何恺明MIT求职演讲现场：提前三小时就有排队，超百页PPT回顾CV发展，以及"大神月...
source link: https://www.qbitai.com/2023/03/42804.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
何恺明MIT求职演讲现场：提前三小时就有排队，超百页PPT回顾CV发展，以及“大神月半了”
真成AI圈大型追星现场了
杨净 鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
何恺明MIT求职演讲，真成AI圈大型追星现场了！
据量子位身处现场的听众朋友传回的消息，有同学提前3个小时已经蹲在门口排队了。
到演讲开始前半个小时，门口的队伍据说都打了好几个弯……
来浅浅感受一下现场的氛围：
此前何恺明回归学界的消息传出，咱们就聊过，这次Job Talk（求职演讲）代表何恺明至少已经通过了MIT的简历筛选，研究成果和能力得到了初步认可。
对于这次演讲，何恺明也是准备了超129页PPT，回顾了他在CV领域所做的工作，涵盖ResNet、Faster RCNN、Mask RCNN、MoCO和MAE。
在谈到未来工作方向时，何恺明还提到了AI for Science。
除了关心大神的演讲本身，还有网友注意到了何恺明的最新变化：
何恺明重返学界
目前，尚不能确定何恺明最后是否会和MIT成功牵手。但此次演讲，是他寻求教职传闻的靴子落地。
还有网友发现，如果何恺明最终成功入职，那么他将成为MIT被引次数最高的人。
目前，MIT全校被引用次数最高的，是化学与生物医学工程系的重量级教授Robert Langer，次数为38万+。
而何恺明被引用次数高达40万+。
其中，何恺明最出圈的研究，非ResNet莫属，在2021年底突破10万大关，如今已经涨到15万。
ResNet本身虽为计算机视觉领域研究，但其核心思想残差连接已经跨界成为现代深度学习模型的基本组件。
开启上一次AI热潮的AlphaGo Zero就是结合了ResNet+强化学习+蒙特卡洛搜索共同完成。而开启最新AI热潮的ChatGPT，其中的“T”也就是Transformer网络中同样使用了残差连接。
在计算机视觉上，何恺明的主要贡献还包括Faster R-CNN及后续的Mask R-CNN等一系列研究，在很多年都是目标检测的主流方法。
他的近期主要研究兴趣是无监督学习，21年底提出的MAE，将语言模型的掩码预训练方法用在视觉模型上，为视觉大规模无监督预训练大模型开路。最近他还将掩码方法引入众多AI绘画应用的基础模型CLIP，把训练速度提升了3.7倍。
不过也有知乎匿名用户从现场发来看法：整个Talk的质量并不好，何恺明没用一个好的故事把工作串联起来。
这是不是说明就连何恺明也不知道怎么讲好CV故事了。
那么，这一次你在现场吗？评论区观后感走起~
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK