【优秀科技工作者】朱松纯

北京通用人工智能研究院院长、政协第十四届全国委员

朱松纯，1968年出生于湖北省鄂州市，博士研究生毕业于哈佛大学，政协第十四届全国委员，北京大学讲席教授、人工智能研究院院长，北京通用人工智能研究院院长。全球著名的计算机视觉专家、统计与应用数学家、人工智能专家，UCLA统计学与计算机科学系教授，计算机视觉、认知、学习与自主机器人中心主任，是华人AI领域的顶级学者。

朱松纯于1991年毕业于中国科学技术大学计算机系，自2010年以来，朱松纯两次担任美国视觉、认知科学、AI领域跨学科合作项目MURI负责人。率先将概率统计建模与随机计算方法引入计算机视觉研究，提出了一系列图像与视频的结构化解译的框架、数理模型和统计算法，发展了广义模式理论。在国际顶级期刊和会议上发表论文300余篇，获得多个国际学术奖项，如三次问鼎计算机视觉领域的马尔奖、获得国际认知科学学会颁发的认知建模奖等。

人物经历

教育经历

1986年-1991年，中国科学技术大学，计算机专业，学士学位

1992年-1996年，哈佛大学，计算机专业，硕士、博士学位

工作经历

1996年-1997年，美国布朗大学，应用数学专业，博士后。

1997年-1998年，美国斯坦福大学，计算机系人工智能实验室，讲师。

1998年-2002年，美国俄亥俄州立大学，计算机系与认知科学中心，助理教授。

2002年-2006年，美国洛杉矶加州大学，统计系与计算机系，副教授。

2005年，与沈向洋（Harry Shum）等创建民办、非营利性国际交流平台湖北莲花山研究院，并任院长。

2006年-2020年，美国洛杉矶加州大学，统计系与计算机系，正教授。

2010-2020年，连任两届美国视觉、认知科学、AI领域跨学科合作项目MURI首席科学家(Principal Investigator)。

2017年7月，朱松纯在美国洛杉矶创立暗物智能科技DMAI，并于2018年7月落户广州南沙。

2020年9月，担任北京大学人工智能研究院院长。同时任北京大学讲席教授、北京大学人工智能研究院院长、清华大学基础科学讲席教授。

2021年1月，在北大元培学院设立通用人工智能实验班，简称通班，并于2021年4月在清华设立通用人工智能因材施教培养计划。同时出任清华大学通用人工智能研究院（筹）院长、讲席教授。

2021年11月，创建北京大学智能学院，任院长。

2023年1月，当选中国人民政治协商会议第十四届全国委员会委员，3月任提案委员会委员。

研究方向

计算机视觉、统计建模与计算、认知与常识推理、语言理解与对话、自主机器人、通用人工智能等

主要成就

科研成就

朱松纯的研究成果集中在以下四个时期和领域：

一、视觉的统计建模与计算理论 —— 为马尔的视觉理论建立统一的数理模型

1995-2005年期间，朱松纯教授与导师Mumford、UCLA同事以及博士生，为计算视觉创始人 David Marr 提出的早期视觉 [early vision] 概念， 包括纹理 [texture]、图像基元 [Texton] 以及原始简约图 [primal sketch] 等建立了一个统一的数理模型；提出统计建模的最小最大熵原理 [minimax entropy principle]；将神经学和心理学的发现，植入统计物理的吉布斯模型 [Gibbs Model]， 从而导出一类新型的马尔科夫随机场的概率模型 [FRAME]，并将该模型扩展到中层视觉模型，描述形状与格式塔 [Gestalt] 组成原则；发现自然图像的尺度不变与尺度变化的统计规则，将各种视觉模式及其对应的数理模型映射到一个连续的熵频谱[entropy spectrum]和信息尺度 [information scaling]；进一步研究了各种模型之间跳转和感知转化 [perceptual transition] 的机制，与博士生王亦洲 [现为北大教授] 导出感知尺度空间理论 [perceptual scale space]。

在1990年代，朱松纯发展了两类新的非线性偏微分方程（PDE）。一类用于图像分割，将PDE连接到统计图像模型的这项工作在ICCV 2013上获得了赫尔姆霍茨奖。另一类称为GRADE（Gibbs Reaction and Diffusion Equations，吉布斯反应和扩散方程）于1997年发表，并在计算机视觉领域首次采用Langevin动力学方法进行推理和学习随机梯度下降。

二、实现图像与场景的解译（parsing）计算框架 —— 扩展了模式识别创始人傅京孙先生的句法模式识别理论

1999-2010年期间，朱松纯教授与其首位博士生屠卓文 [现为UCSD教授] 提出用数据驱动的蒙特卡洛马尔可夫链方法[Data-Driven Markov Chain Monte Carlo]求图像分割和解译（ Image Parsing ）问题的全局最优解；与其博士生Adrian Barbu [现为FSU 教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法，在通用的概率采样（ sampling） 计算中，实现大的状态跳转，突破传统方法计算的瓶颈问题。该领域的这一进步使拆分合并运算符在文献中首次可逆，并且比吉布斯采样器和跳跃扩散方法快了100倍。这一工作获得第九届国际视觉大会颁发的马尔奖，并重新激起了同行对于图像解译工作的兴趣。

2006-2015年间，朱松纯教授提出了概率随机的与或图 [and-or graph] 模型来表达上下文相关图语法（graph grammar），重启了模式识别领域创始人傅京孙先生倡导的句法模式识别框架；提出时空因果与或图 （Spatial，Temporal，Causal And-or graph STC-AOG ）为物体、场景、事件和因果关系建立统一的模型，并用于场景与事件的解译任务。

三、提出人工智能的“暗物质”——研究视觉与认知的物理与社会常识

自2010年以来，朱松纯将计算机视觉与认知科学、自然语言理解、机器人等学科相结合。

• 视觉与认知科学的结合：实现物理常识的推理（比如物体和场景的物理属性、使用功能、行为的因果率）和社会常识的推理（比如人的意图、动机、目的）,由此丰富了对场景和事件的理解的内涵。

• 视觉与自然语言理解的结合：通过人机情景对话来获取常识，并于2010年率先从图像和视频的解译图中自动产生文本描述的I2T （Image Parsing to Text Generation） 方法。

• 视觉与机器人的结合：提出了自主机器人与人类深度协作的认知构架和通讯协议，以达到共境【shared situation】、共识【shared model】、共行【shared plan】、和共同价值观【shared value】。

四、探索迈向通用人工智能的新的研究路径 ——“小数据、大任务”范式

朱松纯在2017年发表了一篇广为流传的AI科普文章 《浅谈人工智能：现状、任务、构架与统一》在文中，朱松纯将行业中流行的数据驱动型深度学习研究称为“大数据、小任务”范式。该范式使用大量标注的数据为每个特定任务训练神经网络，导致AI模型无法解释、应用范围狭窄等。与之相反，朱松纯提出了“小数据、大任务”的范式，主张以此范式来实现通用人工智能。

朱松纯团队构建了一个大规模、物理逼真的VR / AR环境，用于训练和测试负责执行大量日常任务的自主AI智能体。这些智能体整合视觉、语言、认知、机器学习和机器人技术等领域的能力，在此过程中发展物理常识和社会常识，并使用认知架构与人类进行交流。该项工作获得2019年ACM 图灵大会最佳论文奖。

朱松纯团队还提出了构建通用智能体的“心”与“理”的UV双系统理论。其中U系统表征客观世界和人类社会的状态和规律，简称“理”，即势能函数。V系统表征智能体的主观价值，简称“心”，即价值函数；智能体应该由“心”（V系统）驱动“理”（U系统），即由价值驱动其决策和行为，让智能体自主产生和完成任务，实现为机器立“心”，从而迈向通用人工智能。

著作作品

根据2022年2月北京大学人工智能研究院网站显示，朱松纯先后在国际顶级期刊和会议上发表论文350余篇。

人才培养

朱松纯常年在清华大学招收博士研究生和博士后。

2005年，创建民办非营利性国际交流平台湖北莲花山研究院。该研究院为中国年轻学者和大量学生提供了一个学术氛围浓厚、具有国际科研水准的开放式学术合作与交流平台，为计算机视觉在中国的发展与人才启蒙做出了贡献。

2021年年初，清华大学和北京大学两校联手深化人才培养体系改革，由朱松纯领衔打造通用人工智能实验班，开设交叉学科课程，探索通用人工智能前沿基础研究和顶尖人才培养新模式。2021年，朱松纯分别在北京大学元培学院和清华大学自动化系成立“通用人工智能实验班”（即“通班”），面向人工智能未来发展方向，打造全新的本博贯通的课题体系，并发布《通用人工智能人才培养计划》白皮书，培养通用人工智能方向的“通识、通智、通用”型国际顶尖复合型人才。