[導讀]本月初，華為心聲社區(qū)發(fā)布了一篇《父親是錢三強的學生，他入職不到一年，帶領團隊把這項技術應用到數(shù)千萬臺華為手機上》的文章，由華為220萬年薪的“天才少年”鐘釗講述，分享了他的成長之路，以及入職華為一年后的研究成果。研究AutoML技術，鐘釗與華為“一拍即合”鐘釗稱讀博期間，經(jīng)過一段...
本月初，華為心聲社區(qū)發(fā)布了一篇《父親是錢三強的學生，他入職不到一年，帶領團隊把這項技術應用到數(shù)千萬臺華為手機上》的文章，由華為220萬年薪的“天才少年”鐘釗講述，分享了他的成長之路，以及入職華為一年后的研究成果。
鐘釗稱讀博期間，經(jīng)過一段時間的學習和科研實踐以后，我發(fā)現(xiàn)做深度學習或者智能算法的過程中，多數(shù)工作是在一個現(xiàn)有的大框架下小修小改，而且看似精妙的人工智能算法，本質(zhì)上還是統(tǒng)計學、數(shù)據(jù)科學等傳統(tǒng)科學的結合和再創(chuàng)造，并不像電影里呈現(xiàn)出來的人工智能會戰(zhàn)勝人類那樣的“聰明”。
因此，與當時主流研究領域不那么一致的新興方向AutoML深深地吸引了他。
AutoML是自動化機器學習，還包括新型算子和動態(tài)網(wǎng)絡等。簡單來講，AutoML就是用人工智能的方式來寫AI算法，用AI來設計AI。
2018年，鐘釗受邀去美國參加CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE國際計算機視覺與模式識別會議）做千人主會場的ORAL（口頭的）會議報告時，遇到華為的與會人，他們提到華為也正在布局AutoML這個技術（2018年，AutoML技術逐漸進入試商用加速階段，工業(yè)界各大廠商紛紛開始布局），并邀請鐘釗能加入一起合作。
據(jù)了解，華為當時的諾亞方舟實驗室已經(jīng)在進行AutoML方向的相關研究。
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)絡搜索方案（CARS）”、“輕量級超分網(wǎng)絡結構搜索（ESR-EA）”等算法，都屬于NAS的范疇。
在鐘釗回國以后，華為的工作人員邀請他到北京研究所做交流，鐘釗稱他現(xiàn)在的部門主管描繪道：華為是有能力自己造AI芯片的，芯片都是“沙子”做的，華為做AI的成本可以很低，你可以有無窮的算力和各式各樣的落地場景……
這番話觸動了他，并讓他最終決定加入華為。
于是，2019年，鐘釗與華為“一拍即合”，憑借著在商湯實習時的積累，作為201萬年薪的“天才少年”加入華為，擔任AutoML研究組的leader。
加入華為后，鐘釗專注在多媒體業(yè)務相關的研究創(chuàng)新，概括地說，就是用智能技術構建媒體內(nèi)容從生成、編碼、傳輸、處理、識別與分析、呈現(xiàn)等一系列過程中的核心競爭力，圖像、視頻、音頻、AR（Augmented Reality，增強現(xiàn)實）、VR（Virtual Reality，虛擬現(xiàn)實）等都是我現(xiàn)在的部門所涵蓋的范疇。
入職后不久，鐘釗團隊就接到一個巨大的挑戰(zhàn)。
當時M手機的拍照算法包含了一個很大的AI模型，雖然拍照效果很好，但功耗、出圖速度一直不能達到產(chǎn)品交付標準，這嚴重影響了整個產(chǎn)品的交付進度。
部門最頂級的專家提出讓鐘釗AutoML團隊來解決這個難題，通過AutoML技術在保證拍照出圖效果的前提下，把算法簡化下來，滿足產(chǎn)品功耗、速度等指標的要求。
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上，加速空間增強、超分辨率等圖像處理的速度。
然而，與目標檢測、圖像分類等常見CV算法不同，這類模型的制作，需要對像素的相關屬性有深入理解。
此前在AutoML方向上，對于圖像分類、目標識別等CV算法的應用已經(jīng)有非常多了。然而，具體到像素的算法上，還沒有團隊成功將AutoML進行大規(guī)模應用。
像素包括非常多的屬性，例如顏色、亮度等。算法對像素進行處理，可以說是需要對圖像最基本的元素進行處理。
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。
鐘釗帶領團隊，成功將AutoML技術應用到了圖像像素處理算法上。
隨后，鐘釗又在入職兩年內(nèi)，帶領團隊自研出了端到端的像素級AutoML流水線。
據(jù)華為介紹，這項技術能“在學界和業(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雜度降低百倍”，目前已用于部分新機型上，未來還會用于更多產(chǎn)品。
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)絡可以降低37%-71.3%不等。
此外在數(shù)據(jù)增強方面，鐘釗在華為也研究了一種對抗性自動數(shù)據(jù)增強方法，發(fā)表在2020年ICLR上。
華為這則官方消息一出，又引起了網(wǎng)友的議論。
有網(wǎng)友稱：“華為這200萬年薪，花得值了?！?br>
知乎網(wǎng)友 @打開盒子嚇一跳：
華為這位200萬年薪的“天才少年”是真的牛，其父親是很早的一批北大學子，錢三強的學生，一開始搞的是核物理研究，也就是兩彈一星。
如今他又入職華為，不到一年時間就帶領團隊把AutoML算法研究應用到了千萬臺華為Mate系列與P系列手機上，當真是虎父無犬子??！
以前總有人說華為的天才少年計劃形式大于內(nèi)容，而且給的薪酬太高。如今來看200萬年薪招到這樣的人才還高嗎？
培養(yǎng)并且留住人才，讓他們的才能在本土落地發(fā)光，這是任正非的想法，也是華為的戰(zhàn)略。
此外，相當多網(wǎng)友表示華為這波時在自吹自擂：
但同時，有網(wǎng)友稱華為還是應該爆出更多細節(jié)，以及和同類算法的對比測試才好評價。
此外，知乎網(wǎng)友 @marsggbo 稱：一篇文章看看就得了，提供批評意見也可以，不需要冷嘲熱諷。
更多網(wǎng)友評論，可前往知乎查看：https://www.zhihu.com/question/501845921
研究AutoML技術，鐘釗與華為“一拍即合”
鐘釗稱讀博期間，經(jīng)過一段時間的學習和科研實踐以后，我發(fā)現(xiàn)做深度學習或者智能算法的過程中，多數(shù)工作是在一個現(xiàn)有的大框架下小修小改，而且看似精妙的人工智能算法，本質(zhì)上還是統(tǒng)計學、數(shù)據(jù)科學等傳統(tǒng)科學的結合和再創(chuàng)造，并不像電影里呈現(xiàn)出來的人工智能會戰(zhàn)勝人類那樣的“聰明”。
因此，與當時主流研究領域不那么一致的新興方向AutoML深深地吸引了他。
AutoML是自動化機器學習，還包括新型算子和動態(tài)網(wǎng)絡等。簡單來講，AutoML就是用人工智能的方式來寫AI算法，用AI來設計AI。
2018年，鐘釗受邀去美國參加CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE國際計算機視覺與模式識別會議）做千人主會場的ORAL（口頭的）會議報告時，遇到華為的與會人，他們提到華為也正在布局AutoML這個技術（2018年，AutoML技術逐漸進入試商用加速階段，工業(yè)界各大廠商紛紛開始布局），并邀請鐘釗能加入一起合作。
據(jù)了解，華為當時的諾亞方舟實驗室已經(jīng)在進行AutoML方向的相關研究。
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)絡搜索方案（CARS）”、“輕量級超分網(wǎng)絡結構搜索（ESR-EA）”等算法，都屬于NAS的范疇。
在鐘釗回國以后，華為的工作人員邀請他到北京研究所做交流，鐘釗稱他現(xiàn)在的部門主管描繪道：華為是有能力自己造AI芯片的，芯片都是“沙子”做的，華為做AI的成本可以很低，你可以有無窮的算力和各式各樣的落地場景……
這番話觸動了他，并讓他最終決定加入華為。
于是，2019年，鐘釗與華為“一拍即合”，憑借著在商湯實習時的積累，作為201萬年薪的“天才少年”加入華為，擔任AutoML研究組的leader。
通過AutoML技術提高千萬臺華為手機拍照效果
加入華為后，鐘釗專注在多媒體業(yè)務相關的研究創(chuàng)新，概括地說，就是用智能技術構建媒體內(nèi)容從生成、編碼、傳輸、處理、識別與分析、呈現(xiàn)等一系列過程中的核心競爭力，圖像、視頻、音頻、AR（Augmented Reality，增強現(xiàn)實）、VR（Virtual Reality，虛擬現(xiàn)實）等都是我現(xiàn)在的部門所涵蓋的范疇。
入職后不久，鐘釗團隊就接到一個巨大的挑戰(zhàn)。
當時M手機的拍照算法包含了一個很大的AI模型，雖然拍照效果很好，但功耗、出圖速度一直不能達到產(chǎn)品交付標準，這嚴重影響了整個產(chǎn)品的交付進度。
部門最頂級的專家提出讓鐘釗AutoML團隊來解決這個難題，通過AutoML技術在保證拍照出圖效果的前提下，把算法簡化下來，滿足產(chǎn)品功耗、速度等指標的要求。
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上，加速空間增強、超分辨率等圖像處理的速度。
然而，與目標檢測、圖像分類等常見CV算法不同，這類模型的制作，需要對像素的相關屬性有深入理解。
此前在AutoML方向上，對于圖像分類、目標識別等CV算法的應用已經(jīng)有非常多了。然而，具體到像素的算法上，還沒有團隊成功將AutoML進行大規(guī)模應用。
像素包括非常多的屬性，例如顏色、亮度等。算法對像素進行處理，可以說是需要對圖像最基本的元素進行處理。
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。
鐘釗帶領團隊，成功將AutoML技術應用到了圖像像素處理算法上。
隨后，鐘釗又在入職兩年內(nèi)，帶領團隊自研出了端到端的像素級AutoML流水線。
據(jù)華為介紹，這項技術能“在學界和業(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雜度降低百倍”，目前已用于部分新機型上，未來還會用于更多產(chǎn)品。
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)絡可以降低37%-71.3%不等。
此外在數(shù)據(jù)增強方面，鐘釗在華為也研究了一種對抗性自動數(shù)據(jù)增強方法，發(fā)表在2020年ICLR上。
業(yè)內(nèi)評價褒貶不一：和同類算法對比測試才好評價
華為這則官方消息一出，又引起了網(wǎng)友的議論。
有網(wǎng)友稱：“華為這200萬年薪，花得值了?！?br>
知乎網(wǎng)友 @打開盒子嚇一跳：
華為這位200萬年薪的“天才少年”是真的牛，其父親是很早的一批北大學子，錢三強的學生，一開始搞的是核物理研究，也就是兩彈一星。
如今他又入職華為，不到一年時間就帶領團隊把AutoML算法研究應用到了千萬臺華為Mate系列與P系列手機上，當真是虎父無犬子??！
以前總有人說華為的天才少年計劃形式大于內(nèi)容，而且給的薪酬太高。如今來看200萬年薪招到這樣的人才還高嗎？
培養(yǎng)并且留住人才，讓他們的才能在本土落地發(fā)光，這是任正非的想法，也是華為的戰(zhàn)略。
此外，相當多網(wǎng)友表示華為這波時在自吹自擂：
但同時，有網(wǎng)友稱華為還是應該爆出更多細節(jié)，以及和同類算法的對比測試才好評價。
此外，知乎網(wǎng)友 @marsggbo 稱：一篇文章看看就得了，提供批評意見也可以，不需要冷嘲熱諷。
更多網(wǎng)友評論，可前往知乎查看：https://www.zhihu.com/question/501845921
下載文檔
