近日，計算機視覺領域的杰出人物何愷明，在個人主頁上宣布了一項新的人事變動。他正式加盟谷歌DeepMind，擔任杰出科學家一職，不過是以兼職的形式，同時，他仍然保有MIT電氣工程與計算機科學學院的終身教職。

何愷明在計算機視覺領域有著舉足輕重的地位，他是深度殘差網絡（ResNet）的主要貢獻者之一。他作為第一作者發表的ResNet論文，堪稱21世紀最具影響力的學術論文之一，其提出的殘差連接已成為現代深度學習模型中的核心組件，廣泛應用于Transformers、AlphaGo Zero、AlphaFold及眾多生成式AI模型中。截至今年5月，何愷明的學術著作總被引量已超過70萬次，彰顯了其卓越的學術貢獻。

何愷明的學術生涯豐富多彩，足跡遍布學術界與產業界。在加入MIT之前，他曾在微軟亞洲研究院（MSRA）和Facebook AI研究院（FAIR）擔任研究科學家，積累了寶貴的行業經驗。他畢業于清華大學物理系基礎科學班，獲得學士學位，后赴香港中文大學深造，取得信息工程博士學位。求學期間，他分別在微軟亞洲研究院和香港中文大學師從計算機視覺領域的兩位泰斗——孫劍和湯曉鷗。

除了ResNet之外，何愷明的學術成就還包括多項對AI和計算機視覺產生深遠影響的研究成果。早在2009年，還在香港中文大學求學的他，便在其首篇學術論文中提出了“圖像去霧算法”，并因此榮獲當年CVPR年度最佳論文獎，成為CVPR歷史上首位獲此殊榮的華人學者。2015年，在微軟亞洲研究院工作時，他提出的ResNet在ImageNet圖像識別大賽中奪冠，相關論文榮獲2016年CVPR最佳論文獎。在Facebook AI研究院工作期間，他在圖像分割領域取得重大突破，發表了Mask R-CNN和Faster R-CNN兩篇重要論文，將圖像分割的準確度和效率提升至全新高度，其中Mask R-CNN論文榮獲2017年ICCV最佳論文獎。

何愷明的學術榮譽滿載，他曾獲得2018年PAMI青年研究員獎、ECCV 2018、CVPR 2021最佳論文榮譽獎和ICCV 2021埃弗林漢姆獎等眾多獎項。盡管谷歌DeepMind和何愷明本人尚未透露其入職后的具體安排，但從他近期在CVPR、NeurIPS等頂級學術會議上的分享中，我們或許能窺見一些端倪。何愷明正帶領團隊探索單步生成模型理論框架MeanFlow，并認為識別與生成是一體兩面的問題，未來或將致力于構建識別與生成一體化的框架。

在NeurIPS 2024大會上，何愷明強調了關注新數據、新配置、新用例和新情境的重要性，以減少研究的“過擬合”，他主張研究者應勇于面對未知的挑戰，將未來的實際場景作為真正的測試集。