27岁博士毕业,32岁成清华博导!他单篇论文引用量接近1.1万次

本文主要是介绍27岁博士毕业,32岁成清华博导!他单篇论文引用量接近1.1万次,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 

点击上方“码农突围”,马上关注

这里是码农充电第一站,回复“666”,获取一份专属大礼包

真爱,请设置“星标”或点个“在看

a310556abad0f7c2b32cfdae73af3b6e.png

来源 | 人民日报、长沙晚报、湖南教育电视台

转载自| 募格学术

近期,各校优秀的青年学者喜获杰青的新闻频出,小募关注到在2020年清华大学一位32岁的博导已获得了优青,可谓是青年俊才!今天让我们一起来走近他的故事吧~

黄高,道林镇华鑫市村人,2005年毕业于宁乡一中,27岁获得清华大学博士学位,随后前往美国康奈尔大学计算机系继续博士后深造,博士后第二年他的研究《Densely Connected Convolutional Networks》就获CVPR2017最佳论文,并被编入多本深度学习著作,单篇引用量于去年已经接近1.1万次。目前在NeurIPS,ICML,CVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文50余篇,被引用18000余次。

5d4256504dd45a5feeb9c86372d5895f.png

▲黄高

曾获2016年全国百篇重大影响国际学术论文、2018年世界人工智能大会Super AI Leader(SAIL)先锋奖、2019年吴文俊人工智能优秀青年奖等多项荣誉。如今,年仅32岁的黄高已是清华大学自动化系助理教授,博士生导师。2020年,成为国家优秀青年科学基金获得者,同年获阿里巴巴“达摩院青橙奖”。

-PART01-

27岁博士毕业

读完博士后回母校任教

“黄高个性强,不服输!从小就有一个上清华的梦。”近日,记者见到其父亲黄星耀,一说起儿子黄高,就神采奕奕,一脸自豪。

据了解,其父亲黄星耀中年才得这一满崽,倍加疼爱,在学习上从来不施加压力。但黄高从小学习就非常认真刻苦,坚持自主学习,一步一个脚印,从小学到初中到高中到大学,成绩一直名列前茅,可以说是一帆风顺。

黄高的三姐黄永明介绍,黄高喜欢看姐姐们读的书,不管能不能看懂,他都表现出强烈的好奇心和求知欲。

6744726e55c84c2a35e29a57a3c25de8.png

▲黄高的生活照

“别人的孩子是玩耍得不记得学习,而黄高是学习得忘记了玩耍,总要我三催四请才出来,一眨眼功夫,又跑回房间看书去了。”黄星耀乐呵呵地说。黄高的姐姐们也都是学霸,都通过读书跳出农门,改变了命运。

“我爸常说弟弟是国家培养的,要懂得感恩。无论学到什么程度,最终一定要回国家做贡献。”黄永明说,黄高在美国博士后毕业后,世界500强企业的聘书都收到了十余份,但黄高谨记父亲的教诲,毅然决然选择回国,回到母校清华,从事人工智能和深度学习等科研工作。

-PART02-

科研最美妙的

就是尝试去拓展知识的边界

在黄高刚开始攻读博士学位时,人工智能领域深度学习的工具还在发展中。优化算法等现在看来简单到仅需一行代码的操作,当时要靠一行行编程实现。

许多研究者在探索如何通过缩减网络连接来降低模型复杂程度,黄高却另辟蹊径,希望通过增加跨层连接,使信息通道更加通畅,让模型中的信息能更快速地向前传递。

“不断摸索新的东西,做别人没做过的事情,与未知共处,才是科研最有魅力之处。”黄高说,做科研最美妙的就是尝试去触碰、拓展人类知识的边界。

2016年,黄高提出了密集连接卷积网络的大胆设想。起初并不被看好,但他与合作者始终坚持,最终突破了传统深度网络的单向直链结构,提出全局密集跨层连接范式,使神经网络实现“连接数多而计算量少”,进一步提高了运算效率。

这项具有开创性的模型,获得了首届世界人工智能大会最高奖SAIL先锋奖,被编入多本深度学习书籍,也被广泛应用于医疗影像处理、人脸识别、文本翻译、语音识别等人工智能应用场景。

e0075bee969c975e42a687d4eb0df88a.png

▲黄高在工作中

-PART03-

以科研技术

助力抗疫工作

黄高的研究大多源于日常生活中的需求,他希望用键盘“搭建”出更多智能生活的美好场景。


去年新冠肺炎疫情发生之初,核酸检测还没有广泛开展,肺部CT是重要的检查手段。但由于医生数量有限,读片速度与诊断准确率均受到影响。

曾在博士后期间做过医学影像分析方面工作的黄高开始思考,如何利用人工智能技术减轻医护工作人员的压力。

收集数据、设计算法、开发系统……研究成果很快落地。黄高与解放军总医院等单位联合开发了基于人工智能技术的CT影像快速辅助诊断系统,读图快,准确率约为96%,能辅助医生更好地做出诊断。

去年2—3月,这一系统在120多家医院完成病例分析3万余例。

-PART04-

赶上学科发展的浪潮

既幸福又深感压力

这些年,关注人工智能领域的研究者日益增多。黄高坦言:“赶上了一个学科发展的浪潮,对于研究者而言,既幸福又深感压力。”

之所以幸福,是因为有很多人朝向同一目标努力奔跑。人工智能领域的很多公司、学者都已开放程序源代码。开源深度学习框架、开源应用软件、开源社区的快速发展,推动了研究互相促进和协同创新。黄高设计的深度学习框架也是开放的,在他看来,“开放的、充满活力的研究环境,能孕育出更多好成果。”

2731b3b15e793513160dab3b0fbbd3bc.png

▲图片均由受访者供图

之所以深感压力,是因为竞争很激烈。一台用支架高高架起的电脑、满屏算法、嘈杂高温的机房,组成了黄高的科研日常。黄高习惯站着做研究来集中精神,“面对学科领域的快速发展,每个人都要跟时间赛跑。一方面要时刻追踪最新的研究趋势,了解学术界的最新动态;一方面要有很强的行动力,一旦犹豫就很可能错失机会。”

“发展人工智能的故事才刚刚开始。”黄高介绍,人工智能领域还存在很多未解的问题,从基础理论、技术发展,到构建人工智能相关的伦理规范,都是科学家们面临的挑战。努力突破它们,正是黄高做科研的价值所在。

黄高说:“预测未来最好的方式,就是创造未来。人工智能的前景很美好,值得我们为之全力奔跑。”

 

- END -

 
 
 
 
 
最近热文•  程序员之天梯排行榜,你在哪一级?•  提高千倍效率的 Java 代码小技巧•  武大94年博士年薪201万入职华为天才计划!学霸日程表曝光!太牛逼了!•  22年前被嘲养猪的北大学子,如今怎么样了?•  清华计算机系上热搜!近9成优秀毕业生放弃留学,前50名41人留校深造

这篇关于27岁博士毕业,32岁成清华博导!他单篇论文引用量接近1.1万次的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/255385

相关文章

usaco 1.1 Broken Necklace(DP)

直接上代码 接触的第一道dp ps.大概的思路就是 先从左往右用一个数组在每个点记下蓝或黑的个数 再从右到左算一遍 最后取出最大的即可 核心语句在于: 如果 str[i] = 'r'  ,   rl[i]=rl[i-1]+1, bl[i]=0 如果 str[i] = 'b' ,  bl[i]=bl[i-1]+1, rl[i]=0 如果 str[i] = 'w',  bl[i]=b

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

【WebGPU Unleashed】1.1 绘制三角形

一部2024新的WebGPU教程,作者Shi Yan。内容很好,翻译过来与大家共享,内容上会有改动,加上自己的理解。更多精彩内容尽在 dt.sim3d.cn ,关注公众号【sky的数孪技术】,技术交流、源码下载请添加微信号:digital_twin123 在 3D 渲染领域,三角形是最基本的绘制元素。在这里,我们将学习如何绘制单个三角形。接下来我们将制作一个简单的着色器来定义三角形内的像素

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

树莓派5_opencv笔记27:Opencv录制视频(无声音)

今日继续学习树莓派5 8G:(Raspberry Pi,简称RPi或RasPi)  本人所用树莓派5 装载的系统与版本如下:  版本可用命令 (lsb_release -a) 查询: Opencv 与 python 版本如下: 今天就水一篇文章,用树莓派摄像头,Opencv录制一段视频保存在指定目录... 文章提供测试代码讲解,整体代码贴出、测试效果图 目录 阶段一:录制一段

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需