东北人、香港中文大学教授汤晓鸥，被业内称作全球人脸识别技术的开拓者和探路人。他一手创立了香港中文大学多媒体实验室（又称mmlab），成为“计算机视觉界的黄埔军校”，国内大部分ai视觉企业与该实验室有渊源。7月6日，在2023世界人工智能大会（waic）开幕式上，这位人脸识别界的军师，谈及他三位大咖学生，开启了另类“凡尔赛”。

汤晓鸥说，2010年，杰弗里·辛顿(geoffrey hinton)、约书亚·本吉奥(yoshua bengio)和杨立昆(yann lecun) ，这三位后来的图灵奖获得者，共同开启了“深度学习”的大门。2011年，杰弗里·辛顿和微软的中国学者邓力，在深度学习语音识别上实现划时代的突破。2012年，杰弗里·辛顿和他的学生又改进了卷积神经网络，并在著名的imagenet评测中将对象识别的错误率减半，计算机视觉领域由此掀起革命。但是，判断两张照片是否为同一人，人眼有97.53%的准确率，这一度被认为是人工智能算法无法超越的天花板。2014年，汤晓鸥团队用原创的gaussianface算法超越人眼，造出一个准确率高达98.52%的“怪物”，随即又发布更逆天的deepid算法，直接把实验成绩提高到99%以上。

(资料图)

凭借汤晓鸥的段位，当然早已无需多言自己的过人之处。但他想聊聊他的学生在深度学习领域做了些什么。

第一位学生名叫王晓刚，本科中科大少年班，硕士期间在汤晓鸥的mmlab，博士就读于麻省理工，2009年从麻省理工回到mmlab做教授。2015年，由王晓刚带队，打败对手谷歌，取得了中国学者在imagenet评测中的第一个世界冠军。

第二位学生何恺明，系2003年广东高考状元，在mmlab读硕期间发表的第一篇文章，就取得了国际顶尖会议cvpr（ieee国际计算机视觉与模式识别会议）的最佳论文。这也是cvpr历史上产自亚洲的第一篇最佳论文。“我当时跟恺明开玩笑，你一出手就到巅峰，以后你的学术生涯就只能往下走了。”但汤晓鸥特别高兴地看到，此后何恺明去了微软研究院和facebook工作，事业仍一路走高。在微软研究院，何恺明把深度学习训练的层级从2015年时的最多三层，拓深到了20多层。他在网络的每一层引入了直联通道，从而解决了深度网络梯度传递的问题。而今，以transformer为核心的大模型，也普遍采用何恺明当年所创设的结构。

“总结起来，何恺明把网络做深了，谷歌把网络的入口拉大了，又深又大，才成就了今天的大模型。”汤晓鸥说。

第三位学生林达华，本科在中科大，硕士在香港中文大学，博士在麻省理工。他2010年在麻省理工读博期间，获得nips（神经信息处理系统大会）最佳学生论文。林达华2014年回到汤晓鸥的mmlab做教授，第一项工作就是将实验室开源，在没有推广投入的情况下，openmmlab纯以口口相传的形式，成为国际上最具影响力的视觉算法开源体系之一，目前用户遍及全球140多个国家和地区，其中60%的用户来自海外。林达华的第二项工作，是推出书生·浦语，这是我国首个千亿参数多语种大语言模型；他第三项工作是推出全球首个城市级实景三维大模型landmark，有2000亿参数，覆盖100平方公里。

“回头看，王晓刚在深度学习兴起的最初几年，撒下了许多原创的种子；何恺明将深度学习的根基打得非常牢和深；林达华通过开源和大模型，让深度学习枝繁叶茂。”汤晓鸥概括。

这些学生，让汤教授不免感慨，“我不是在最好的时光遇见了你们，而是遇见了你们，才有了这段最好的时光。”

刚抒完情，这位“被人工智能耽误的段子手”又不改其幽默本色，他接着说，“这句话非常优美，富有诗意，也发自我的内心，可惜它不是我的原创。这句话，是于谦老师的原创，是他的电影《老师好》中一句经典台词。”

“每天晚上睡觉前，我都是一边听着于谦老师的相声，一边想：这么有趣的灵魂，机器怎么可能超越呢？我不信。”

这位严谨而实事求是的科学家，最终用如此感性的方式，道出了ai可以为人类所用、但难以真正替代人类的真相。

本文作者：李晔