歡迎關(guān)注“新浪科技”的微信訂閱號：techsina
文/夢晨 豐色 蕭簫
來源：量子位（ID：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)粘氖略鯓拥墓ぷ鳎瑓s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(duì)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(duì)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?！?/p>
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(shí)上，鐘釗解決的正是圖像像素處理算法中的一大痛點(diǎn)——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(duì)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(duì)，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(jì)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(shí)上，在鐘釗來到華為之前，華為諾亞方舟實(shí)驗(yàn)室已經(jīng)在進(jìn)行AutoML方向的相關(guān)研究。
實(shí)驗(yàn)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(shí)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(duì)自研出了端到端的像素級AutoML流水線。
據(jù)華為介紹，這項(xiàng)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(xiàng)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(jì)用于移動端視覺模型主要有兩種方法：
一種是手工設(shè)計(jì)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(duì)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(duì)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(jì)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(jì)算機(jī)
鐘釗1991年出生在一個深受計(jì)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(bào)道，鐘釗的父親就是一名計(jì)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(jì)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(duì)做了一些編程項(xiàng)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(shí)習(xí)期間的一作論文入選了CVPR Oral并在大會做了主題報(bào)告，當(dāng)年中國入選Oral的論文僅有個位數(shù)。
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(jì)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(shí)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(shí)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(bào)報(bào)道，一位曾與華為“天才少年”同實(shí)驗(yàn)室的IT業(yè)內(nèi)人士表示：
華為這個年薪確實(shí)高得離譜，我們實(shí)驗(yàn)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(jì)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(xiàng)計(jì)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&sortId=1&newsInfo=92216
[2]https：//scholar.google.com/citations？user=igtXP_kAAAAJ
[3]https：//xinsheng.huawei.com/cn/index.php？app=forum&mod=Detail&act=index&id=4343641
[4]https：//www.zhihu.com/question/336418328/answer/758978491
[5]http://www.time-weekly.com/post/272140
[6]https：//github.com/huawei-noah/vega