最近人工智能領(lǐng)域著名雜志 IEEE Intelligent Systems公布了 2022 年度「人工智能十大新星」（AI's 10 to Watch）名單 ，其中有九位都是華人研究者。

評選委員會由2名華人、5名非華人組成，從30多位提名競爭者中，根據(jù)科研質(zhì)量、聲譽(yù)、影響以及博士畢業(yè)以來的專家認(rèn)可度，通過電子郵件和現(xiàn)場會議進(jìn)行的多輪討論后最終確定了這份幾乎全華人獲獎的名單。

不過獲獎的過程卻并非一帆風(fēng)順。

由于沒有美國人和西方人獲獎，此次名單也引起了IEEE計(jì)算機(jī)協(xié)會領(lǐng)導(dǎo)層的極大不滿，并以政治正確為由，要求同為華人、Intelligent Systems主編、悉尼科技大學(xué)的操龍兵教授修改或重做獲獎名單。

但舉賢不避親，操龍兵教授在壓力下依然堅(jiān)持原有的人選，不過代價(jià)卻是被中止了IS的主編工作。

恭喜九位華人獲獎?wù)?，這份榜單也充分顯示了華人科學(xué)家在人工智能領(lǐng)域的實(shí)力和潛力！

人工智能十大新星

李博

李博博士是美國伊利諾伊大學(xué)厄巴納-香檳分校計(jì)算機(jī)科學(xué)系的助理教授，曾獲得IJCAI計(jì)算機(jī)和思想獎的獲得者;阿爾弗雷德·斯隆研究獎學(xué)金;美國國家科學(xué)基金會（NSF）職業(yè)生涯獎;馬薩諸塞州理工學(xué)院技術(shù)評論TR-35獎院長卓越研究獎; C.W. Gear杰出青年教師獎等，并在多個(gè)頂級機(jī)器學(xué)習(xí)和安全會議上獲得最佳論文獎。

圖片

她的研究主要集中在可信機(jī)器學(xué)習(xí)（ML）、安全性、ML和博弈論的理論和實(shí)踐，將領(lǐng)域知識和邏輯推理能力集成到數(shù)據(jù)驅(qū)動的統(tǒng)計(jì)ML模型中，以提高學(xué)習(xí)的魯棒性，并為高維數(shù)據(jù)設(shè)計(jì)了可擴(kuò)展的隱私保護(hù)數(shù)據(jù)發(fā)布框架。

她的研究成果為學(xué)習(xí)系統(tǒng)的可信度提供了嚴(yán)格的保證，并已被部署在工業(yè)應(yīng)用中。

劉同亮

劉同亮博士是澳大利亞悉尼大學(xué)高級講師，同時(shí)也是阿聯(lián)酋人工智能大學(xué)機(jī)器學(xué)習(xí)系客座副教授，于悉尼科技大學(xué)獲得博士學(xué)位。

圖片

他的主要研究方向?yàn)槔斫夂驮O(shè)計(jì)機(jī)器學(xué)習(xí)算法，以解決可信機(jī)器學(xué)習(xí)領(lǐng)域的問題。

在需要大規(guī)模有標(biāo)簽數(shù)據(jù)的領(lǐng)域，往往存在嚴(yán)重的錯誤標(biāo)簽問題，如計(jì)算機(jī)視覺、自然語言處理和數(shù)據(jù)挖據(jù)領(lǐng)域，他在有噪聲標(biāo)簽的機(jī)器學(xué)習(xí)理論和算法方面的工作成果對這些領(lǐng)域有重大貢獻(xiàn)。

Soujanya Poria

Soujanya Poria是新加坡科技與設(shè)計(jì)大學(xué)（SUTD）的助理教授，于英國斯特靈大學(xué)的計(jì)算機(jī)科學(xué)專業(yè)獲得博士學(xué)位，曾在ACL，EMNLP，AAAI等頂級會議和期刊上發(fā)表了100多篇論文，并獲得IEEE CIM杰出論文獎和ACM ICMI最佳論文獎榮譽(yù)獎。

他對融合來自文本、音頻和視覺模態(tài)的信息進(jìn)行了開創(chuàng)性的研究，可用于各種行為和情感任務(wù)，顯著改善了依賴多模態(tài)數(shù)據(jù)的系統(tǒng)，為各種新的研究途徑鋪平了道路。

他的最新研究方向是關(guān)于信息抽取、視覺語言推理，以及基于常識、基于上下文的因果解釋來理解人類對話。

Deqing Sun

Deqing Sun博士是Google的研究科學(xué)家，其研究成果對計(jì)算機(jī)視覺做出了重大貢獻(xiàn)，特別是在運(yùn)動估計(jì)方面。

圖片

他在光流（Classic+NL和PWC-Net）方面的工作非常有影響力，并一直在為NVIDIA RTX平臺中的Super SloMo，F(xiàn)ace Unblur和Google Pixel手機(jī)上的Fusion Zoom等商業(yè)應(yīng)用提供支持。

他曾擔(dān)任CVPR/ICCV/ECCV的區(qū)域主席，并在CVPR/ECCV/SIGGRAPH共同組織了幾次研討會/教程。他是2018年CVPR最佳論文榮譽(yù)獎獲得者，2022年CVPR最佳論文決賽選手，2020年P(guān)AMI青年研究員獎以及2020年CVPR Longuet-Higgins獎。

孫怡舟

孫怡舟博士是加州大學(xué)洛杉磯分校計(jì)算機(jī)科學(xué)系的副教授，于2012年在伊利諾伊大學(xué)厄巴納-香檳分校的計(jì)算機(jī)科學(xué)專業(yè)獲得博士學(xué)位。

圖片

她的主要研究方向是挖掘圖/網(wǎng)絡(luò)，更一般地說，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)科學(xué)，重點(diǎn)是建模新問題，并提出可擴(kuò)展的算法，用于大規(guī)模的現(xiàn)實(shí)世界的應(yīng)用。

她是異構(gòu)信息網(wǎng)絡(luò)（HIN）挖掘的先驅(qū)，最近的研究專注于深度圖學(xué)習(xí)、神經(jīng)符號推理，并為多智能體動力系統(tǒng)提供神經(jīng)解決方案。她的工作具有廣泛的應(yīng)用范圍，從電子商務(wù)，醫(yī)療保健，材料科學(xué)到硬件設(shè)計(jì)。

湯繼良

湯繼良博士是密歇根州立大學(xué)的校級教授，致力于圖ML和可信AI及其在教育和生物學(xué)中的應(yīng)用，他的貢獻(xiàn)包括提出了行業(yè)內(nèi)高引用的算法、開發(fā)了多個(gè)業(yè)內(nèi)流行的系統(tǒng)。

圖片

他的研究興趣包括圖形機(jī)器學(xué)習(xí)及其在社交媒體和生物學(xué)中的應(yīng)用，曾與劍橋大學(xué)出版社合作撰寫了第一本綜合性的書《圖深度學(xué)習(xí)》（Learning on Graphs），并開發(fā)了各種開源工具，包括用于特征選擇的scikit-feature，用于可信AI的DeepRobust，以及用于單細(xì)胞分析的DANCE。

他曾獲得多個(gè)獎項(xiàng)，包括2022年IAPR J.K.Aggarwal獎、2022年SIAM/IBM早期職業(yè)研究獎、2021年IEEE ICDM Tao Li獎、2021年IEEE大數(shù)據(jù)安全少年研究獎、2020年ACM SIGKDD星星獎、2019年NSF CAREER獎，以及八項(xiàng)最佳論文獎（或亞軍）。

汪張揚(yáng)

汪張揚(yáng)博士是美國得克薩斯大學(xué)奧斯汀分校電子和計(jì)算機(jī)工程助理教授，2012年本科畢業(yè)于中國科學(xué)技術(shù)大學(xué)，2016年博士畢業(yè)于伊利諾伊大學(xué)厄巴納-香檳分校，致力于高效可靠的機(jī)器學(xué)習(xí)，研究方向涵蓋機(jī)器學(xué)習(xí)理論到應(yīng)用的各個(gè)方面。

圖片

他近期的研究方向是在經(jīng)典優(yōu)化到現(xiàn)代神經(jīng)網(wǎng)絡(luò)中，利用、理解和擴(kuò)展稀疏性的作用，研究成果涵蓋多個(gè)重要課題，如大型基礎(chǔ)模型的有效訓(xùn)練/推理/遷移，魯棒性和可信度，學(xué)習(xí)優(yōu)化，生成式人工智能和圖學(xué)習(xí)等。

他獲得過許多獎項(xiàng)和榮譽(yù)，包括NSF職業(yè)獎，ARO青年研究者獎，INNS Aharon Katzir青年研究者獎，首屆LoG會議2022最佳論文獎，以及多個(gè)行業(yè)教師研究獎以及研究競賽獎，同時(shí)也是ACM杰出演講者和IEEE高級會員。

陰紅志

陰紅志博士是昆士大學(xué)信息技術(shù)與電氣工程學(xué)院的副教授，于北京大學(xué)獲得博士學(xué)位，致力于可信的數(shù)據(jù)智能，將數(shù)據(jù)轉(zhuǎn)化為各種行業(yè)和場景中的隱私保護(hù)，以及可解釋和公平的智能服務(wù)。

圖片

他也是研究和開發(fā)下一代智能系統(tǒng)和算法的領(lǐng)先專家，可以用于輕量級設(shè)備上的預(yù)測分析以及對海量和異構(gòu)數(shù)據(jù)的推薦和分散式（decentralized）機(jī)器學(xué)習(xí)。

他的研究成果曾獲得第35屆IEEE國際數(shù)據(jù)工程會議（ICDE 2019）最佳論文獎，第25屆國際數(shù)據(jù)庫系統(tǒng)高級應(yīng)用會議（DASFAA 2020）最佳學(xué)生論文獎，第20屆國際數(shù)據(jù)挖掘會議（ICDM 2018）最佳論文提名，以及北京大學(xué)杰出博士學(xué)位。

Liang Zheng

Liang Zheng博士是澳洲國立大學(xué)的高級講師，2015年博士畢業(yè)于清華大學(xué)，致力于以數(shù)據(jù)為中心的計(jì)算機(jī)視覺，提高訓(xùn)練和驗(yàn)證數(shù)據(jù)的質(zhì)量，預(yù)測沒有標(biāo)簽的測試數(shù)據(jù)難度（test data difficulty），為以模型為中心的開發(fā)提供了一個(gè)補(bǔ)充的視角。

圖片

他最著名的成果是在物體重識別方面的貢獻(xiàn)，與合作者共同設(shè)計(jì)了廣泛使用的數(shù)據(jù)集和算法，如Market-1501（ICCV 2015），基于部分的卷積基線（ECCV 2018），隨機(jī)擦除（AAAI 2020）以及聯(lián)合檢測和嵌入（ECCV 2020）。

他最近的研究方向是以數(shù)據(jù)為中心的計(jì)算機(jī)視覺，其中主要關(guān)注的是提高利用率，分析和改進(jìn)數(shù)據(jù)而非算法。