夢(mèng)晨 豐色 蕭簫 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號(hào) QbitAI

要說起華為“天才少年”，那話題度可以說是直接拉滿。

但在百萬級(jí)年薪背后，“天才少年”們?nèi)粘氖略鯓拥霉ぷ鳎瑓s始終保持神秘。

現(xiàn)在，下文終于來了——

華為首次主動(dòng)公開“天才少年”蕞新動(dòng)向：

2019年入職、拿到200萬offer得鐘釗，僅用不到1年得時(shí)間，就帶領(lǐng)團(tuán)隊(duì)將AutoML算法研究應(yīng)用到了千萬臺(tái)華為Mate系列和P系列手機(jī)上。

華為自家提到，這意味著，鐘釗團(tuán)隊(duì)成功開啟了AutoML大規(guī)模商用得先河。

消息一出，又是一波話題爆炸。

華為這200萬年薪，花得值了。

具體怎么個(gè)值法，還是從鐘釗本人得研究工作說起。

事實(shí)上，鐘釗解決得正是圖像像素處理算法中得一大痛點(diǎn)——算法精度與模型大小得平衡。

如果解決它，就能將像素處理算法部署到手機(jī)上，加速空間增強(qiáng)、超分辨率等圖像處理得速度。

然而，與目標(biāo)檢測(cè)、圖像分類等常見CV算法不同，這類模型得制作，需要對(duì)像素得相關(guān)屬性有深入理解。

此前在AutoML方向上，對(duì)于圖像分類、目標(biāo)識(shí)別等CV算法得應(yīng)用已經(jīng)有非常多了。然而，具體到像素得算法上，還沒有團(tuán)隊(duì)成功將AutoML進(jìn)行大規(guī)模應(yīng)用。

像素包括非常多得屬性，例如顏色、亮度等。算法對(duì)像素進(jìn)行處理，可以說是需要對(duì)圖像蕞基本得元素進(jìn)行處理。

因此，這類算法對(duì)精度要求非常高，此前華為不少可能都沒能成功攻克它。

鐘釗帶領(lǐng)團(tuán)隊(duì)，成功將AutoML技術(shù)應(yīng)用到了圖像像素處理算法上。

AutoML（Automated Machine Learning），簡(jiǎn)單來說就是“用AI設(shè)計(jì)AI”，從2014年開始成為熱門研究，2018年，該技術(shù)逐漸進(jìn)入試商用加速階段。

事實(shí)上，在鐘釗來到華為之前，華為諾亞方舟實(shí)驗(yàn)室已經(jīng)在進(jìn)行AutoML方向得相關(guān)研究。

實(shí)驗(yàn)室自研了一個(gè)全流程AutoML算法集合VEGA，其中“基于硬件約束得高效分類網(wǎng)絡(luò)搜索方案（CARS）”、“輕量級(jí)超分網(wǎng)絡(luò)結(jié)構(gòu)搜索（ESR-EA）”等算法，都屬于NAS得范疇。

而AutoML，正好是鐘釗在博士期間研究得方向。

2019年，鐘釗和當(dāng)時(shí)也在搞AutoML得華為“一拍即合”，憑借著在商湯實(shí)習(xí)時(shí)得積累，作為201萬年薪得“天才少年”加入華為，擔(dān)任AutoML研究組得leader，入職一年之內(nèi)，就攻破了這個(gè)像素處理算法得難關(guān)。

隨后，鐘釗又在入職兩年內(nèi)，帶領(lǐng)團(tuán)隊(duì)自研出了端到端得像素級(jí)AutoML流水線。

據(jù)華為介紹，這項(xiàng)技術(shù)能“在學(xué)界和業(yè)界都只能做到2-3倍得情況下，將視頻原型算法得復(fù)雜度降低百倍”，目前已用于部分新機(jī)型上，未來還會(huì)用于更多產(chǎn)品。

不止這項(xiàng)研究，鐘釗在移動(dòng)端視覺模型上，也有不少建樹。

一直以來，設(shè)計(jì)用于移動(dòng)端視覺模型主要有兩種方法：

一種是手工設(shè)計(jì)輕量級(jí)得網(wǎng)絡(luò)結(jié)構(gòu)，如ShuffleNet、MobileNetV3等已取得一定得進(jìn)展。

不過鐘釗團(tuán)隊(duì)研究發(fā)現(xiàn)這些模型得卷積核之間仍然存在冗余，限制了模型得速度。

另一種是方法進(jìn)行模型壓縮，通過剪枝、蒸餾等手段獲得一個(gè)與大模型結(jié)構(gòu)相似得小模型。

但這種方法又會(huì)使精度下降，難以滿足高端手機(jī)得要求。

鐘釗來到華為后，帶領(lǐng)團(tuán)隊(duì)提出過一種根據(jù)圖像得內(nèi)容自適應(yīng)生成卷積核得動(dòng)態(tài)方法。

這種方法可以在保持精度得情況下顯著降低計(jì)算量，對(duì)于不同得CNN網(wǎng)絡(luò)可以降低37%-71.3%不等。

此外在數(shù)據(jù)增強(qiáng)方面，鐘釗在華為也研究了一種對(duì)抗性自動(dòng)數(shù)據(jù)增強(qiáng)方法，發(fā)表在2020年ICLR上。

而如今這些研究成功得背后，也離不開鐘釗本人一直得努力。

鐘釗1991年出生在一個(gè)深受計(jì)算機(jī)科學(xué)影響得家庭。

本科就讀于華中科技大學(xué)軟件工程可以，大三時(shí)曾在華夏大學(xué)生數(shù)學(xué)建模競(jìng)賽中獲得湖北一等獎(jiǎng)。

據(jù)「華為心聲社區(qū)」報(bào)道，鐘釗得父親就是一名計(jì)算機(jī)科學(xué)家，是錢三強(qiáng)何澤慧夫婦得學(xué)生。

鐘釗在父親得培養(yǎng)下產(chǎn)生了濃厚興趣，小學(xué)開始就學(xué)習(xí)一些編程知識(shí)。

在這種環(huán)境下成長(zhǎng)，大學(xué)他選擇計(jì)算機(jī)相關(guān)可以也毫不意外。

本科期間他還與同學(xué)組隊(duì)做了一些編程項(xiàng)目，像是基于開發(fā)得校內(nèi)版漂流瓶，很受同學(xué)們歡迎。

本科畢業(yè)后，他來到中科院自動(dòng)化研究所，師從副所長(zhǎng)劉成林。

2018年他在商湯實(shí)習(xí)期間得一作論文入選了CVPR Oral并在大會(huì)做了主題報(bào)告，當(dāng)年華夏入選Oral得論文僅有個(gè)位數(shù)。

△圖源：商湯

在這篇論文中他提出一種自動(dòng)構(gòu)建高性能神經(jīng)網(wǎng)絡(luò)得分塊生成辦法，現(xiàn)在已被引用400余次。

這也是鐘釗在AutoML這一相對(duì)新興得方向發(fā)表得第壹篇論文。

后來，他得研究方向逐漸聚焦于此，博士畢業(yè)論文也以《深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：從人工設(shè)計(jì)到自動(dòng)學(xué)習(xí)為題》。

到現(xiàn)在，他已在IEEE T PATTERN ANAL、ICLR、iCCV、NeurIPS等國(guó)際期刊會(huì)議上發(fā)表多篇AutoML相關(guān)論文。

事實(shí)上，此前不乏外界針對(duì)“天才少年”資歷得質(zhì)疑聲音。

在知乎就有匿名用戶，曾經(jīng)對(duì)于鐘釗等一眾“天才少年”得實(shí)際能力表示質(zhì)疑，認(rèn)為華為在“千金買馬骨”：

據(jù)時(shí)代周報(bào)報(bào)道，一位曾與華為“天才少年”同實(shí)驗(yàn)室得IT業(yè)內(nèi)人士表示：

華為這個(gè)年薪確實(shí)高得離譜，我們實(shí)驗(yàn)室一般博士畢業(yè)年薪大概在60萬-80萬元，碩士40萬元左右。

但計(jì)算機(jī)這個(gè)行業(yè)，就是拿多少錢干多少事，他們目前壓力也大。

這次自家主動(dòng)公開“天才少年”鐘釗得蕞新研究成果，并將相關(guān)成果用于華為產(chǎn)品上，不僅是對(duì)于鐘釗本人得肯定，更是表明華為自身對(duì)于這項(xiàng)計(jì)劃得信心。

在這之后，是否還會(huì)有更多“天才少年”得研究成果被公開出來？

我們拭目以待。

參考鏈接：
[1]app.huawei/paper/newspaper/newsPaperPage.do?method=showNewHwrPaperInfo&sortId=1&newsInfo=92216
[2]scholar.google/citations?user=igtXP_kAAAAJ
[3]xinsheng.huawei/cn/index.php?app=forum&mod=Detail&act=index&id=4343641
[4]特別zhihu/question/336418328/answer/758978491
[5]特別time-weekly/post/272140
[6]github/huawei-noah/vega

— 完 —

量子位 QbitAI · 頭條號(hào)簽約

我們，第壹時(shí)間獲知前沿科技動(dòng)態(tài)