首页 抖音热门文章正文

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

抖音热门 2025年10月06日 16:15 1 admin

2025年10月,有个挺重磅的消息在AI圈传开了,华人学者金驰,正式宣布自己晋升成了普林斯顿大学电气与计算机工程系的终身副教授。

其实,普林斯顿的终身教职可不是随便拿的,能在这儿站稳脚跟,还拿到“终身”的头衔,含金量真不是一般高。

他这个任命要到2026年1月16日才正式生效,但消息一出来,不少同行都觉得“实至名归”。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

金驰是2019年加入普林斯顿的,当时还是助理教授。

算下来,从助理教授到终身副教授,他只用了6年时间。

普林斯顿对终身教职的评审特别严,不光看你发了多少论文,还得看研究的原创性、对领域的影响,甚至长期潜力都得考虑。

能在6年内搞定,足以说明他这些年的成果有多硬。

而且金驰早就被学界盯上了,2024年2月,他就和杨笛一、杜少雷等华人学者一起,拿了2024年的斯隆奖。

可能有人不知道斯隆奖是啥,其实这奖是给学术生涯早期的学者的,一般是拿了博士学位5到7年的人。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

之前DeepMind、OpenAI不少核心研究员都拿过,能拿到这奖,基本等于被圈里认定是“未来领军者”了。

从北大物理到伯克利,金驰的“理论打底路”

金驰能在AI理论圈闯出名堂,和他早年的学术底子分不开。

2012年,他在北大拿了物理学的学士学位。

其实,学物理出身的人搞AI理论,还真有优势,物理里那套严谨的数学思维、分析问题的逻辑,用到机器学习的理论研究里,特别适配。

后来他去了加州大学伯克利分校读博,2019年拿到了电气工程与计算机科学的博士学位。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

伯克利那几年正是AI和机器学习研究的关键时期,学术环境特别好。

更重要的是,他的博士导师是Michael I. Jordan教授,这位可是机器学习领域的泰斗,专门在统计学和计算机科学之间搭桥梁。

金驰早期好几篇关键论文,都是和Jordan教授一起做的。

跟着这样的老师学,不光能学到知识,更能摸到研究的“门道”,比如怎么让理论既有严谨性,又能落地用得上。

现在去Google Scholar上查,金驰的论文引用量已经到13588次了。

并非明智之举的是只看引用数,但这个数比同期不少机器学习理论领域的学者都高,至少能说明一点,他的研究被大家用得多,是真能解决实际问题的。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

金驰研究的第一个大方向,就是深度学习里的“非凸优化”问题。

2012年AlexNet火了之后,大家都开始练大规模的非凸模型,比如深度神经网络。

但有个问题一直没解决,像随机梯度下降(SGD)这种简单的优化器,为啥在非凸场景里这么好用?尤其是“鞍点”问题,之前没人能说清楚。

搞不清鞍点是啥也没关系,简单说就是优化器训练模型时,会走到一个“假山顶”,这儿的梯度是零,看着像到终点了,但其实不是最优解,很容易卡在这里。

之前学界都担心,在高维空间里,优化器会被困在鞍点里,没法继续训练,金驰就专门解决了这个问题。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

2017年,他在ICML上发了篇论文,证明哪怕是简单的梯度方法,只要加一点点噪声,不管是SGD本身带的,还是特意加的,就能有效“逃离”鞍点,还能在多项式时间里往更优的地方走。

后来2018年在COLT上的论文又进一步,证明加速梯度下降逃离鞍点的速度,比普通梯度下降还快。

这些研究看着是理论,但对产业影响太大了。

之前企业搞大模型训练,总怕“练到一半卡住”,不敢投太多钱。

金驰的研究一出来,等于给大家吃了颗定心丸,鞍点不是拦路虎,优化过程也不算贵。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

像谷歌的PaLM、OpenAI的GPT系列,训练时都参考过他的理论,不然也不敢砸几十亿美元进去练模型。

不止理论牛,金驰团队还搞出“数学证明天花板”

解决了深度学习训练的理论难题,金驰又把目光投向了强化学习。

强化学习的核心是让智能体和环境交互学决策,但交互成本太高了,比如自动驾驶用强化学习训练,得跑上百万公里的 data,又费钱又费时间。

所以“样本效率”成了关键,衡量这个的指标叫“遗憾值”,就是智能体的表现和最优策略差多少,值越低越好。

之前大家都觉得,无模型的强化学习算法,比如Q-learning,样本效率不行,遗憾值高。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

但金驰2018年在NIPS上的论文,直接证明了Q-learning也能做到高效。

他提出的带UCB探索的Q-learning算法,在特定场景下的遗憾值能接近模型基方法的最优水平,这还是第一次有人证明无模型算法能做到这个程度。

后来2020年在COLT上的论文又拓展到线性函数近似的场景,证明算法的遗憾值和状态、动作数没关系,只和特征空间维度有关。

这一下就给大状态空间的强化学习铺路了,比如千万级商品的推荐系统,用这个理论就能高效训练。

而且金驰不光自己搞理论,还带着团队做前沿应用。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

之前他领衔的普林斯顿团队,还发布了个叫“哥德尔-Prover”的模型。

这模型只有32B参数,却比671B参数的DeepSeek表现还好,成了现在最强的开源数学定理证明模型。

其实,搞理论的能把模型做得这么实用,还真少见,这模型不光能证数学定理,还能查程序的正确性,比如航空航天的软件故障检测,都能用得上。

现在金驰晋升终身副教授,不光是他个人的里程碑,对咱们华人学者也是个激励。

从北大到普林斯顿,他走的是“基础研究→理论突破→产业落地”的路,证明华人学者在国际AI理论圈,已经能站到核心位置了。

华人学者金驰晋升普林斯顿终身副教授!AI理论两大突破引关注

如此看来,金驰的研究不光解决了当下的问题,未来通用人工智能发展,不管是大模型的训练效率,还是AI对齐的可靠性,估计还得靠这类理论打底。

说不定再过几年,咱们还能看到他在AI圈搞出更多新动静。

发表评论

长征号 Copyright © 2013-2024 长征号. All Rights Reserved.  sitemap