史上最強天團要強強聯合搞AI？

近日，北京大學官微發布消息：北大清華要聯手開啟通用人工智能實驗班。

帶隊的不是別人，正是去年回國的AI視覺泰斗朱松純教授，目前他擔任北大人工智能研究院院長、講席教授，以及清華大學基礎科學講席教授。

據悉，首批北大通用人工智能實驗班招收的26名學生來自北大元培學院，已于今年春季學期開課；清華通用人工智能實驗班設在自動化系，目前已啟動首批招生，計劃招生30人。

北大清華，最強聯合，會擦出什么樣的AI火花？

清華北大都要「搶」的朱松純：三次問鼎計算機視覺最高獎

4月25日，北京大學校長郝平在慶祝清華大學建校110周年大會上的致辭中提到，兩校最近聯手建立通用人工智能實驗班，均由朱松純教授領銜。

北大通班設在元培學院，已于今年春季學期開課；清華通班設在自動化系，目前已開始招生。

大家都對此信心滿滿，除了北大清華的金字招牌，帶隊者朱松純更是最強的保障，那么朱松純是誰？

朱松純于1996年獲哈佛大學計算機博士學位，師從國際數學大師大衛·曼福德教授，在國際頂級期刊和會議上發表論文300余篇，并三次問鼎計算機視覺領域國際最高獎項——馬爾獎。

他對計算機視覺有著自己獨到的看法，在認知科學領域，如視覺常識推理、場景理解等領域做出了重要貢獻。

去年回國時曾引起火熱討論，與國內的熱烈歡迎。

而朱松純本人也最信奉一句話，「一個民族如果忘記了歷史， 他也注定將失去未來」。

這句話，對計算機視覺來說，也是同樣發人深省。

他提到，現在很多新發表的視覺的論文，很少有文章能夠引用到 5 年之前的文獻，都是引用近兩年arxiv上的文章，和一些Benchmarks去比。

很少有人認真去看 10 年前，20 年前，甚至 30 年前的論文，而當時的一些思想和框架性的東西，對現在的研究仍有重要的意義，大家幾乎都用同樣的方法在比小數點后面的精度。

大家都相當短視，只關注這幾年的歷史和流行的方法，根本無法傳承這個學科。特別是等當前這一波方法退潮之后，這批人就會慢慢失去根基和源創力。

談到自己的學術生涯，他認為David Marr 對他影響最為深遠。

60 年代開始的時候大家已經很多人研究視覺神經生理學、心理學問題，也有人做一些邊緣檢測的工作。但是，計算機視覺到底要解決哪些問題？如何實現？大家莫衷一是，談不清楚。

David Marr 分出了三個層次來解決這個問題，分別是計算（其實應該說成是表達）、算法、和實現。

首先，在表達的層次， 如何把它寫成一個數學問題。任務是什么？輸出是什么？這是獨立于解決問題的方法的。

其次，對這個數學問題去求解時，可以選擇不同的算法， 可以并行或者串行。

再次，一個算法如何在硬件上實現， 可以用 CPU，DSP， 或者神經網絡來實現。

除此之外，David Marr 還理清了視覺到底要計算什么。

Marr 提出了一個系列的表達，從primal sketch（首要簡約圖）， 到 2 ½ D sketch（深度簡約圖）， 到 3D sketch。

這里面還包含了紋理、立體視覺、運動分析、表面形狀等等。Marr認為，視覺計算不是單純去求一個解，而是一個連續不斷的計算過程，越看、越琢磨，可能得到的理解就越多。

值得一提的是，Marr 在1978 年冬診斷得了急性白血病，在得知來日無多后，Marr就趕緊整理了一本書《視覺：從計算的視角研究人的視覺信息表達與處理》，去世時年僅35歲。

朱松純和同事在這本書上花了8年時間，把 Marr 提出的早期視覺概念， 包括紋理 、圖像基元以及原始簡約圖等轉換成了一個統一的數理模型。

從此，視覺就可以從純粹的理論、計算的角度來研究了。

除了視覺的統計建模和計算理論，朱松純還實現了圖像與場景的解譯（parsing）計算框架， 擴展了模式識別創始人傅京孫先生的句法模式識別理論。

自2010年以來，朱松純將計算機視覺與認知科學、自然語言理解、機器人等學科結合，探索他所稱的「人工智能的暗物質」——占95％的、無法通過感知輸入觀測到的智能。

現在，朱松純團隊構建了一個大規模、物理逼真的VR / AR環境，用于訓練和測試負責執行大量日常任務的自主AI智能體。

這些智能體可以整合視覺，語言，認知，機器學習和機器人技術等領域的能力，在此過程中發展物理常識和社會常識，并使用認知架構與人類進行交流。

熟悉朱松純教授的人，對他嚴謹的治學精神，也從不吝惜贊美之詞。

為什么要培養通用人工智能人才？

「人工智能是1956年開啟的一門新興學科，當時的目標就是通用人工智能。人們希望研究出種種智能體（AI Agents），它可以是虛擬的人物，也可以是物理的機器人，這個智能體需要有自主的感知、認知、決策、學習、執行以及社會協作的能力，它同時還要符合我們人類的情感、倫理和道德觀念等，這就是通用人工智能。」朱松純介紹說。

朱松純曾表達過，人工智能系統往往由三個要素決定：第一是構架，也就是智能；第二是環境數據；第三是任務。

而這里又涉及到了三個層次的解法，第一個層次的解法其實就是目前火爆的大數據+深度學習；第二種層次的解法是任務理解；第三層次的解法是物理推理與人類的功利價值選擇。

他認為，真正要做到以任務為中心，還要做一個統一的系統，融通六大領域，即計算機視覺、認知科學、語言對話、機器學習、機器人學習等。

而通用人工智能是未來10至20年國際人工智能研究的前沿和競爭的焦點。朱松純強調了通用人工智能領域的重要戰略意義：「從國家安全、經濟發展方面來看，我認為這是一個極為重大的領域，也是中國參與國際競爭的必爭之地，是一個主戰場。」

朱松純這次回國，將為國內人工智能尤其是通用人工智能的發展，帶來強勁動力。他也離「人工智能大一統理論」的夢想上更近了一步。