By 超神经
内容概要:IJCAI-SAIA YES 于 7 月 5-7 日在上海召开,在这场汇集 AI 领域青年学者、学术大咖的盛会上,我们有幸采访到了来自北京大学信息科学技术学院的林宙辰教授。
关键词:北京大学 CV IJCAI-SAIA YES
2020 年 10 月,美国斯坦福大学联合 Mendeley Data 发布了全球前 2% 顶尖科学家榜单。
榜单以文献数据库 Scopus 为依据,基于引用次数、H 因子、HM 因子等综合指标,从「生涯影响力」和「年度影响力」两个维度出发,在来自 22 个领域、176 个细分领域的近 700 万名科学家中,遴选出世界排名前 2% 的科学家。
来自北京大学信息科学技术学院的林宙辰教授,凭借优秀的综合成绩,成功入选 2020 全球前 2% 顶尖科学家「生涯影响力」榜单,以及「年度影响力」榜单。
榜单详情:
data.mendeley.com/datasets/btchxktzyw/2
截至目前,林宙辰论文的引用次数已超过 21000 次
数据源自 Google Scholar
我们有幸在本届 IJCAI-SAIA YES 上,专访了林宙辰老师。
11 年漫漫求学路,探寻数学梦
1989 年,来自福建省福州市永泰县的林宙辰,因高中数学竞赛成绩优异,被保送至南开大学数学系,从此开启了北上求学之路。南开大学在西南联大时期,曾培养出 20 世纪最伟大的华人数学大师、现代微分几何之父--陈省身。林宙辰老师就读的数学试点班,即为陈省身回国后所创办。
南开大学省身楼
2005 年南开大学数学研究所更名为陈省身数学研究所
南开数学系浓郁的教学氛围和强大的科研实力,为林宙辰老师的发展提供了肥沃又自由的土壤。大三,林宙辰老师所在的数学系开设了计算机课,在 286 电脑上,他第一次接触了简单编程。
1993 年,把成为数学家当成人生理想的林宙辰老师,在南开充分体验了纯粹数学的抽象和美丽,度过了四年充实的大学时光。
同年 7 月,林宙辰老师从南开毕业,以专业第二的成绩考入北京大学数学系,继续硕士学习。
在北大,林宙辰老师开始接触 AI,初步学习了图像处理和模式识别,也参与了若干实际项目,其中一个项目就是搭建地理信息系统,把手绘地图或印刷地图数字化并进行管理。通过这些课程和项目,林宙辰老师体会到了 AI 的魅力。
1995 年,林宙辰老师从北大数学系硕士毕业后,远赴香港,在香港理工大学应用数学系,又进行了为期两年的硕士学习,掌握了计算数学的基础。
林宙辰老师于 1995-1997 年
在香港理工大学应用数学系进行硕士学习
在香港理工大学的学习结束后,林宙辰老师在 1997 年再次回北大数学系(彼时已升格为学院)攻读博士。当时的北京大学数学学院更加重视应用,在程民德院士的带领下,北京大学数学学院很早就开始研究人工智能,并培养出了石青云院士等著名人工智能专家。
林宙辰老师回到北大数学学院后,深入地学习了图像处理、机器视觉和模式识别的课程。立志成为数学家的林宙辰老师,开始全面转向 AI 领域。
MSRA 12 载,终由工业界转战学术界
博士期间,因为一次偶然机会,林宙辰老师受微软中国研究院(后升格为微软亚洲研究院)视觉计算组主管沈向洋博士的邀请,来到微软中国研究院实习,研究光场采样问题,取得了重要的理论突破。
这段经历成为林宙辰老师职业发展的重要转折点。
2000 年 7 月,林宙辰老师博士毕业后,非常顺利地留在了微软中国研究院视觉计算组,继续从事图像处理、模式识别、计算机视觉等领域的相关研究,一待就是 12 年。
林宙辰老师在 MSRA 担任主管研究员期间
曾对外做过题为《好论文是如何炼成的》报告
阅读完整版:
https://zhouchenlin.github.io/How%20to%20write%20good%20papers.pdf
这 12 年间,他从副研究员一路做到主管研究员,发表 60 余篇高质量的学术论文,主持微软内部多项研发课题,开发的多项技术被集成到微软主要产品 Windows Vista Tablet PC Edition 和 Office OneNote 2003 中。
与商业公司注重产品应用相比,在本科阶段深受基础数学影响的林宙辰老师,更喜欢原理性的探索,他逐渐意识到:脱离商业目标做科研可能更适合自己。
2012 年,40 岁的林宙辰老师结束了在微软亚洲研究院长达 12 年的工作经历,回到北京大学信息科学技术学院智能科学系任教。
招生看「四好」,理论优于编程
林宙辰老师回到北大后,在智能科学系任教授,主要研究机器学习和计算机视觉。
他给他的科研小组起名为 ZERO 实验室,是 Zlin's Extraordinary Research Oasis 的缩写,也代表实验室成员应有的四个特质:Zeal, Excellence,Reliability 和 Openness。
ZERO Lab 实验室首页
访问官网:
https://zero-lab-pku.github.io/
受沈向洋博士影响,林宙辰老师在挑选学生的时候,有一套「四好」标准:数学好、编程好、英语好、态度好。
当「四好」无法兼得时,则至少要满足「两好」,其中态度好是基本要求,数学好是个人倾向,其次是编程好,最后是英语好。
作为一名热爱理论研究的学者,林宙辰老师也一直遵循着机器学习界泰斗 Vapnik 的「Nothing is more practical than a good theory」的研究理念,因此在选择学生时,理论能力与编程能力相比,他更注重前者。
林宙辰老师(左)
与计算机视觉巨擘金出武雄教授(右)合影
在学生的考察阶段,林宙辰老师也秉持着开放负责的态度,为学生提前布置思考题,允许学生同时联系多个导师,以及在考察阶段的任何时间退出,对于一些落选学生,他还会热心把同学推荐给其他导师。
在林宙辰老师看来,读博是导师和学生双向选择的过程,只有彼此匹配,才能让学生学得开心,导师教得顺心。
好博导要亦师亦友
很多博士生会把本科学习习惯带到博士学习中来,极度依赖导师,期待理想化的确定结果。实际上,在应用领域,科研目的是寻找新的解决方案,导师并不是无所不知、无所不能的,他往往也没有确切的答案。
因此在林宙辰老师看来,选择读博需要具有极强的主动性,且做好面对未知的准备。
林宙辰老师认为,导师与学生之间应该是亦师亦友的关系,除了在学术研究上给学生指导、因材施教外,还要跟学生保持交流,关注并了解学生的思想状态,即导师要在学习上给予学生指导,精神上给予学生关心。
林宙辰老师也非常鼓励青年学者参加类似 IJCAI-SAIA YES 的活动,这是一场青年人的聚会,有助于提高大家对国际大型会议的参与度和积极性,增强国内学者在国际会议上的自信心。
林老师在 IJCAI-SAIA YES 上担任 Session Chair
关于研究问题的选择,林宙辰老师也给出了自己的建议:全面了解研究方向,选择其中最紧要、最核心也适合自己做的「卡脖子」问题。这样做出来的研究才是有重大意义的,才有可能获得更多关注和引用。
至于撞题,林宙辰老师则认为这很正常,只要所选的问题,是领域中重要的问题,就可以放心去做,最终论文质量肯定不会差,而且解决方案也会和别人的不同。
人生是一个不断选择与放弃的过程
11 年漫漫求学路,林宙辰老师从基础数学、应用数学研究,进而走上了人工智能的科研道路。
12 年微软亚洲研究院履职, 40 岁的林宙辰老师,在职业发展上做出了一个重大转变:放弃微软亚洲研究院的丰厚待遇,回归北大教书育人,继续人工智能理论方面的研究。
古语有云「四十不惑」,说的就是对自己有清晰的判断,能做出最适合自己的选择。林宙辰老师在 40 岁这一年做了选择与放弃,他不再有疑虑和迷惑,有的只是坚定前行的决心。