華為首次自曝“天才少年”成果：入職不到一年就干成這件大事，網(wǎng)友：值200萬年薪！

夢晨 豐色 蕭簫 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

要說起華為“天才少年”，那話題度可以說是直接拉滿。

但在百萬級年薪背后，“天才少年”們?nèi)粘氖略鯓拥墓ぷ?，卻始終保持神秘。

現(xiàn)在，下文終于來了——

華為首次主動公開“天才少年”最新動向：

2019年入職、拿到200萬offer的鐘釗，僅用不到1年的時間，就帶領(lǐng)團(tuán)隊將AutoML算法研究應(yīng)用到了千萬臺華為Mate系列和P系列手機(jī)上。

華為官方提到，這意味著，鐘釗團(tuán)隊成功開啟了AutoML大規(guī)模商用的先河。

消息一出，又是一波話題爆炸。

華為這200萬年薪，花得值了。

入職不到一年，算法用于千萬臺華為手機(jī)

具體怎么個值法，還是從鐘釗本人的研究工作說起。

事實上，鐘釗解決的正是圖像像素處理算法中的一大痛點——算法精度與模型大小的平衡。

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的速度。

然而，與目標(biāo)檢測、圖像分類等常見CV算法不同，這類模型的制作，需要對像素的相關(guān)屬性有深入理解。

此前在AutoML方向上，對于圖像分類、目標(biāo)識別等CV算法的應(yīng)用已經(jīng)有非常多了。然而，具體到像素的算法上，還沒有團(tuán)隊成功將AutoML進(jìn)行大規(guī)模應(yīng)用。

像素包括非常多的屬性，例如顏色、亮度等。算法對像素進(jìn)行處理，可以說是需要對圖像最基本的元素進(jìn)行處理。

因此，這類算法對精度要求非常高，此前華為不少專家都沒能成功攻克它。

鐘釗帶領(lǐng)團(tuán)隊，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），簡單來說就是“用AI設(shè)計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。

事實上，在鐘釗來到華為之前，華為諾亞方舟實驗室已經(jīng)在進(jìn)行AutoML方向的相關(guān)研究。

實驗室自研了一個全流程AutoML算法集合VEGA，其中“基于硬件約束的高效分類網(wǎng)絡(luò)搜索方案（CARS）”、“輕量級超分網(wǎng)絡(luò)結(jié)構(gòu)搜索（ESR-EA）”等算法，都屬于NAS的范疇。

而AutoML，正好是鐘釗在博士期間研究的方向。

2019年，鐘釗和當(dāng)時也在搞AutoML的華為“一拍即合”，憑借著在商湯實習(xí)時的積累，作為201萬年薪的“天才少年”加入華為，擔(dān)任AutoML研究組的leader，入職一年之內(nèi)，就攻破了這個像素處理算法的難關(guān)。

隨后，鐘釗又在入職兩年內(nèi)，帶領(lǐng)團(tuán)隊自研出了端到端的像素級AutoML流水線。

據(jù)華為介紹，這項技術(shù)能“在學(xué)界和業(yè)界都只能做到2-3倍的情況下，將視頻攝影原型算法的復(fù)雜度降低百倍”，目前已用于部分新機(jī)型上，未來還會用于更多產(chǎn)品。

不止這項研究，鐘釗在移動端視覺模型上，也有不少建樹。

一直以來，設(shè)計用于移動端視覺模型主要有兩種方法：

一種是手工設(shè)計輕量級的網(wǎng)絡(luò)結(jié)構(gòu)，如ShuffleNet、MobileNetV3等已取得一定的進(jìn)展。

不過鐘釗團(tuán)隊研究發(fā)現(xiàn)這些模型的卷積核之間仍然存在冗余，限制了模型的速度。

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與大模型結(jié)構(gòu)相似的小模型。

但這種方法又會使精度下降，難以滿足高端手機(jī)的要求。

鐘釗來到華為后，帶領(lǐng)團(tuán)隊提出過一種根據(jù)圖像的內(nèi)容自適應(yīng)生成卷積核的動態(tài)方法。

這種方法可以在保持精度的情況下顯著降低計算量，對于不同的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抗性自動數(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的背后，也離不開鐘釗本人一直的努力。

家學(xué)淵源，自小學(xué)習(xí)計算機(jī)

鐘釗1991年出生在一個深受計算機(jī)科學(xué)影響的家庭。

本科就讀于華中科技大學(xué)軟件工程專業(yè)，大三時曾在全國大學(xué)生數(shù)學(xué)建模競賽中獲得湖北一等獎。

據(jù)「華為心聲社區(qū)」報道，鐘釗的父親就是一名計算機(jī)科學(xué)家，是錢三強(qiáng)何澤慧夫婦的學(xué)生。

鐘釗在父親的培養(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。

在這種環(huán)境下成長，大學(xué)他選擇計算機(jī)相關(guān)專業(yè)也毫不意外。

本科期間他還與同學(xué)組隊做了一些編程項目，像是基于微信開發(fā)的校內(nèi)版漂流瓶，很受同學(xué)們歡迎。

本科畢業(yè)后，他來到中科院自動化研究所，師從副所長劉成林。

2018年他在商湯實習(xí)期間的一作論文入選了CVPR Oral并在大會做了主題報告，當(dāng)年中國入選Oral的論文僅有個位數(shù)。

△圖源：商湯

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

這也是鐘釗在AutoML這一相對新興的方向發(fā)表的第一篇論文。

后來，他的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)計到自動學(xué)習(xí)為題》。

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

事實上，此前不乏外界針對“天才少年”資歷的質(zhì)疑聲音。

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

據(jù)時代周報報道，一位曾與華為“天才少年”同實驗室的IT業(yè)內(nèi)人士表示：

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

但計算機(jī)這個行業(yè)，就是拿多少錢干多少事，他們目前壓力也大。

這次官方主動公開“天才少年”鐘釗的最新研究成果，并將相關(guān)成果用于華為產(chǎn)品上，不僅是對于鐘釗本人的肯定，更是表明華為自身對于這項計劃的信心。

在這之后，是否還會有更多“天才少年”的研究成果被公開出來？

我們拭目以待。

參考鏈接：
[1]http://app.huawei.com/paper/newspaper/newsPaperPage.do?method=showNewHwrPaperInfo