又一 AI 大牛离职返校!前字节跳动 AI Lab 总监李磊加入 UCSB 执教

字节跳动AI实验室总监李磊离职,加盟加州大学圣巴巴拉分校担任副教授。李磊是知名NLP专家,此前曾效力于百度及字节跳动。此次变动或反映AI领域人才向学术界回流的趋势。

整理 | 禾木木

出品 | AI科技大本营(ID:rgznai100)

近日,字节跳动AI实验室总监李磊离职,入职加州大学圣巴巴拉分校(UCSB)担任副教授,重返学术界。去年,该实验室的AI掌门人马维英从字节离开后,加入清华大学智能产业研究院。AI大牛回归学术界将成为一种潮流?

7月6日,AI研究者William Wang发推祝贺李磊加入UCSB,进入加州大学圣巴巴拉分校(UCSB)担任副教授。

李磊在8月1日发推回复:“我很激动能够加入UCSB,很高兴能和William Wang、Shiyu Chang,以及其他优秀的学者共事。”

目前,官网上已有相关任职信息:

李磊是业内公认的权威NLP科学家之一。在加入字节跳动之前,曾为百度美国深度学习实验室少帅科学家,2016年被字节跳动招致麾下,担任人工智能实验室总监一职。

至于为什么入职加州大学圣巴巴拉分校,也有不少网友讨论,“对学术真理的追求” 、“业界变化多端”、“做自己想做的事情”……

此次李磊离职字节跳动,是继原字节跳动副总裁兼AI实验室主任马维英就职清华大学智能产业研究院首席科学家后,字节跳动AI实验室又一名高端人才回归学术界。

难道说,企业对于AI人才来说不香了吗?

大牛李磊是谁?曾为交大ACM班成员


李磊本科毕业于上海交通大学计算机系,是ACM班的第一届学生。

之后,李磊前往卡耐基梅隆大学计算机系攻读博士,本科期间,李磊曾在有着人工智能黄埔军校之称的MSRA实习,积累了丰厚的业界资源。

2014年,他从加州大学伯克利分校博士后研究院毕业后正式转入业界,在Google、Facebook、BAT等众多大公司抛出的橄榄枝中,他选择了百度美国深度学习实验室。

2年后,他回国发展,并选择了刚刚成立不久,但聚集了众多学术大咖的字节跳动AI Lab。

此前李磊在AAA校友会上分享,职业发展最重要的是能否有长期不断发展的机会,可能是30到50年的长期回报。清华的张钹院士80岁的时候在KDD大会还亲自发表关于技术演讲,令他非常感触,他希望自己能够在非常长的时间内做一些事情,而这些事是比较有影响力的。

截止目前,李磊已在机器学习、数据挖掘和自然语言理解领域于国际顶级学术会议发表论文40余篇。他也是ACL 2021最佳论文「Vocabulary Learning via Optimal Transport for Neural Machine Translation」的合作著作者之一。

谷歌学术显示,其学术成果共获得4084个引用,自2016年以来,引用次数高达3218次,可见,他在字节跳动AI Lab的贡献和影响力。

此外,他在近五年,曾担任2017 KDD Cup与KDD2018 Hands-on Tutorial联合主席和ICML、KDD、IJCAI、AAAI等大会程序委员。

难道企业不香了吗?


李磊加入字节跳动已经5年,却又重新选择学术界,无疑是对当前AI研究人员重返学术界这一趋势的验证。

在去年这个时候,字节跳动副总裁、AI Lab主任马维英宣布离开字节跳动加入清华大学智能产业研究院。

在马维英和李磊离开字节跳动之前,AI产业界就已经出现「科学家出走潮」。前旷视南京负责人魏秀参、腾讯AI Lab主任张瞳、百度首席科学家吴恩达、谷歌知名科学家李飞飞等AI大牛,重返学术界。

从另一个角度上,我们也可以看到这些AI人才在企业内检验了自己的研究之后,带着新的问题重新回到学术界开展新的研究。

未来,可能会有更多AI大牛从企业内重返学术界。

这一趋势,你怎么看?

☞为“证明实力”,某医院前网管离职后远程入侵服务器,致诊疗系统瘫痪
☞开发者进阶宝典,HarmonyOS 职业认证全奉上
☞余承东:华为 P50 系列无 5G 版本,但依然流畅
☞IE 退出后,苹果 Safari 成为了开发者最讨厌的浏览器?
☞35 岁程序员的退路:「有人放弃挣扎撤回老家,有人创业失败退回大厂」
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值