Сон-Чун Чжу - Song-Chun Zhu

Сон-Чун Чжу
РодившийсяИюнь 1968 г.
Эчжоу, Хубэй, Китай
НациональностьКитайский
Род занятийУченый-компьютерщик, математик-прикладник
НаградыПремия Гельмгольца за испытание временем
Сотрудник IEEE
Премия Дэвида Марра
Академическое образование
Альма-матерУниверситет науки и технологий Китая (Бакалавр компьютерных наук)
Гарвардский университет (Магистр и доктор компьютерных наук)
ТезисСтатистические и вычислительные теории для сегментации изображений, моделирования текстур и распознавания объектов (1996)
ДокторантДэвид Мамфорд
Академическая работа
ДисциплинаКомпьютерные науки и статистика
УчрежденияКалифорнийский университет в Лос-Анджелесе
Основные интересыИскусственный интеллект
Интернет сайтwww.stat.ucla.edu/ ~ щу

Сон-Чун Чжу (Китайский : 朱 松 纯) это Китайский компьютерный ученый и прикладной математик известен своей работой в компьютерное зрение, когнитивный искусственный интеллект и робототехника. Чжу - профессор кафедры статистики и компьютерных наук в Калифорнийский университет в Лос-Анджелесе.[1] Чжу также является директором Центра зрения, познания, обучения и автономии Калифорнийского университета в Лос-Анджелесе (VCLA).[2]

В 2005 году Чжу основал Lotus Hill Institute, независимую некоммерческую организацию для содействия международному сотрудничеству в областях компьютерное зрение и распознавание образов.[3] Чжу много публиковал и читал лекции по искусственному интеллекту во всем мире, а в 2011 году он стал Сотрудник IEEE (Институт инженеров по электротехнике и электронике ) за «вклад в статистическое моделирование, обучение и выводы в области компьютерного зрения».[4]

У Чжу есть две дочери, Стефани и Беверли.[5] Беверли И Чжу (Китайский : 朱 易) является китайско-американским конкурентом фигурист.[нужна цитата ]

ранняя жизнь и образование

Родился и вырос в Эчжоу, Китай В молодости Чжу нашел вдохновение в разработке компьютеров, играющих в шахматы, что пробудило его интерес к искусственному интеллекту. В 1991 году Чжу получил степень бакалавра наук. в области компьютерных наук из Университет науки и технологий Китая в Хэфэй. В студенческие годы Чжу открыл вычислительную теорию зрения покойным нейробиологом Массачусетского технологического института. Дэвид Марр был очень влиятельным, стремился разработать общую единую теорию зрения и ИИ.[6] В 1992 году Чжу продолжил изучение компьютерного зрения в Гарвардская высшая школа искусств и наук. В Гарварде Чжу учился под руководством американского математика. Дэвид Мамфорд и познакомился с "вероятно приблизительно правильное" (PAC) обучение по указанию Лесли Валиант. Чжу завершил учебу в Гарварде в 1996 году со степенью доктора философии. в области компьютерных наук и последовал за Мамфордом в отделение прикладной математики в Брауновский университет как постдокторант.[3]

Карьера

После получения докторской степени Чжу кратко прочитал лекцию в Стэндфордский Университет Департамент компьютерных наук. В 1998 году он присоединился к Государственный университет Огайо как доцент кафедры компьютерных наук и когнитивных наук. В 2002 году Чжу присоединился к Калифорнийскому университету в Лос-Анджелесе на факультетах компьютерных наук и статистики в качестве адъюнкт-профессора, получив звание профессора в 2006 году. В Калифорнийском университете в Лос-Анджелесе Чжу основал Центр зрения, познания, обучения и автономии. Его главный исследовательский интерес заключался в поиске единой статистической и вычислительной основы для видения и интеллекта, которая включает пространственный, временной и причинно-следственный граф (STC-AOG) в качестве единого представления и многочисленных Методы Монте-Карло для вывода и обучения.[7][8]

В 2005 году Чжу основал независимую некоммерческую организацию в своем родном городе Эчжоу, Lotus Hill Institute (LHI). LHI участвовал в сборе крупномасштабных наборов данных изображений и аннотировании объектов, сцен и действий, получив вклад от многих известных ученых, в том числе Гарри Шам. В Институте также есть постоянная команда аннотаций для анализа структур изображений, которая на сегодняшний день собрала более 500 000 изображений.[нужна цитата ]

С момента основания LHI, Чжу организовал множество семинаров и конференций, а также выступал в качестве генерального председателя в 2012 году. Конференция по компьютерному зрению и распознаванию образов (CVPR) в Провиденс, Род-Айленд, где он представил Ульф Гренандер с медалью пионера и CVPR 2019 г. Лонг-Бич, Калифорния.[9]

В июле 2017 года Чжу основал DMAI в Лос-Анджелес как AI-стартап, занимающийся разработкой единой когнитивной платформы AI.[10]

В сентябре 2020 года Чжу вернулся в Китай, чтобы поступить в Пекинский университет и возглавить его Институт искусственного интеллекта, присоединившись, таким образом, к другому китайскому эксперту в области ИИ в США и давнему знакомому Чжу, бывшего главы отдела искусственного интеллекта и исследований Microsoft Гарри Шума. В августе Пекинский университет назначил Шума председателем научного комитета Института искусственного интеллекта. [11]

Чжу работает над созданием нового независимого исследовательского института искусственного интеллекта - Пекинского института общего искусственного интеллекта (BIGAI). Согласно введению, основанному на парадигме «небольшие данные для большой задачи», BIGAI фокусируется на передовых технологиях искусственного интеллекта, междисциплинарной интеграции, международном академическом обмене, чтобы воспитывать новое поколение молодых талантов в области искусственного интеллекта.[11]. Ожидается, что институт соберет профессиональных исследователей, ученых и экспертов, чтобы применить теоретические основы искусственного интеллекта Чжу на практике, а также совместно продвигать китайские оригинальные технологии ИИ и создавать новое поколение общих платформ ИИ.

Исследования и работа

Чжу опубликовал более трехсот статей в рецензируемых журналах и материалах по следующим четырем этапам:

Новаторские статистические модели для формулирования концепций в рамках Марра

В начале 1990-х Чжу с сотрудниками группы теории шаблонов разработали передовые статистические модели для компьютерного зрения. Сосредоточение внимания на разработке объединяющей статистической основы для представлений раннего видения, представленных в посмертно опубликованной работе Дэвида Марра под названием Зрение, они впервые сформулировали текстуры в новом Марковское случайное поле модель, называемая FRAME, использующая принцип минимаксной энтропии для ознакомления с открытиями в нейробиологии и психофизике. Распределения Гиббса в статистической физике.[12] Затем они доказали эквивалентность модели FRAME и микроканонического ансамбля,[13] который они назвали ансамблем Жюлеша. Эта работа была удостоена почетной номинации на премию Марра на Международной конференции по компьютерному зрению (ICCV) в 1999 году.[14]

В течение 1990-х Чжу разработал два новых класса нелинейных уравнения в частных производных (PDE). Один из классов сегментации изображений называется конкуренцией регионов.[15] Эта работа, соединяющая PDE со статистическими моделями изображений, получила премию Гельмгольца «Тест времени» в ICCV 2013. Другой класс, названный GRADE (Уравнения реакции Гиббса и диффузии), был опубликован в 1997 году и использует Динамика Ланжевена подход для вывода и обучения Стохастический градиентный спуск (SGD).[16]

В начале 2000-х Чжу сформулировал текстоны[17] использование генеративных моделей с теорией разреженного кодирования и интеграция моделей текстуры и текстона для представления первичного эскиза.[18] Вместе с Ин Нянь Ву Чжу продвинул исследование перцептивных переходов между режимами моделей в масштабировании информации и предложил теорию перцептивного масштабного пространства для расширения масштабного пространства изображения.[19]

Расширение грамматической парадигмы Фу с помощью стохастического и / или графа

С 1999 по 2002 год с его докторской степенью. студент Zhuowen Tu, Zhu разработал управляемую данными Цепь Маркова Монте-Карло (DDMCMC) парадигма[20] пересечь все пространство состояний за счет расширения работы Гренандера-Миллера по диффузионному скачку. С другим доктором философии. Студент Адриан Барбу обобщил алгоритм кластерной выборки (Свендсен-Ван ) в физике от моделей Изинга / Поттса до произвольных вероятностей. Это продвижение в этой области сделало операторы разделения-слияния обратимыми, впервые в литературе, и обеспечило 100-кратное ускорение по сравнению с сэмплером Гиббса и скачкообразной диффузией. Это достижение привело к работе над парсингом изображений.[21] который выиграл Приз Марра на ICCV 2003.[14]

В 2004 году Чжу перешел на высокий уровень зрения, изучая стохастическая грамматика. Грамматический метод восходит к синтаксическому подходу к распознаванию образов, за который выступает Царь-Сунь Фу в 1970-е гг. Чжу разработал грамматические модели для нескольких ключевых проблем со зрением, таких как моделирование лица, старение лица, одежда, обнаружение объектов, анализ прямоугольной структуры и т. Д. Он написал монографию с Мамфордом в 2006 году под названием Стохастическая грамматика изображений.[22] В 2007 году Чжу и соавторы были номинированы на премию Марра. В следующем году Чжу получил премию J.K. Премия Аггарвала от Международной ассоциации распознавания образов за «вклад в единую основу концептуализации, моделирования, обучения и логических выводов визуальных образов».[23]

Чжу расширил модели и / или графов на пространственные, временные и причинно-следственные и / или графические модели (STC-AOG), чтобы выразить композиционные структуры как единое представление для объектов, сцен, действий, событий и причинных эффектов в физическом и физическом мире. проблемы понимания социальной сцены.

Изучение "темной материи ИИ" познания и визуального здравого смысла

С 2010 года Чжу сотрудничал с учеными, занимающимися когнитивными науками, искусственным интеллектом, робототехникой и языком, чтобы исследовать то, что он называет «темной материей ИИ» - 95% интеллектуальной обработки, не обнаруживаемой напрямую через сенсорный ввод.

Вместе они дополнили проблему синтаксического анализа изображений и понимания сцены когнитивным моделированием и рассуждениями о следующих аспектах: функциональность (функции объектов и сцен, использование инструментов), интуитивная физика (поддерживающие отношения, материалы, стабильность и риск), намерение и внимание (что люди знают, думают и собираются делать в социальной среде), причинность (причинные эффекты действий по изменению подвижности объекта) и полезность (общие ценности, управляющие человеческой деятельностью в видео).[24][25][26] Результаты распространяются через серию семинаров.[27]

В течение этого периода Чжу исследовал множество других тем, в том числе следующие: формулирование концепций искусственного интеллекта, таких как инструменты, контейнеры, жидкости; интеграция парсинга и реконструкции трехмерной сцены из отдельных изображений за счет функциональности рассуждения, физической стабильности, локальных диалогов путем совместного анализа видео и текста; развивающее коммуникативное обучение; и отображение энергетического ландшафта невыпуклых задач обучения.[28]

Следование парадигме «маленькие данные для больших задач» для общего ИИ

В широко распространенной общедоступной статье, написанной на китайском языке в 2017 году, Чжу назвал популярное исследование глубокого обучения на основе данных парадигмой «большие данные для небольших задач», которая обучает нейронную сеть для каждой конкретной задачи с помощью массивных аннотированных данных, что приводит к не интерпретируемым модели и узкий ИИ. Чжу, напротив, выступал за парадигму «маленькие данные для больших задач» для достижения общего ИИ.[29]

Чжу построил крупномасштабную физически реалистичную среду VR / AR для обучения и тестирования автономных агентов ИИ, которым поручено выполнять большое количество повседневных задач. Эта платформа VR / AR получила награду Best Paper Award на конференции ACM TURC в 2019 году. Агенты интегрируют возможности в областях зрения, языка, познания, обучения и робототехники в процессе развития физического и социального здравого смысла и общения с людьми, используя когнитивная архитектура.[30]

Награды и отличия

  • 1999 - Почетная номинация на премию Марра, Седьмая международная конференция по компьютерному зрению, Корфу, Греция
  • 2001 - научный сотрудник Sloan в области компьютерных наук, Фонд Альфреда Слоана
  • 2001 - Премия за карьеру, Национальный научный фонд
  • 2001 - Премия молодому исследователю, Управление военно-морских исследований
  • 2003 - Премия Марра, Девятая международная конф. по компьютерному зрению, Ницца, Франция
  • 2007 - Почетная номинация на премию Марра на 11-м ICCV в Рио, Бразилия.
  • 2008 - J.K. Премия Аггарвала, Международная ассоциация распознавания образов.
  • 2011 - научный сотрудник IEEE Computer Society.
  • 2013 - Премия Гельмгольца «Испытание временем» на 14-й Международной конф. по компьютерному зрению в Сиднее, Австралия
  • 2017 - Премия за компьютерное моделирование, Общество когнитивных наук
  • 2019 - Премия за лучшую работу, конференция ACM TURC

Публикации

Книги

  • С.С. Чжу и Д. Мамфорд, Стохастическая грамматика изображений, монография, сейчас Publishers Inc. 2007.
  • А. Барбу и С.С. Чжу, Методы Монте-Карло, Springer, Опубликовано в 2019 г.
  • S.C. Zhu, AI: эпоха большой интеграции - объединение дисциплин в рамках искусственного интеллекта, DMAI, Inc., Опубликовано в 2019 г.
  • S.C. Zhu, Y.N. Ву, Концепции и представления в видении и познании, Драфт преподается 10+ лет, Springer, Подготовка к 2020.

Статьи

  • Чжу, С. К., Ву, Ю., и Мамфорд, Д. (1998). КАДР: фильтры, случайные поля и минимаксная энтропия к единой теории моделирования текстур. Международный журнал компьютерного зрения, 27 (2) стр. 1-20.
  • Ю. Н. Ву, С. К. Чжу и X. В. Лю, (2000). Эквивалентность моделей Julesz Ensemble и FRAME International Journal of Computer Vision, 38 (3), 247-265.
  • Ту, З. и Чжу, С.-К. Сегментация изображений с помощью цепей Маркова на основе данных Монте-Карло, IEEE Trans. по ПАМИ, 24 (5), 657-673, 2002.
  • Барбу А. и Чжу С.-К., Обобщение Свендсена-Ванга на выборку произвольных апостериорных вероятностей, IEEE Trans. на ПАМИ, 27 (8), 1239-1253, 2005.
  • Ту, З., Чен, X, Юилль, и Чжу, С.-К. (2003). Парсинг изображений: объединение сегментации, обнаружения и распознавания. Труды Девятой международной конференции IEEE по компьютерному зрению.
  • Чжу, С.С., и Юилль, А. (1996). Конкуренция регионов: объединение змей, выращивание регионов и байесовская / MDL-сегментация изображений. IEEE Transactions по анализу шаблонов и машинному интеллекту, 18 (9), 884–900.
  • Чжу, С. С., & Мамфорд, Д. (1997). Предварительное обучение и реакция-диффузия Гиббса. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19 (11), 1236–1250.
  • Чжу, С.-К., Го, К., Ван, Ю., и Сюй, З. (2005). Что такое текстоны? Международный журнал компьютерного зрения, 62 (1/2), 121–143.
  • Чжу, С.-К., и Мамфорд, Д. (2006). Стохастическая грамматика изображений. Основы и тенденции компьютерной графики и зрения, 2 (4), 259–362.
  • Го, С. Чжу, С.-К. и Ву Ю. (2007), Первичный набросок: объединение текстуры и структуры. Компьютерное зрение и понимание изображений, т. 106, выпуск 1, 5-19.
  • Ю.Н. Ву, C.E. Guo, S.C. Zhu (2008), От масштабирования информации естественных изображений к режимам статистических моделей, Quarterly of Applied Mathematics, т. 66, нет. 1, 81-122.
  • Б. Чжэн, Ю. Чжао, Дж. Ю, К. Икеучи и С.К. Чжу (2015), Понимание сцены посредством обоснования стабильности и безопасности, Международный журнал компьютерного зрения, т. 112, нет. 2, pp221-238, 2015.
  • Ю. Чжу, Ю. Б. Чжао и С.С. Чжу (2015), Инструменты понимания: ориентированное на задачи моделирование, обучение и распознавание, Proc. IEEE Conf. по компьютерному зрению и распознаванию образов (CVPR).
  • Fire, A. и S.C. Zhu (2016), Изучение перцептивной причинности из видео, ACM Trans. по интеллектуальным системам и технологиям, 7 (2): 23.
  • Y.X. Чжу, Ч. Цзян, Ю. Чжао, Д. Терзопулос и С.С. Чжу (2016), Вывод сил и изучение человеческих утилит из видео, Proc. IEEE Conf. по компьютерному зрению и распознаванию образов (CVPR).
  • Д. Се, Т. Шу, С. Тодорович и С. К. Чжу (2018), Изучение и вывод «темной материи» и прогнозирование человеческих намерений и траекторий в видео, IEEE Trans on Pattern Analysis and Machine Intelligence, 40 (7): 1639- 1652.
  • Чжу, Ю. и др. (2020) Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Human-like Commonsense, Специальный выпуск по искусственному интеллекту.
  • S.C. Zhu, (2019) AI: Эра большой интеграции - объединение дисциплин в рамках искусственного интеллекта, DMAI, Inc.

Рекомендации

  1. ^ "Сон-Чун Чжу".
  2. ^ «Центр зрения, познания, обучения и автономии».
  3. ^ а б "Профессор Сон-Чун Чжу, Калифорнийский университет в Лос-Анджелесе".
  4. ^ "Сон-Чун Чжу".
  5. ^ "Исследования: мы на правильном пути?".
  6. ^ "ACM 图灵 大会 上 的" 华山 论剑 "： 朱 松 纯 对话 沈 向 洋 Диалог докторов Сон-Чун Чжу и Гарри Шума на ACM TURC 2019".
  7. ^ «Единая структура для передачи знаний между человеком и роботом».
  8. ^ "Методы Монте-Карло (в твердом переплете)".
  9. ^ «Письмо от организаторов PAMI TC и CVPR 2019».
  10. ^ «ДМАИ».
  11. ^ а б «ДМАИ».
  12. ^ Чжу, С. К., Ву, Ю., и Мамфорд, Д. (1998). КАДР: фильтры, случайные поля и минимаксная энтропия к единой теории моделирования текстур. Международный журнал компьютерного зрения, 27 (2) стр. 1-20.
  13. ^ Ю. Н. Ву, С. К. Чжу и X. В. Лю, (2000). Эквивалентность моделей Julesz Ensemble и FRAME International Journal of Computer Vision, 38 (3), 247-265.
  14. ^ а б «Награды компьютерного зрения».
  15. ^ Чжу, С.С., и Юилль, А. (1996). Конкуренция регионов: объединение змей, выращивание регионов и байесовская / MDL-сегментация изображений. IEEE Transactions по анализу шаблонов и машинному анализу, 18 (9), 884–900.
  16. ^ Чжу, С. С., & Мамфорд, Д. (1997). Предварительное обучение и реакция-диффузия Гиббса. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19 (11), 1236–1250.
  17. ^ Чжу, С.-К., Го, К., Ван, Ю., и Сюй, З. (2005). Что такое текстоны? Международный журнал компьютерного зрения, 62 (1/2), 121–143.
  18. ^ Guo, C. Zhu, S.-C. и Ву Ю. (2007), Первичный набросок: объединение текстуры и структуры. Компьютерное зрение и понимание изображений, т. 106, выпуск 1, 5-19.
  19. ^ Ю.Н. Ву, C.E. Guo, S.C. Zhu (2008), От информационного масштабирования естественных изображений до режимов статистических моделей, Quarterly of Applied Mathematics, т. 66, нет. 1, 81-122.
  20. ^ Ту, З. и Чжу, С.-К. Сегментация изображений с помощью цепей Маркова на основе данных Монте-Карло, IEEE Trans. по ПАМИ, 24 (5), 657-673, 2002.
  21. ^ Ту, З., Чен, X, Юилль, и Чжу, С.-К. (2003). Парсинг изображений: объединение сегментации, обнаружения и распознавания. Труды Девятой международной конференции IEEE по компьютерному зрению.
  22. ^ Чжу, С.-К., и Мамфорд, Д. (2006). Стохастическая грамматика изображений. Основы и тенденции компьютерной графики и зрения, 2 (4), 259–362.
  23. ^ «Премия Дж. К. Аггарвала 2008 г. присуждена профессору Сон-Чун Чжу».
  24. ^ Б. Чжэн, Ю. Чжао, Дж. Ю, К. Икеучи и С.К. Чжу (2015), Понимание сцены посредством обоснования стабильности и безопасности, Международный журнал компьютерного зрения, т. 112, нет. 2, pp221-238, 2015.
  25. ^ Ю. Чжу, Ю. Б. Чжао и С.С. Чжу (2015), Инструменты понимания: ориентированное на задачи моделирование, обучение и распознавание, Proc. IEEE Conf. по компьютерному зрению и распознаванию образов (CVPR).
  26. ^ Y.X. Чжу, Ч. Цзян, Ю. Чжао, Д. Терзопулос и С.С. Чжу (2016), Вывод сил и изучение человеческих утилит из видео, Proc. IEEE Conf. по компьютерному зрению и распознаванию образов (CVPR).
  27. ^ «Видение и познание».
  28. ^ "Сун-чун Чжу".
  29. ^ "Несколько приглашенных бесед".
  30. ^ «Красота человеческого обучения и интеллекта».

внешняя ссылка