剛剛，有網(wǎng)友爆料，自己在公司收到了「歡迎何愷明加入」的郵件，何愷明疑似加入谷歌。

在搜索何愷明個人主頁后，我們可以確認(rèn)，他確實(shí)加入了谷歌，不過是以兼職的形式，職位是谷歌 DeepMind 杰出科學(xué)家 (Distinguished Scientist)。

個人主頁：https://people.csail.mit.edu/kaiming/

關(guān)于何愷明在谷歌的具體研究方向，目前還搜不到詳細(xì)信息。

不過，我們可以根據(jù)他最近發(fā)表的研究推測一下。前段時間，他所在的團(tuán)隊(duì)發(fā)布了一篇題為「Mean Flows for One-step Generative Modeling」的論文（參見《何愷明團(tuán)隊(duì)又發(fā)新作： MeanFlow 單步圖像生成 SOTA，提升達(dá) 50%》）。在最近的 CVPR workshop 上，他也重點(diǎn)介紹了這一論文所代表的方向。

在分享中，他指出，在 AlexNet 之前，逐層訓(xùn)練更為流行，如深度信念網(wǎng)絡(luò)（DBN）和去噪自編碼器（DAE）。但 AlexNet 之后，識別模型普遍實(shí)現(xiàn)了端到端訓(xùn)練，大大簡化了模型設(shè)計(jì)和訓(xùn)練的復(fù)雜性。 不過，有趣的是，今天的生成模型在概念上更像是逐層訓(xùn)練：Diffusion 模型通過 T 個去噪步驟逐步生成，自回歸模型通過 T 個 token 逐步生成。這讓我們不禁思考：歷史能否在生成模型領(lǐng)域重演？即，生成建模有沒有可能也走向端到端？

從高考狀元到被引量超 71 萬的 AI 學(xué)者

2003 年，何愷明以標(biāo)準(zhǔn)分 900 分獲得廣東省高考總分第一，被清華大學(xué)物理系基礎(chǔ)科學(xué)班錄取。在清華物理系基礎(chǔ)科學(xué)班畢業(yè)后，他進(jìn)入香港中文大學(xué)多媒體實(shí)驗(yàn)室攻讀博士學(xué)位，師從湯曉鷗。何愷明曾于 2007 年進(jìn)入微軟亞洲研究院視覺計(jì)算組實(shí)習(xí)，實(shí)習(xí)導(dǎo)師為孫劍博士。

2011 年博士畢業(yè)后，何愷明加入微軟亞洲研究院工作任研究員。2016 年，何愷明加入 Facebook 人工智能實(shí)驗(yàn)室，任研究科學(xué)家。2024 年，何愷明加入 MIT，成為該校一名副教授。

何愷明的研究曾數(shù)次得獎。2009 年，當(dāng)時博士研究生在讀的何愷明參與的論文《基于暗原色的單一圖像去霧技術(shù)》拿到了國際計(jì)算機(jī)視覺頂會 CVPR 的最佳論文獎。

2016 年，何愷明憑借 ResNet 再獲 CVPR 最佳論文獎，此外，他還有一篇論文進(jìn)入了 CVPR 2021 最佳論文的候選。何愷明還因?yàn)?Mask R-CNN 獲得過 ICCV 2017 的最佳論文（Marr Prize），同時也參與了當(dāng)年最佳學(xué)生論文的研究。

根據(jù) Google Scholar 的統(tǒng)計(jì)，截至今天，何愷明的研究引用次數(shù)超過 71 萬次。

此外，加入 MIT 后，何愷明開設(shè)的課程廣受學(xué)生歡迎，可參考：

• 「教授何愷明在 MIT 的第一堂課」
• 「教授何愷明在 MIT 的第二門課 ——《深度生成模型》，講座 PPT 陸續(xù)已出」

那些年，愷明發(fā)表過的「神作」

說起愷明大神的作品，最有名的就是 ResNet 了。這篇論文發(fā)表于 2016 年，迄今引用已經(jīng)超過 28 萬多。根據(jù) 《自然》 雜志的一篇文章，這是二十一世紀(jì)被引用次數(shù)最多的論文。

《Deep Residual Learning for Image Recognition》在 2016 年拿下了計(jì)算機(jī)視覺頂級會議 CVPR 的最佳論文獎。

同樣是大神級別的學(xué)者李沐曾經(jīng)說過，假設(shè)你在使用卷積神經(jīng)網(wǎng)絡(luò)，有一半的可能性就是在使用 ResNet 或它的變種。

何愷明有關(guān)殘差網(wǎng)絡(luò)（ResNet）的論文解決了深度網(wǎng)絡(luò)的梯度傳遞問題。這篇論文是 2019 年、2020 年和 2021 年 Google Scholar Metrics 中所有研究領(lǐng)域被引用次數(shù)最多的論文，并建立了現(xiàn)代深度學(xué)習(xí)模型的基本組成部分（例如在 Transformers、AlphaGo Zero、AlphaFold 中） ）。

如今大模型都在使用的 transformer 的編碼器和解碼器，里面都有源自 ResNet 的殘差鏈接。

2021 年 11 月，何愷明以一作身份發(fā)表論文《Masked Autoencoders Are Scalable Vision Learners》，提出了一種泛化性能良好的計(jì)算機(jī)視覺識別模型，同樣是剛剛發(fā)表就成為了計(jì)算機(jī)視覺圈的熱門話題。

一個初入 AI 領(lǐng)域的新人，在探索的過程中看到很多重要研究主要作者都是何愷明，經(jīng)常會不由得感到驚訝。何愷明雖然長期身處業(yè)界，但科研態(tài)度一直被視為標(biāo)桿 —— 他每年只產(chǎn)出少量一作文章，但一定會是重量級的，幾乎沒有例外。

我們也經(jīng)常贊嘆于何愷明工作的風(fēng)格：即使是具有開創(chuàng)性的論文，其內(nèi)容經(jīng)常也是簡明易讀的，他會使用最直觀的方式解釋自己「簡單」的想法，不使用 trick，也沒有不必要的證明。這或許也將成為他在教學(xué)領(lǐng)域獨(dú)特的優(yōu)勢。

最后，恭喜谷歌，也期待大神何愷明在谷歌可以做出更多開創(chuàng)性工作。