朱松纯将回国加入清华，曾对李飞飞创建ImageNet有启示

朱松纯将回国加入清华，曾对李飞飞创建ImageNet有启示

 

 

道翰天琼认知智能机器人平台API接口大脑为您揭秘。AI科技评论获悉，UCLA教授朱松纯将回国，加入清华大学自动化系。根据清华大学人力资源开发办公室发布的公示，朱松纯拟进入自动化系工作，职务为教研系列教授。     朱松纯是全球著名计算机视觉专家、统计与应用数学家、人工智能专家。现任美国加州大学洛杉矶分校（UCLA）统计学系与计算机系教授，UCLA计算机视觉、认知、学习与自主机器人中心（VCLA）主任，并曾两度担任CVPR大会主席（2012年和2019年）。    朱松纯于1996年获哈佛大学计算机博士学位，师从国际数学大师大卫·曼福德教授，在国际顶级期刊和会议上发表论文300余篇，并三次问鼎计算机视觉领域国际最高奖项——马尔奖。Google Scholar显示，他目前的论文引用量有24702，并且近五年引用量高达12815。          他长期致力于构建计算机视觉、认知科学、乃至人工智能科学的统一数理框架，其中包括作为统一表示形式的时空、时间和因果图（STC-AOG）以及用于推理和学习的众多蒙特卡洛方法 。他的研究成果集中在以下四个时期和领域：1、视觉的统计建模与计算理论 —— 为马尔的视觉理论建立统一的数理模型；2、实现图像与场景的解译（parsing）计算框架 —— 扩展了模式识别创始人傅京孙先生的句法模式识别理论；3、提出人工智能的“暗物质” —— 研究视觉与认知的物理与社会常识；4、探索迈向通用人工智能的新的研究路径 ——“小数据、大任务”范式。

朱松纯对李飞飞创建ImageNet的启示

朱松纯教授除了在以上领域做出研究成果之外也曾和ImageNet有些或多或少的关联。

李飞飞以及ImageNet在深度学习领域的贡献毋庸多说，而ImageNet概念的起源，则要从2005年说起。

2005年，朱松纯在其故乡湖北鄂州创办莲花山研究院，筹建了世界上最早的大数据标注团队，发布了精细化程度最高、语义信息最丰富的大规模数据库 LHI Dataset。此前在2003年，朱松纯因为在做图像解译方面的突破拿到了计算机视觉的最高荣誉马尔奖，风头正劲的他牵头举办了首届“莲花山计算机视觉与模式识别国际研讨会”，参会人员包括Berkeley 图像分割数据库原创者 David Martin（一排左 4），MIT 教授、LabelMe 数据库的原创者 Antonio Torralba（二排右 3）。此时李飞飞刚从加州理工博士毕业，作为受邀人员也参加了这次研讨会。

 

莲花山计算机视觉研究院研讨会合照，李飞飞在第三排右五

在这次研讨会之后，李飞飞认识到基于统计的算法极度依赖数据集的规模和代表性，大多数研究人员都只是在尽可能地寻找更好的算法，但他们训练模型所基于的数据却并不能反映真实的世界，这样即使再好的算法也不会训练出有用的结果。因此她决定构建一个足够大的能够反映真实世界的开放数据集。

2007年初，李飞飞回到普林斯顿任教，同时启动了ImageNet项目。当她谈到ImageNet 的想法时，几乎无人问津。最后还是她的老师李凯同意作为合作者加入她的课题，并将自己的博士生邓嘉分配给李飞飞。

通过众包平台，李飞飞有效避开了此前朱松纯的 LHI Dataset遇到过的资金和时间上的瓶颈，到2009年，ImageNet已经完成了320万张（后来增加到1500万张）图片的标注......

而后来ImageNet大规模视觉识别挑战赛（ILSVRC）的成功大家都有目共睹了。

清华自动化系到2020年，清华大学自动化系已建系50年。自动化系的一级学科为“控制科学与工程”，1998年，自动化系获国家首批一级学科博士学位授予权，2007年被评为国家首批一级重点学科，学科综合实力强、交叉创新多、发展前景广。在2016年全国一级学科评估中， “控制科学与工程”学科被评为A+全国最高水准。 自动化系拥有高水平的师资力量，截止2020年，自动化系现有教师89人，其中教授、研究员40人，副教授、副研究员40人，助理教授、助理研究员9人。中国科学院院士2人，中国工程院院士2人，国家教学名师获得者2人，教育部长江特聘教授3人，国家杰出青年基金获得者12人，国家优秀青年基金获得者12人。戴琼海、张长水、鲁继文、黄高等大牛均属清华自动化系。朱松纯的加盟，又给清华自动化系添加一员大将。“朱松纯老师对视觉领域大方向有着一流的直觉，对数学（尤其概率统计）一丝不苟，善于拿大资金”，微软亚洲研究院视觉组研究员代季峰这样评价朱松纯，他曾经在朱松纯UCLA的VCLA实验室访学一年多，“他对学生是刀子嘴豆腐心，实验室里的学生私下都叫他老朱。”
1

一流的直觉

朱松纯的实验室有很多学生。美国的实验室不像中国，因为研究生工资低，可以随便带很多学生。要在美国的实验室带那么多学生，得有雄厚的资金支撑。朱松纯最近几年应该都是美国大学视觉界里研究资金最多的教授之一。“能够拿到大资金，是因为他对视觉领域的大方向有着领先和准确的把握。”代季峰分享了一件很触动他的事情，“2012年下半年，老朱主持的一个MURI项目在UCLA开会，来了视觉界里各路大佬。老朱上台，说视觉和语言的结合会是一个重要的问题，比如看到一张图片，系统应该输出一段话描述它。我当时和UCLA的室友坐在下面偷偷笑。老朱又在说天书了。没想到过一两年，就出现了红极一时的VQA任务，不过是用Deep Network实现的。”从2011年起，朱老师的实验室拿到的美国联邦政府资助超过4000万美元，其主要原因就是其研究思维超前，这些拥有大量资金的项目都是立足于不同与当前热点的更前沿的想法。能够提前感知到未来的大方向，这是顶级的研究直觉感觉。朱松纯上世纪九十年代开始把概率模型引入视觉问题，二十一世纪初就开始做图像识别，后来又很早就开始做图像识别的数据集构建工作（LHI dataset，标注详细，不过收费闭源），并在SVM非常流行的时候坚持探索层级表征（走的是层次概率图模型的路线）。朱松纯提过的大方向，不一定都成为现实，但是正确的概率很高。据说，朱松纯的项目UCLA跟统计系、计算机系以及传播学系的很多老师都有合作，很多学生也都是在合作指导。美国学术界重视多学科的交叉研究，朱松纯的实验是在这方面也是走在前头的。当然，不同科研者习惯的在技术浪潮中的身位不一样，代季峰说道：“按照某老师的说法，如果把一个技术浪潮比作高斯函数的话，老朱走在6 Sigma，远在数据集和技术都不完备的情况下就想冲上去做；有些研究者走在1 Sigma，提出标准化数据集或者第一个实现的技术；有些研究者走在0 Sigma，研究state of the art或者improvement。”           实际上，目前很多流行的算法，比如风格迁移和图像分割等，朱松纯在研究中都早有涉猎。现在很多研究人员只跟最新的arXiv论文，可能还觉得风格迁移这个问题是深度学习出来之后才解决的。其实朱松纯早在十几年前就利用统计纹理分析，在风格迁移上就做出过很好的应用。此外，朱松纯在1995年做的Region Competition的工作对图像分割做出了有里程碑意义的贡献。 2

  一丝不苟  

“还记得跟老朱讨论的时候，他经常会说这样的话：这个算法不对，数学上是错的，这个CV领域最近火的技术在统计上是不对的。”代季峰回忆道。“在学术上，朱老师从来没有中庸之道，如果觉得你的观点不对，他是会和你辩出黑白来的。”微软首席研究员华刚也有着类似的印象。华刚认为，面对真理探索道路上巨大的不确定性，学会捍卫自己的学术观点对于学者而言也是必要的，“如果你说你在做研究，但甚至都不愿或者不能通过辩论来捍卫自己的学术观点，那说明你可能要好好想想你是不是适合做研究。”大部分研究者，概率模型火就用概率模型，SVM火就用SVM，Deep Network火就用Deep Network，“而老朱是有信仰的。”朱松纯曾经在SVM之前引领了视觉领域的概率模型潮流，对于自己辛苦钻研出来的东西，不会轻易舍弃，这是朱松纯的信仰。当然，谁知道统计学模型会不会卷土重来呢？代季峰说道，他从中学到了宝贵的东西，“要保持模型的简单和漂亮，以及在一个领域踏实的耕耘。还记得老朱说，做研究像下围棋，不能东下一颗西下一颗，地盘全被别人占了。”但朱松纯也绝对不是那种不能被说服的人。举个例子，朱松纯研究了很多年生成模型，对GAN这类模型有自己独到的看法。在2017年 CVPR的领域主席会议期间，华刚和朱松纯有一些争论，但最后我跟他说：“GAN本质上是学到了对一个数据分布采样的采样器，并没有对数据的概率产生完整的描述。这是因为，给定一个样本，你并不能计算它的概率密度函数的值。” 朱松纯对华刚的看法表示了赞同。
3

刀子嘴豆腐心

代季峰想起之前在朱松纯的实验室访学的经历，“是的，这是老朱争议最大的地方。刚去他实验室的前三个月，很不适应他的批评，但你慢慢了解他，就好了。”代季峰表示，实际上，朱松纯对学生的长远发展和重要利益很看重，他会严格要求学生，必要时严厉批评，但过后不记仇。“其实学术圈的老板，脾气大一些、对学生严格要求的非常多，算是学者的通病吧。”朱松纯的做法，一方面出于科研进度，一方面更是出于从他的认知为了学生好，在找工作方面对学生也非常支持。华刚也表示，根据他多年的观察和经验，有老师严格要求的学生， 成才的概率比没有的要大。
4

正本清源

朱松纯曾经在一篇名为《正本清源》的文章重严厉批评了深度学习被过度追捧的现象，他认为深度学习方法缺乏可解释性，把模型（表达）、算法和实现三层结构混合在一起，相关论文一般都无法清楚解释研究成果的主要贡献来源。“当它性能不好的时候，到底是因为表达不对，还是算法不对，还是实现不对？这个不好分析了，目前的神经网络，或者是机器学习，深度学习，它的本源存在这个问题。”朱松纯这样评价深度学习方法。“以前我们审稿的时候，会追问论文贡献是提出了一个新的模型？还是一个新的算法？在哪一个层级上你有贡献，必须说得清清楚楚。”现在，深度学习向论文审稿人提出了一个大难题。2012年，朱松纯作为CVPR的大会主席，收到神经网络和机器学习学派领军人物、2018年图灵奖获得者Yann LeCun的抱怨信。Yann LeCun的论文报告了很好的实验结果， 但是审稿的三个人都认为论文说不清楚到底为什么有这个结果，于是拒稿。Yann LeCun一气之下就说再也不给CVPR投稿了，把审稿意见挂在网上以示抗议。上海交通大学副教授张拳石对朱松纯的观点表示赞同，“学术的发展，固然要考虑到提升定义良好任务的处理精度，但是更要在更高的层面认清阻碍现在流行技术继续发展的瓶颈，知道哪些问题是可以用现有方法建模的，哪些问题虽然尚未有办法有效处理但却是领域的重要瓶颈。研究者的认知不能被既有算法所局限，不然就会被局限在一个小圈子里面，失去很多发现‘大问题’的机会。朱老师说“正本清源”,就是告诫我们，想想真正目前学术发展的瓶颈都是哪些问题，而不是单纯的发文章。虽然很多"大问题"很难清楚的定义或找到好的解法，但是这恰恰需要我们一代一代人努力去做。”Facebook人工智能研究院研究员田渊栋也认为朱松纯的说法是正确的，不过他还指出，这种现象有其合理根源。“做理论需要的基础知识多，困难，周期长，没有直接经济效益，还只能一两个人单打独斗且无法使用大量计算资源，每个因素都和现在的主流发展方向（强调团队合作，强调速度和新闻性，代码开源，大数据，大量计算资源）背道而驰。”而且，理论研究论文大多艰深、晦涩难懂，结论依赖不现实的假设，难免令人望而却步乃至失望。相比之下，实验研究效果立竿见影，传播快。所以，田渊栋认为，理论研究要让少数的、有情怀的人去做，远离市场噪杂和竞争，慢慢地钻研。“一万个硕士博士里有一个怀着这个理想，那迟早有一天会做出来的，大部分人不用费这个力气的。”

 

 

道翰天琼认知智能未来机器人接口API简介介绍

• 认知智能是计算机科学的一个分支科学，是智能科学发展的高级阶段，它以人类认知体系为基础，以模仿人类核心能力为目标，以信息的理解、存储、应用为研究方向，以感知信息的深度理解和自然语言信息的深度理解为突破口，以跨学科理论体系为指导，从而形成的新一代理论、技术及应用系统的技术科学。 认知智能的核心研究范畴包括：1.宇宙、信息、大脑三者关系；2.人类大脑结构、功能、机制；3.哲学体系、文科体系、理科体系；4.认知融通、智慧融通、双脑(人脑和电脑)融通等核心体系。 认知智能四步走：1.认知宇宙世界。支撑理论体系有三体（宇宙、信息、大脑）论、易道论、存在论、本体论、认知论、融智学、HNC 等理论体系；2.清楚人脑结构、功能、机制。支撑学科有脑科学、心理学、逻辑学、情感学、生物学、化学等学科。3.清楚信息内涵规律规则。支撑学科有符号学、语言学、认知语言学、形式语言学等学科。4.系统落地能力。支撑学科有计算机科学、数学等学科。
  认知智能CI机器人是杭州道翰天琼智能科技有限公司旗下产品。认知智能机器人是依托道翰天琼10年研发的认知智能CI体系为核心而打造的认知智能机器人大脑，是全球第一个认知智能机器人大脑。具有突破性，创新性，领航性。是新一代智能认知智能的最好的产品支撑。 认知智能机器人技术体系更加先进，更加智能，是新一代智能，认知智能领域世界范围内唯一的认知智能机器人。 认知智能机器人是新时代的产物，是新一代智能认知智能的产物。代表了新一代智能认知智能最核心的优势。和人工智能机器人大脑相比，优势非常明显。智能度高，客户粘性大，客户满意度高，易于推广和传播等核心特点。 依托认知智能机器人平台提供的机器人大脑服务，可以赋能各个行业，各个领域的智能设备，各类需要人机互动的领域等。认知智能机器人平台网址：www.weilaitec.com，www.citec.top。欢迎注册使用，走进更智能机器人世界。
  认知智能和人工智能的优劣势对比主要可以分为四大方面： 第一：时代发展不同。人工智能是智能时代发展的第二个阶段，认知智能是智能时代发展的第三个阶段。时代发展上决定了认知智能更显具有时代领先性。 第二：基础理论体系不同。人工智能的基础理论体系以数学为基础，以统计概率体系为基础。认知智能基础理论体系以交叉许可理论体系为基础。包含古今中外哲学体系，心理学体系，逻辑学体系，语言学体系，符号学体系，数学体系等学科。其基础理论体系更加具有创新性，突破性和领先性。且交叉学科理论体系的研究也是未来智能发展的大方向。其具体理论体系，还包含三体论（宇宙，信息，大脑三者关系），融智学，和HNC等。 第三：技术体系不同。人工智能的核心技术体系主要是算法，机器学习，深度学习，知识图谱等。其主要功用在感知智能。感知智能其核心主要是在模仿人类的感知能力。认知智能的核心技术体系是以交叉学科理论体系而衍生出来的。具体包含三大核心技术体系，认知维度，类脑模型和万维图谱。认知智能的技术体系核心以类脑的认知体系为基础。以全方位模仿类脑能力为目标。人工智能以感知智能为基础的体系，只能作为认知智能中的类脑模型技术体系中的感知层技术体系。类脑模型大致包含，感知层，记忆层，学习层，理解层，认知层，逻辑层，情感层，沟通层，意识层等9大核心技术层。因此人工智能的核心只是作为认知智能类脑模型中的感知层。因此在技术体系上，人工智能和认知智能基本上没有太多的可比性。 第四：智能度成本等方面的不同：人工智能产品的综合智能程度，普遍在2-3岁左右的智力水平。认知智能产品其智能程度大致在5-8岁左右。认知智能体系构建的机器人更加智能。且更省时间，更省人力和资金。优势非常多。具体请看下列的逐项对比。

道翰天琼CiGril机器人API

道翰天琼CiGril认知智能机器人API用户需要按步骤获取基本信息：

1. 在平台注册账号
2. 登录平台，进入后台管理页面，创建应用，然后查看应用，查看应用相关信息。
3. 在应用信息页面，找到appid,appkey秘钥等信息，然后写接口代码接入机器人应用。

开始接入

请求地址：http://www.weilaitec.com/cigirlrobot.cgr

请求方式：post

请求参数：

参数	类型	默认值	描述
userid	String	无	平台注册账号
appid	String	无	平台创建的应用id
key	String	无	平台应用生成的秘钥
msg	String	""	用户端消息内容
ip	String	""	客户端ip要求唯一性,无ip等可以用QQ账号，微信账号，手机MAC地址等代替。

 

接口连接示例：http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552

注意事项：参数名称都要小写，五个参数不能遗漏，参数名称都要写对，且各个参数的值不能为空字符串。否则无法请求成功。userid,appid,key三个参数要到平台注册登录创建应用之后，然后查看应用详情就可以看到。userid就是平台注册账号。

示例代码JAVA：

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class apitest {

    /**
     * Get请求，获得返回数据
     * @param urlStr
     * @return
     */
    private static String opUrl(String urlStr)
    {        
        URL url = null;
        HttpURLConnection conn = null;
        InputStream is = null;
        ByteArrayOutputStream baos = null;
        try
        {
            url = new URL(urlStr);
            conn = (HttpURLConnection) url.openConnection();
            conn.setReadTimeout(5 * 10000);
            conn.setConnectTimeout(5 * 10000);
            conn.setRequestMethod("POST");
            if (conn.getResponseCode() == 200)
            {
                is = conn.getInputStream();
                baos = new ByteArrayOutputStream();
                int len = -1;
                byte[] buf = new byte[128];

                while ((len = is.read(buf)) != -1)
                {
                    baos.write(buf, 0, len);
                }
                baos.flush();
                String result = baos.toString();
                return result;
            } else
            {
                throw new Exception("服务器连接错误！");
            }

        } catch (Exception e)
        {
            e.printStackTrace();
        } finally
        {
            try
            {
                if (is != null)
                    is.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }

            try
            {
                if (baos != null)
                    baos.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }
            conn.disconnect();
        }
        return "";
    }
    
    
    public static void main(String args []){        
            //msg参数就是传输过去的对话内容。            
            System.out.println(opUrl("http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552"));
            
    }
}