雷鋒網(wǎng) AI 科技評(píng)論按：11 月 19 日，斯坦福人工智能實(shí)驗(yàn)室發(fā)推文稱，Christopher Manning 成為實(shí)驗(yàn)室新負(fù)責(zé)人，而前負(fù)責(zé)人李飛飛則將工作陣地轉(zhuǎn)移到「以人為中心的 AI 計(jì)劃」這一新項(xiàng)目中，擔(dān)任其聯(lián)合負(fù)責(zé)人。

圖截取自The Stanford AI Lab Twitter：https://twitter.com/StanfordAILab

李飛飛近來的職業(yè)動(dòng)向一直頗為受人關(guān)注。繼今年 10 月 20 日正式離開谷歌云、回歸斯坦福，她的職業(yè)終于塵埃落定——擔(dān)任斯坦福新成立的「以人為中心的 AI 計(jì)劃」的聯(lián)合負(fù)責(zé)人。

對(duì)于中國讀者，也許 Christopher Manning 在中國的「刷臉率」遠(yuǎn)不如李飛飛，但是他在自然語言處理領(lǐng)域的領(lǐng)軍者地位，足以讓關(guān)注計(jì)算機(jī)領(lǐng)域的讀者對(duì)他有所了解，另外其主講的斯坦福 CS224n 這門經(jīng)典自然語言處理課程，與李飛飛的斯坦福 CS231n 同為自然語言處理和計(jì)算機(jī)視覺領(lǐng)域的「必修課」。

Christopher Manning 1989 年畢業(yè)于澳大利亞國立大學(xué)，并一舉「攬下」數(shù)學(xué)、計(jì)算機(jī)和語言學(xué)三個(gè)學(xué)士學(xué)位，此后又于 1994 年獲得斯坦福大學(xué)語言學(xué)博士學(xué)位。

1999 年，出于對(duì)深度學(xué)習(xí)自然語言處理的滿腔熱情，先后在卡內(nèi)基梅隆大學(xué)、悉尼大學(xué)等任教的 Manning 教授以斯坦福自然語言處理組（Stanford NLP Group）的創(chuàng)始成員的身份回歸母校。在任職的 19 年時(shí)間里，他始終以讓計(jì)算機(jī)智能地處理、理解和生成人類語言材料為研究目標(biāo)，并以一位 NLP 領(lǐng)域的深度學(xué)習(xí)開拓者的姿態(tài)，做出了很多著名的工作，包括樹狀遞歸神經(jīng)網(wǎng)絡(luò)、情感分析、神經(jīng)網(wǎng)絡(luò)依賴性解析（dependency parsing）、語言矢量的 GloVe 模型、神經(jīng)機(jī)器翻譯，以及深度學(xué)習(xí)語言理解等。同時(shí)，作為一位語言學(xué)出身的學(xué)者，Manning 也關(guān)注計(jì)算語言學(xué)解析方法、文本推理和多語言處理，是斯坦福大學(xué)依賴關(guān)系和通用依賴性（Universal Dependencies）的主要開發(fā)者。

目前，Manning 教授的論文被引用超過 9 萬次，并且其作為第一作者與人合著的《自然語言處理統(tǒng)計(jì)方法》（Manning，Schütze，1999）和《信息檢索》（Manning，Raghavan，Schütze，2008）已經(jīng)成為領(lǐng)域內(nèi)著名的教科書。另外，作為國際計(jì)算機(jī)學(xué)會(huì) （ACM）、國際人工智協(xié)會(huì)（AAAI）、國際計(jì)算語言學(xué)會(huì)（ACL）等國際權(quán)威學(xué)術(shù)組織的 Fellow，他曾獲 ACL、EMNLP、COLING、CHI 等國際頂會(huì)最佳論文獎(jiǎng)，大家也可以時(shí)?？吹剿纳碛俺霈F(xiàn)在各大頂會(huì)上，其中就包括先后在中國舉辦的 ACL 2015 和 ACL 2017。

在 Manning 教授的研究生涯中，他堅(jiān)持認(rèn)為深度學(xué)習(xí)是研究 NLP 和語言學(xué)的好方法，但同時(shí)他也指出，雖然深度學(xué)習(xí)是研究 NLP 的好方法，但目前為止 NLP 從深度學(xué)習(xí)的收益更多是來自分布式詞匯表示（distributed word representation），而非真正的深度學(xué)習(xí)，真正的深度學(xué)習(xí)使用更抽象的表征構(gòu)建的層次來促進(jìn)泛化。

這無疑也是這位成果頗豐的研究學(xué)者對(duì)于深度學(xué)習(xí)矛盾的態(tài)度的一個(gè)重要原因。一方面他認(rèn)同「神經(jīng)網(wǎng)絡(luò)的統(tǒng)治地位」的理念——「2017 年 NLP 領(lǐng)域的共識(shí)是，無論研究什么問題，丟個(gè)雙向 LSTM 模型一定能搞定它，不行再加個(gè)注意力模塊」；而另一方面，作為一位對(duì)語言學(xué)出身的研究者，他又對(duì)神經(jīng)網(wǎng)絡(luò)在語言結(jié)構(gòu)性中所發(fā)揮的作用表示出擔(dān)憂：「人類能夠理解彼此，不是因?yàn)槲覀儠?huì)對(duì)聽到的詞做局部加權(quán)平均。然而在很多自然語言處理任務(wù)上，我們無法做出比使用加權(quán)平均效果更好的模型，這讓我非常擔(dān)心?！?/p>

不過總體而言，他對(duì)于深度學(xué)習(xí)在 NLP 研究中的價(jià)值秉持樂觀的態(tài)度，他表示，當(dāng)下我們?nèi)蕴幱谶@一波深度學(xué)習(xí)復(fù)興浪潮的初期，深度學(xué)習(xí)在 NLP 中有很多想象的空間，此外構(gòu)建深度學(xué)習(xí)系統(tǒng)的方法本身就很有用，不僅局限于 NLP。

斯坦福人工智能實(shí)驗(yàn)室（SAIL）是全球頂級(jí)的人工智能研究機(jī)構(gòu)之一，由 Lisp 語言發(fā)明者、現(xiàn)代人工智能領(lǐng)域的奠基人之一約翰·麥肯錫（John McCarthy）創(chuàng)立于 1962 年。從專家系統(tǒng)領(lǐng)域、計(jì)算機(jī)視覺領(lǐng)域的開創(chuàng)性工作到 ImageNet 以及大型神經(jīng)網(wǎng)絡(luò)算法數(shù)據(jù)集的誕生，迄今為止，SAIL 已成為了諸多人工智能重大里程碑的發(fā)源地和見證者。目前 SAIL 聚集了多個(gè)領(lǐng)域?qū)＜?，研究主題覆蓋計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、自然語言處理、機(jī)器人技術(shù)等多個(gè)領(lǐng)域。

一位是計(jì)算機(jī)視覺領(lǐng)域的代表性人物，一位是自然語言處理領(lǐng)域的領(lǐng)軍人物，本次斯坦福人工智能實(shí)驗(yàn)室負(fù)責(zé)人的交替似乎也意味著，其在未來研究側(cè)重點(diǎn)上的調(diào)整。正在人工智能領(lǐng)域逐步興起的自然語言處理，在 Manning 教授的帶領(lǐng)下是否會(huì)像李飛飛所引領(lǐng)的計(jì)算機(jī)視覺熱潮一樣迎來新的突破呢？大家可以期待一下。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。