本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

何愷明MIT求職演講，真成AI圈大型追星現(xiàn)場了！

據(jù)量子位身處現(xiàn)場的聽眾朋友傳回的消息，有同學(xué)提前3個小時已經(jīng)蹲在門口排隊了。

到演講開始前半個小時，門口的隊伍據(jù)說都打了好幾個彎……

△后續(xù)更正，PPT不止129頁

來淺淺感受一下現(xiàn)場的氛圍：

此前何愷明回歸學(xué)界的消息傳出，咱們就聊過，這次Job Talk（求職演講）代表何愷明至少已經(jīng)通過了MIT的簡歷篩選，研究成果和能力得到了初步認(rèn)可。

對于這次演講，何愷明也是準(zhǔn)備了超129頁PPT，回顧了他在CV領(lǐng)域所做的工作，涵蓋ResNet、Faster RCNN、Mask RCNN、MoCO和MAE。

在談到未來工作方向時，何愷明還提到了AI for Science。

除了關(guān)心大神的演講本身，還有網(wǎng)友注意到了何愷明的最新變化：

何愷明重返學(xué)界

目前，尚不能確定何愷明最后是否會和MIT成功牽手。但此次演講，是他尋求教職傳聞的靴子落地。

還有網(wǎng)友發(fā)現(xiàn)，如果何愷明最終成功入職，那么他將成為MIT被引次數(shù)最高的人。

目前，MIT全校被引用次數(shù)最高的，是化學(xué)與生物醫(yī)學(xué)工程系的重量級教授Robert Langer，次數(shù)為38萬+。

而何愷明被引用次數(shù)高達(dá)40萬+。

其中，何愷明最出圈的研究，非ResNet莫屬，在2021年底突破10萬大關(guān)，如今已經(jīng)漲到15萬。

ResNet本身雖為計算機(jī)視覺領(lǐng)域研究，但其核心思想殘差連接已經(jīng)跨界成為現(xiàn)代深度學(xué)習(xí)模型的基本組件。

開啟上一次AI熱潮的AlphaGo Zero就是結(jié)合了ResNet+強化學(xué)習(xí)+蒙特卡洛搜索共同完成。而開啟最新AI熱潮的ChatGPT，其中的“T”也就是Transformer網(wǎng)絡(luò)中同樣使用了殘差連接。

在計算機(jī)視覺上，何愷明的主要貢獻(xiàn)還包括Faster R-CNN及后續(xù)的Mask R-CNN等一系列研究，在很多年都是目標(biāo)檢測的主流方法。

他的近期主要研究興趣是無監(jiān)督學(xué)習(xí)，21年底提出的MAE，將語言模型的掩碼預(yù)訓(xùn)練方法用在視覺模型上，為視覺大規(guī)模無監(jiān)督預(yù)訓(xùn)練大模型開路。最近他還將掩碼方法引入眾多AI繪畫應(yīng)用的基礎(chǔ)模型CLIP，把訓(xùn)練速度提升了3.7倍。

不過也有知乎匿名用戶從現(xiàn)場發(fā)來看法：整個Talk的質(zhì)量并不好，何愷明沒用一個好的故事把工作串聯(lián)起來。

這是不是說明就連何愷明也不知道怎么講好CV故事了。