作为一个在上海工作的东北人，香港中文大学教授汤晓鸥不失东北人与生俱来的幽默感。

 

在7月6日的世界人工智能大会开幕式发言中，作为人工智能领域前沿的知名学者与实践者，汤晓鸥说，自己每天晚上睡觉前，都是一边听着于谦老师的相声，一边在想：“机器怎么可能超过这样有趣的灵魂？我不信。”

 

在今天的演讲中，他分享了三名学生王晓刚、何恺明、林达华在深度学习领域追梦的故事，强调了中国年轻学者在大模型研究中所作出的原创贡献。

 

他同时感慨：天辰平台登陆在人工智能领域，新一代的学生已经在上海成功起步。

 

 

 

 

回溯历史，汤晓鸥提到，天辰平台登陆2018年度图灵奖授予了约书亚·本吉奥(Yoshua Bengio)、杰弗里·辛顿(Geoffrey Hinton)和杨立昆(Yann LeCun) 三位深度学习之父，而摁下这扇大门第一声门铃的，是2011年杰弗里·辛顿和微软的中国学者邓力在深度学习语音识别上划时代的突破，此后2012年，在图像识别比赛中同样取得了划时代的突破。

 

在深度学习刚刚开始的几年，汤晓鸥和他的学生们在做什么？他讲到了第一个学生：王晓刚。

 

王晓刚本科是中国科大少年班，并且是00班的第一名，硕士期间他在汤晓鸥实验室就读，后来去了MIT读博士，博士毕业后回到汤晓鸥在香港中文大学的实验室做教授。2011至2013年期间，在CVPR（国际计算机视觉与模式识别会议）和ICCV（计算机视觉国际大会）两个视觉领域顶级会议上，全球共有29篇文章做了深度学习，其中有14篇出自汤晓鸥的实验室，全世界其他的实验室做了15篇。

 

“我们有18项工作在全世界第一次将深度学习用到视觉问题上，包括人脸识别、人脸检测、人脸重建、物体检测、人体姿态、图像超分、三维形状识别等计算机视觉最核心的问题。在深度学习的大门上，我们按了18次门铃。”汤晓鸥说。

 

他介绍，王晓刚还有一项工作是让机器做的人脸识别超过了人的眼睛，这比Facebook做得还要早。 2015年，王晓刚带队打败了谷歌团队，取得了中国学者史上第一个ImogeNet（一个基于图像分类和物体识别的国际竞赛）世界冠军。

 

第二个学生是何恺明是2003年广东高考状元，本科在清华大学就读物理专业，博士是在汤晓鸥的香港中文大学实验室取得的。汤晓鸥说，何恺明在实验室读硕士期间就发了第一篇文章，取得了CVPR最佳论文，这是CVPR25年历史上从亚洲出来的第一篇最佳论文。当时的汤晓鸥和何恺明开玩笑，说他一出手就到了巅峰，从此以后的学术生涯就只能往下走了。结果他去微软和Facebook工作后一路走高。

 

何恺明第一项工作是在MSR（微软研究院）进行。在2015年之前，深度学习最多只能训练到20多层，何恺明在网络的每一层引入了一个直联通道，从而解决了深度网络梯度传递的问题，获得了2016年的最佳论文。在这之后可以有效的训练超过百层的深度学习。在大模型时代，以Transformer为核心的大模型，包括GPT系列，也是普遍采用了这个结构，以支撑上百层的堆叠。

 

汤晓鸥总结起来，何恺明把网络做深了，谷歌把网络的入口拉大了，这才成就了今天的大模型。

 

何恺明的第二项工作Mask R-CNN是在Facebook做的，他首次提出了一个真正高性能的物体检测和算法框架，获得了ICCV2017年最佳论文。汤晓鸥表示，何恺明是世界上唯一一个在毕业不到十年内，三次以第一作者的身份获得CVPR、ICCV最佳论文的人。他首次把基于原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，并被推广到三维、音频甚至是AI领域。