突发！腾讯AI Lab主任张潼离职，或将返回学界

2019 年 1 月 3 日 机器之心

机器之心报道

机器之心编辑部

经多方消息确认，腾讯 AI Lab 主任张潼已于 2018 年 12 月底离职。作为人工智能领域的著名学者，张潼可能将返回学术界。

在宣布离职之前，张潼是腾讯 AI Lab 的第一负责人，也是该机构的执行董事。张潼博士是美国康奈尔大学数学系和计算机系学士，以及斯坦福大学计算机系硕士和博士学位。加入腾讯前，张潼博士曾经担任美国新泽西州立大学教授、IBM 研究院研究员、雅虎研究院主任研究员、百度研究院副院长和大数据实验室负责人，期间参与和领导开发过多项机器学习算法和应用系统。

加入腾讯 AI Lab

腾讯 AI Lab 成立于 2016 年 4 月，致力于研发前瞻性的人工智能技术。2017 年 3 月 23 日，腾讯宣布任命人工智能领域顶尖科学家张潼博士担任腾讯 AI Lab 主任。张潼博士作为腾讯 AI Lab 第一负责人，在一年多以来带领数百名人工智能专家和工程师，专注于人工智能的基础研究。其中的主要方向包括计算机视觉、语音识别、自然语言处理和机器学习这四个垂直领域。

在 2017 年 3 月接受机器之心专访时，张潼曾表示：「我们（腾讯 AI Lab）一方面做基础研究，另一方面开发系统和工具为公司各产品线做技术支持。AI Lab 会支持一些重点业务，并且以此积累核心技术，然后会通过平台化云服务等方式向公司内部和外部进行推广，让这些技术服务更广泛的应用场景。」

和全球最前沿的研究机构一样，腾讯 AI Lab 在游戏 AI 场景中取得了不少成绩，他们推出的 AI 围棋程序「绝艺」曾在第 10 届 UEC 杯计算机围棋大赛中夺得冠军。

2018 年 12 月 22 日，腾讯 AI Lab 提出的策略协作型 AI「绝悟」首次露面，并在 KPL 秋季决赛战胜了前职业 KPL 选手组成的人类战队（平均水平超过 99% 玩家）。这是继围棋 AI「绝艺」后，腾讯 AI 在深度学习与强化学习领域的又一项前沿研究。

张潼曾表示，腾讯 AI Lab 希望将自身研究成果转化为平台，并面向所有开发者。

下一站学界？

2018 年底，机器之心已得到消息称张潼将离职腾讯 AI Lab。今日，在知乎帖子「如何看待张潼老师离职腾讯？」下，点赞量最高的一条回复称张潼「据说是回学术界去了」，其中也提到「……也希望接替他的张正友博士能带领 AI Lab 找到新的发展道路。」

所以，接替张潼博士负责腾讯 AI Lab 的应该是 2018 年加入腾讯掌管机器人实验室「Robotics X」的张正友博士。

至于张潼博士的去向目前还没有更多信息，在知乎上有匿名网友评论如下：

2018 年，杨强教授在港科大 CSE 系主任职位的任期已满，而后由杨瓞仁 (Dit-Yan Yeung) 教授代理系主任的职务。但据机器之心消息，目前杨瓞仁 (Dit-Yan Yeung) 教授已经离职，港科大 CSE 系正在进行公开答辩选举新的系主任，但结果尚未公布。

学术研究实力

张潼博士是 AI 领域的顶级科学家，他的研究兴趣包括机器学习算法和理论、用于大数据及其应用的统计方法。

张潼博士 Google Scholar 引用量数据。

在去年 7 月份举行的 ICML 2018 中，张潼有 8 篇论文被接收，是论文署名最多的作者之一。而除了 ICML 2018，张潼博士还在 Transactions ACL 和 JMLR 等期刊与会议上发表过论文。

在张潼署名的 8 篇 ICML 论文中，涉及主题可以分为三大方面，即新模型、分布式与去中心化、机器学习优化方法与理论研究。

首先对于新模型的研究，张潼博士提出了一种使用强化学习的端到端的主动目标跟踪方法，可直接根据画面情况调整摄像头角度。这种端到端的主动跟踪方法能取得优异的表现，并且还具有很好的泛化能力，能够在目标运动路径、目标外观、背景不同以及出现干扰目标时依然稳健地执行主动跟踪。此外，另一篇主要提出了一种可变度量超松弛混合临近外梯度方法（VMOR-HPE）的新型算法框架，能保证在解决该问题时的全局收敛。

End-to-end Active Object Tracking via Reinforcement Learning
An Algorithmic Framework of Variable Metric Over-Relaxed Hybrid Proximal Extra-Gradient Method

其次对于分布式与去中心化，张潼博士做了非常多的研究。例如在图非凸优化中，他提出了用于高斯图模型中的最优估计的图非凸优化，然后又通过一系列自适应的凸程序来近似求解。

Composite Functional Gradient Learning of Generative Adversarial Models
Graphical Nonconvex Optimization via an Adaptive Convex Relaxation
Candidates vs. Noises Estimation for Large Multi-Class Classification Problem
Safe Element Screening for Submodular Function Minimization

最后对于他在 ICML 2018 在提交的理论研究和其它期刊与会议的论文，读者可以参考以下列表：

Jiaxiang Wu and Weidong Huang and Junzhou Huang and Tong Zhang. Error Compensated Quantized SGD and its Applications to Large-scale Distributed Optimization, ICML 2018.
Kaiqing Zhang and Zhuoran Yang and Han Liu and Tong Zhang and Tamer Basar. Fully Decentralized Multi-Agent Reinforcement Learning with Networked Agents, ICML 2018.
Zhaopeng Tu and Yang Liu and Shuming Shi and Tong Zhang. Learning to remember translation history with a continuous cache. , Transactions of the Association for Computational Linguistics, 6:407--420, 2018.
Dong Dai and Lei Han and Ting Yang and Tong Zhang. Bayesian Model Averaging with Exponentiated Least Squares Loss , IEEE Trans. Info. Theory, 2018.
Xiao-Tong Yuan and Ping Li and Tong Zhang. Gradient Hard Thresholding Pursuit, JMLR , 18:1--43, 2018.
Lei Han and Lei Li and Feng Wen and Lei Zhong and Tong Zhang and Xiu-Feng Wan. Graph-Guided Multi-Task Sparse Learning Model: a Method for Identifying Antigenic Variants of Influenza A(H3N2) Virus, Bioinformatics , 2018.