近日，曠視首席科學家、研究院院長孫劍榮登AI 2000計算機視覺全球最具影響力學者Top2，孫劍的學生、曠視基礎模型組負責人張祥雨位列第四。榜單的Top 5裡，曠視就佔了兩席。
和他們同時入選的，是Facebook AI研究院科學家何愷明、Ross Girshick，斯坦福大學計算機科學系教授李飛飛，香港中文大學信息工程系教授湯曉鷗這樣級別的AI專家。
AI 2000榜單覆蓋人工智能的20的子領域，收集整理了19世紀以來全球範圍內1.3億學者發表的2.7億篇學術論文，參考近10年來學術論文的引用情況，旨在遴選出2000位人工智能領域最具影響力的頂尖學者，榜單吸引了全球1000多萬獨立IP訪問，並得到了多所名校和研究機構的認可，權威性不言自明。
下圖是榜單Top 10。
圖片
孫劍到底有多厲害，能夠超越眾多世界AI頂級專家？
年均發表論文10餘篇，被引次數10萬+，西交大首位AI院長孫劍
圖片
孫劍有多厲害？出任首個西交大AI學院院長，帶領曠視研究院勇奪27項世界冠軍
2009年，著名的圖像去霧工作《Single Image Haze Removal using Dark Channel Prior》，開創性的提出了“暗通道先驗”，從單張輸入圖片恢復去除霧的圖像，一舉斬獲CVPR 2009最佳論文獎，而孫劍也成為亞洲第一個獲此殊榮的人！緊接著，2010年，麻省理工授予孫劍MIT Technology Review Young Innovator under 35榮譽。
如果說此前的獎項只是體現了孫劍的個人能力，那麼2015年的孫劍，表現出了超強的領導力。他帶隊征戰COCO Challenge 2015，一舉斬獲包括ImageNet分類，檢測和定位，MS COCO檢測和分割在內的5項冠軍。
同年，孫劍又帶隊奔赴ImageNet圖像識別國際挑戰賽，又拿下冠軍。而他們的而決勝武器，就是著名的深度殘差學習的方法。該方法解決了“網絡越深，錯誤越多”的困境，直接將深度延伸到了不可思議的152層！錯誤率卻只有3.5%，甚至超越了人類（普通人眼的錯誤率約為5.1%）。
這是深度神經網絡在世界上首次超越100層。更不可思議的是，正是深度殘差網絡的助攻，讓
Alpha Zero戰勝了柯潔。深度殘差學習方法不僅讓孫劍帶隊奪冠，還助力孫劍拿下CVPR 2016年CVPR最佳論文。目前，該論文在Google學術中，被引用數超過1.9萬次，成為近五年來在深度學習和計算機視覺領域被引用數最高的論文之一。
孫劍一戰成名！
圖片
同年，孫劍又獲得國家頒發的《2016年度國家自然科學獎》。2016年7月，孫劍正式加入曠視，開啟了曠視“不需要冠軍證明自己”的連續奪冠之旅。
加入曠視後，孫劍帶領曠視研究院在CVPR、ECCV、ICCV等全球CV頂會上綻放光彩，勇奪27項世界冠軍，並且帶隊直接拿下了COCO and Places Challenges 2017、COCO and Mapillary Challenges 2018、COCO and Mapillary Challenges 2019三連冠。
2019年1月21日，西安交通大學宣佈成立人工智能學院，曠視首席科學家、曠視研究院院長孫劍博士成為首任院長。同年，孫劍榮獲堪稱中國“諾貝爾獎”的何梁何利基金“科學與技術創新獎”。
圖片
拿獎、帶團隊、教學生、發論文都不耽誤
拿獎、帶隊打比賽、當院長，都沒耽誤孫劍做學術。
根據AMiner，孫劍被引指數75，發表論文189篇，年均產出論文10+，論文被引用次數10萬+。
圖片
孫劍是AI頂會常客。僅僅在CVPR、ICCV、ECCV、SIGGRAPH、PAMI5大頂級學術會議和期刊上，孫劍發表的學術論文就超過100篇。
僅在剛剛過去的2019年，孫劍就發表論文13篇；今年在疫情的阻撓下，仍有2篇論文發表。
圖片
在孫劍的帶領下，曠視研究院在CVPR、ECCV、ICCV等全球CV頂會上綻放光彩，勇奪27項世界冠軍，更是取得2017/2018/2019 COCO三連冠的驕人戰績，
把深度學習技術由人臉延展至物體檢測。
圖片
為什麼頂級學府人才都愛去曠視？
2011年，AlphaGo還沒有戰勝柯潔，距離DeepFake現身還有6年，大部分人只能在科幻電影中見識到人臉識別，而曠視就已經一頭扎進了AI這個全新的領域。
成立公司之後，曠視以技術為立足之根本，開始招兵買馬，在短短9年時間，從不足20人的小團隊，成長為超過2000人的人工智能頭部企業，人數增長了十幾倍。
為什麼像孫劍這樣優秀的人才，會選擇曠視？
因為曠視能夠成就英雄。天才只有和天才在一起，又能迸發出更燦爛的火焰。
本屆AI 2000計算機視覺全球最具影響力學者榜單中，曠視佔了Top 5名單中的兩席。除了孫劍，還有他的學生：張祥雨。
張祥雨的經歷，最能反應曠視人才觀。
圖片
首先他是一個專業過硬，綜合能力超強的人；其次，他的成就得益於導師孫劍的點撥。讀博期間，孫劍建議他做深度學習；2017年，孫劍建議他做高性能網絡，2018年，孫劍建議做AutoML。
做深度學習，有了152層深度的ResNet；做AutoML，在精度、內存消耗、訓練時間、模型搜索的有效性及靈活性方面達到最優，超過了谷歌、Facebook等公司，也催生了曠視算法工廠Brain++。
年僅28歲的張祥雨，成為曠視研究院基礎模型組掌門人。
由此可見，曠視已形成完整的人才培養計劃，吸引著來自微軟、清華、北航，以及世界頂尖院校的計算機人才。他們一方面是衝著心中的夢想而來，另一方面，則是因為曠視研究院對人才的態度。
曠視研究院對人才的態度不是”一個蘿蔔一個坑“流水線式的工具人，而是側重於在專業領域能獨擋一面研究科學家，以及全棧人工智能工程師。
為此，曠視研究院為AI人才提供了專屬的成長體系，並組建了以曠視首席科學家孫劍博士、曠視研究院基礎模型組負責人張祥雨博士等為首的全明星專屬導師團隊。
主動出擊大筆投入，在曠視以外培養更多人才
此外，曠視還攜手啟動北京智源學者計劃，為每位入選智源研究院的學者，提供每年50萬研究經費。
重視人才的曠視，深諳培養人才要“從娃娃抓起”的道理，已經通過中國高校聯盟（C9高校）、奧利匹克競賽國家隊、人工智能聯合實驗室等渠道招收人工智能領域創新研發人才。
2018年，經中國人力資源社會保障部、全國博士後管理委員會批准，曠視正式設立博士後科研工作站一級站點。此外，曠視還與中國科學院、北京大學、清華大學等共同建立了北京智源人工智能研究院，共同推動人工智能人才的培養與長期儲備。
誰也沒想到，9年之後，AI成為了各國競相爭奪的戰略要地，甚至成為中國搶佔世界科技前沿、實現引領性原創成果的重要技術支撐。而曠視的人才觀，恰好就為我國當前的AI人才發展戰略，提供了有力的支持。
CVPR 2020中16篇曠視研究院成頂會論文收割機；**開源35萬行代碼，**為普通開發者打造AI界的“煉丹爐”
有了優秀的人才，曠視研究院開始瘋狂輸出研究成果。CVPR 2020上，曠視研究院有16篇論文入選，其中包括6篇Oral。
圖片
這16篇論文的研究領域非常廣泛，涵蓋物體檢測與行人再識別（尤其是遮擋場景），人臉識別，文字檢測與識別，實時視頻感知與推理，小樣本學習，遷移學習，3D感知，GAN與圖像生成，計算機圖形學，語義分割，細粒度圖像，對抗樣本攻擊等眾多領域，取得多項領先的技術研究成果。
例如在Oral論文《BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition》，在4個基準數據集（包括iNaturalist）上進行了廣泛實驗，結果表明BBN顯著優於當前最佳方法，本文方法獲得iNaturalist 2019大規模物種分類競賽冠軍。
論文《DPGN: Distribution Propagation Graph Network for Few-shot Learning》，DPGN的性能大幅超越當前的最佳結果，在監督學習場景下超出5%~12%，在半監督學習場景下超出7%~13%。
而曠視研究院能夠不斷取得好成績，與已開放/開源的曠視AI生產力平臺Brain++密不可分。
27 項全球 AI 競賽冠軍背後，曠視絕密武器是“三位一體”Brain++
圖片
Brain++是集數據、算法和算力為一體的大平臺概念。其核心能力包括數據的處理、清洗和管理能力，算力的共享、調度和分佈式能力，算法的訓練、推理及部署能力，可覆蓋從 AI 生產（輸出算法模型）到應用（實現算法工程化封裝）各環節，滿足工業、金融、能源、通信、零售、教育行業客戶的多種場景需求，為普通開發者打造AI界的“煉丹爐”！
基於對Brain++能力的信心，曠視承諾將通過開源和開放的形式，逐步與業界共享Brain++的能力。
目前曠視已經將其深度學習平臺天元的35萬行代碼全部開源。
圖片
天元由3個實習生寫下第一行代碼，用了不到半年時間開發初代版本，也從另一側面體現出曠視人才培養的成效。相比其他深度學習框架，天元有以下三大優勢：
- 框架與算法的協同
- 高效訓練系統
- 大規模能力
天元拓展了深度學習開源框架的新版圖，也為開發者們提供了新的選擇。孫劍曾說：“曠視1400+名研發人員全員使用，天元就像我們的孩子”。
技術信仰，價值務實，要將科技的社會價值最大化
成立9年以來，曠視始終秉持著“以非凡科技，為客戶和社會持續創造最大價值”的使命，和“構建驅動百億臺智能設備的物聯網生態系統”的願景力求將科技的社會價值發揮到最大，希望“技術信仰，價值務實”的曠視基因可以一直傳承下去，給AI開發者帶來源源不斷的啟發和動力。
在2011年別人還未見2020年AI領域的繁華時，曠視已經成立。
“關鍵是你的目光,而不是你的所見”-安德烈紀德如是說。
也許對曠視來講，預測未來的最好方式，就是去親手創造未來。
閱讀更多 新智元 的文章
