過CVPR、ICCV(頂級計算機(jī)視覺會議)的領(lǐng)域主席,是亞馬遜級別最高的華人科學(xué)家,也是亞馬遜最年輕的資深資深主任科學(xué)家之一。作為資深主任科學(xué)家、計算機(jī)視覺算法負(fù)責(zé)人參與創(chuàng)建了Amazon Go。
阿里巴巴iDST對外回應(yīng),任小楓的加入對整個阿里巴巴有著非常重要的意義。在學(xué)術(shù)界和工業(yè)界,任小楓都有非常亮眼的成就。計算機(jī)視覺領(lǐng)域中,他對圖像分類,物體識別、跟蹤、檢測,事件檢測均有全面且深入的理解,這在圖像領(lǐng)域的專家中非常難得。
金榕(中間)、任小楓(左一)、華先勝(右一)合影
據(jù)介紹,任小楓將和另一位副院長華先勝一起,打造出世界領(lǐng)先的計算機(jī)視覺技術(shù),并通過阿里云向外提供服務(wù)。華先勝是機(jī)器視覺領(lǐng)域的權(quán)威學(xué)者,曾獲選國際電氣與電子工程協(xié)會院士(IEEE Fellow)、美國計算機(jī)協(xié)會ACM2015年度杰出科學(xué)家等榮譽(yù)。
目前iDST院長由金榕擔(dān)任,為美國密歇根州立大學(xué)終身教授,曾擔(dān)任NIPS、SIGIR等頂級國際會議領(lǐng)域主席,及KDD、AAAI、IJCAI等頂級會議高級程序委員會委員,還曾獲得過美國國家科學(xué)基金會NSF Career Award。
任小楓的加盟顯示了阿里巴巴正在快速推動NASA計劃。這項計劃由馬云提出,面向未來20年組建強(qiáng)大的獨立研發(fā)部門,建立新的機(jī)制體制,為服務(wù)近20億人的新經(jīng)濟(jì)體儲備核心科技。為實現(xiàn)這一目標(biāo),阿里巴巴正在全球招募頂尖科研人才。
(作者注:資深主任科學(xué)家Senior Principal Scientist是Amazon的高級別技術(shù)職稱之一,僅次于最高級別的Distinguished Scientist,通常是領(lǐng)域研究團(tuán)隊的負(fù)責(zé)人。)
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。