<mark id="oztn4"></mark>
0
| 本文作者： 董子博 | 2023-04-28 01:23 |
“我覺得，真的要做一個科學家，在某些方面，還是要有一些心中的理想?！?/strong>在與雷峰網(公眾號：雷峰網)的對話中，今年一月受選成為ACM Fellow 的郭宗杰教授如是說。
如果要評價學者郭宗杰，他的履歷絕對令人信服：南加州大學電子工程與計算機科學杰出教授，William M. Hogue講席教授，新晉ACM Fellow，IEEE Fellow，多冊學術期刊的主編和編輯，美國國科學會年輕學者研究獎、美國總統教授學者獎等多項大獎的獲得者——任何一個title，在學界都說得上舉足輕重。
在他關注的視覺計算、視覺傳輸、機器學習、大數據分析與人工智能領域，郭宗杰參與發表的千余篇學術著作，被引用超過四萬次，很大程度上引領了相關領域的研究方向。
一方面，郭宗杰在多媒體、通訊和網路的部分研究深入，通過分析運動向量在時空上的關聯性，提出了快速移動估算演算法，提升了近百倍的計算速度。而他在壓縮技術、多媒體傳輸等領域的研習，也相當權威。
一方面，郭宗杰是小波理論應用的先鋒，他利用小波理論，完成了質地分析、曲線描述、碎形分析和合成的工作；又利用樹狀結構小波轉換，在圖形識別領域完成了重大的突破。
另一方面，郭宗杰在多媒體內容及版權管理的分野，也作出過不小的貢獻。他在聲音、影像的分析領域的論文曾被大量引用，并且獨創了以小波理論為基礎的影像浮水印方法，對數字版權的保護起到了重要的作用。
而在學術成就的光芒之外，郭宗杰不只是一個學者，更是一個桃李滿天下的教育者。
要知道，以一年一位的速度，一個教授窮盡教育生涯，能帶出30位博士，已經算得上符合預期——甚至不少教授，甚至完不成這個數字。
而在南加大，郭宗杰耕耘36年，經他培養走出象牙塔的博士生，竟有160余人。超出了不少人博士生數量的七八倍，甚至十倍。
用“高產”一詞，來形容這位新晉的ACM Fellow 絕不為過。而郭宗杰一路走來，能達到今天的成就，正是他近40年來專注學術、教書育人的寫照。
200多年前，彼時仍是清朝的中葉，福建泉州，一位父親帶著三個孩子，乘船渡到海峽的另外一側，歷經不知多少艱難，在臺灣的新竹定居安家。
光陰荏苒，白云蒼狗，到郭宗杰出世，已經是他們來到臺灣后的第六代子孫。
郭宗杰求學的青年時代，正是臺積電在臺灣鋒芒畢露的時候。追著風潮，郭宗杰在臺灣大學修完了半導體的學士學位。
而當時的臺灣半導體工業，臺積電創始人張忠謀高喊：“我的公司不生產自己設計的晶片，只為半導體設計公司制造他們的晶片。”也是在這樣的風潮下，半導體制造行業追求的，并非開創性的設計，而是在精益求精中提升晶片產出的效率和質量。
而郭宗杰的志向，卻并不在此。
于是他在臺大畢業后，轉而遠赴重洋，來到位于美國馬薩諸塞州的劍橋市，在麻省理工學院繼續進修。
當時的學術風口，是正在快速發展的并行計算技術，郭宗杰也一門心思鋪在并行計算上，并在麻省理工一路拿到了博士學位。
而博士畢業后，郭宗杰再一次面臨著關鍵的抉擇：擺在他面前的有兩個 Offer，一個是哥倫比亞大學電機系的助理教授職位，繼續做并行計算相關的研究；而另一個，是UCLA的研究助理教授，并不是終身教職，而是一個三年的“合同工”，做數學方向的研究。
哥倫比亞大學招牌不小，做“老本行”研究，還是具終身職位缺，就在人們認為郭宗杰會接受這份邀約的時候，他卻毅然決然地選擇了UCLA，轉而去研究數學。
早在研究并行計算的時候，郭宗杰就常常與數學“為伍”——解偏微分方程、優化、……他花費了不少時間閱讀、學習。盡管從并行計算到應用數學，學術跨度很大，但郭宗杰心里始終有一股勁，或者稱得上是一種“自傲”（Pride）：
“工程總是可以做，但是要先到數學系去，跟一些做應用數學的人在一起——就是希望去最困難的環境中去受訓，看看自己頂得住頂不住?！?/p>
一年半后，郭宗杰來到了南加大，回到電機系做研究。而在UCLA數學系的歷練，讓郭宗杰在同事中很受尊敬：有數學背景，做什么幾乎都不成問題。
幾十年后，郭宗杰回頭再看這段經歷，也不禁感嘆，如果一直留在一個工程領域，待久了，很可能就出不來了；而也正是因為自己有著不錯的數學基礎，才能讓自己在不少研究領域可以融會貫通。
也正是如此，才讓郭宗杰在培養博士的事業上，能夠春風化雨，培養出了大量業界的精英人才。
前面也提到過，郭宗杰教授在南加大36年時間，培養了一百六十多位博士。
完成這項成就，本就相當困難；而更難得的是，在郭宗杰培養出的這一百六十余位博士中，研究領域跨度巨大，從壓縮、到通信、甚至再到生物信息不一而足。
領域五花八門，但郭宗杰的博士卻有著相當相似的抉擇——其中3/4選擇了在博士畢業后，離開象牙塔，加入工業界，把學到的一身功夫，回饋給業界和市場。
能夠如此，郭宗杰在教書育人的事情上，是有幾個秘訣的。
首先，相比不少教授“死磕”的風格，郭宗杰的教育方式更務實：他不會因為學生實力強，就把他們在身邊多留幾年，幫自己做項目。
“我的出發點是‘成全’學生——我訓練好學生，學生能完成好研究，我就放人。我做研究并不是為了‘成全’自己?！惫诮軐追寰W如此說道。
郭宗杰知道，做老師很重要的一個精神，是以學生為中心，而非以自己為中心：“這會產生一個良性的循環——其實學生知道你在幫他，而且是幫他想，這樣學生也會幫你想。這樣，師生雙方能夠彼此能夠尊重，能夠彼此信任?！?/p>
于是，郭宗杰把他博士畢業期限，從一般的5年縮短到4年。由于他在跨領域研究中的長處，郭宗杰收人也不拘一格，組里常常有40多位博士，進行著不同方向的研究。
郭宗杰的學生中，有學通訊的，有做多媒體的，有研究數學的，還有做生物資訊的……所有人來到郭宗杰的身邊，他都會說：“我不一定要你們轉到我的領域，你們有什么興趣，我就跟你們走，我也可以跟你們一起學。”
這種兼容并包，甚至稱得上虛懷若谷，讓郭宗杰的團隊研究上有很大彈性和寬度，也讓更多人能夠在交叉領域研究中，獲得更獨特的學術和技術視點。
而南加大，作為美國的一家私立院校，也給予了教授很大的自主權，教授收了學生，只要能養，學生素質也夠好，教授想收多少就收多少，不給生源設限——而事實上，郭宗杰也是能夠“帶兵打仗”的良將，能帶學生、能發期刊，也能拿到資源和資金支持，對于老師和學校來說，是一場雙贏。
（雷峰網未來會繼續關注國內外的學術精英，并且跟蹤報道他們的動向與觀點，歡迎添加本文作者董子博，VX：william_dong，獲取更多消息與前沿認知。）
郭宗杰的學生，畢業后都會成為工業界的精英，這也脫不開他的教育理念：“博士念到最后一年，我基本上要他們通通盡量出去，不要留在學校——最后很多人都去了Apple、Meta，幾乎都是最好的公司?！?/p>
“我們不是一個非常理論的實驗室——不少實驗室做的理論性研究曲高和寡，理論性實驗為主，而那些實驗室出來的人，只能去做教授，很難融入工業界?！?/p>
而郭宗杰對于產學研結合，有很深的認同，他也更喜歡做可以實際產生影響力的項目，實驗室不少題目，是來源于工業界的研究計劃。
同時，郭宗杰很看重對學生日常的訓練，盡量要做到扎實可靠，面向工業。實際4年時間，要博士生能夠發出很多文章，的確有些強弩之末。
而在四年面向實戰的訓練后，郭宗杰的學生受到業界歡迎很多，單憑一塊金字招牌，就足以讓很多公司的高管對他們提起重視。不少大公司的高管，還會特意找到郭宗杰的學生，去探聽郭宗杰實驗室的研究方向，再去相應地投入人員追逐他們的腳步。
“我們是非常能夠打仗的?！敝v到這里，郭宗杰對雷峰網興奮地說。
要學生能打仗，郭宗杰本人也身先士卒，走在與工業界深度結合的第一線。
2020年，郭宗杰收到了一封郵件。
郵件里清清楚楚地寫著：恭喜你，你的項目獲得了艾美獎。
郭宗杰看過，開始只覺得是詐騙郵件，并沒有在意——艾美獎是美國電視界的獎項，自己的確研究多媒體，不過從來沒有報過名，通知自己得獎，基本可以斷定是假消息。
而轉念一想，郵件內容扎實、言之鑿鑿，又實在不像有假。當時只覺得奇怪，后來郭宗杰才猛然想起，這事可能和 Netflix 有關。
幾年前，郭宗杰的實驗室和 Netflix 曾經開展過一次合作，后者希望郭宗杰能夠開發出一套視頻質量評價技術，通過視覺評估，可以反映觀者主觀的感受。
Netflix 提供了原片和壓縮過后的成片，而郭宗杰則提出了一個Fusion 的方法，把很多不同的、各具優缺點的 評估法 整合起來，再用機器學習的方法，把它們合在一起，再去做分析和評估。
這套方案實際效果一出，成果驚人。后來 Netflix 就給這套技術取名VMAF，并且做了開源。而VMAF技術，在后面的視頻、廣播、直播串流中，幾乎成為了一種通用的解決方案，從亞馬遜、到HBO、迪士尼，都在使用這一套技術。
作為VMAF的主創，郭宗杰都幾乎已經忘記了這件事，而 Netflix 卻一直在推廣VMAF。于是，郭宗杰一封郵件發到Netflix，這才知道他們申請了艾美獎，還執意要把郭宗杰的名字寫進去。
也直到這時，郭宗杰才徹底相信，自己拿到了艾美獎，是真實發生的現實。
“其實我也沒有多想，”郭宗杰回憶道，“就只是拿到計劃，計劃做完，也就過去了?？墒菬o心插柳柳成蔭，直到你把事情做完，才知道過去種下的種子，長成了一棵大樹——其實工業界很多事情，我的目的性不強，但合作多了，出來的成果也就蠻多的?！?/p>
除了直接在技術上推進創新，郭宗杰也樂于為企業招兵買馬，組建團隊。2000年左右，當時，郭宗杰還是一家名叫 InterVideo 的美國公司的首席科學家，輔助公司完成一些 WinDVD 相關的技術研究。而聯發科的董事長蔡明介，恰好和 InterVideo 的老板熟識，機緣巧合下，郭宗杰就和聯發科有了淵源。
而幾年后，InterVideo 在納斯達克上市，后將公司轉賣給其他公司，引發了公司內部的巨大動蕩，高層紛紛離開，郭宗杰也是其中一員。當時，聯發科正在謀求組建公司 R&D 部門的機會，看到郭宗杰出來，就希望郭宗杰能夠幫助他們建立一個研究團隊。
郭宗杰不辭辛苦，作為公司的首席科學家，幫聯發科招到了CTO，也完成了一些關鍵人員的招募，直接向聯發科最高層的高管匯報，一手幫助聯發科搭建起了 R&D 部門，也為聯發科日后的增長和發展提供了重要的契機。
即使在象牙塔里，郭宗杰的團隊，也稱得上是相當獨特。
在郭宗杰精力的巔峰，他的博士生團隊里同時最多有40個人，按4年畢業來算，每年送走10人，再招新10人。
而光陰易逝，年華易老，36年在南加大的生涯如白駒過隙，“后來當然我年紀大了，身體各方面也不如從前，眼睛也不像以前那么好，當然也會慢慢減少學生，這沒有辦法?！?/p>
但即使如此，郭宗杰的博士團隊在今天，仍能達到20人的規模，每年送走5人，再招新5人。這個人才輸送的頻率，不少年輕教授都做不到。
桃李滿天下，郭宗杰的學生中不少，現在早已是全球各大科技公司在技術上的中流砥柱，在市場和業界發揮著重要的作用。
而如此高產的人才培育，也難免遭人質疑，也難免辛苦勞頓：“團隊40人的時候，別人都認為我瘋了——你干嘛要這么搞？”
而郭宗杰的想法卻很簡單，他對雷峰網說，“我跟我太太講：‘我不是為了我自己，只要我能多帶一個，改變一個孩子的一生，只要我能做到，我一定會做。’”
本文作者董子博（VX：william_dong)，重點關注AI大模型創業賽道和AI工程化的行業進展，歡迎交換認知，或閑聊八卦！
以下，是雷峰網和郭宗杰教授的對話實錄，其中談到了更多郭教授在教書育人時的細節，以及“綠色計算”技術當下的進展與未來的展望。雷峰網做了不變原意的編輯和整理：
雷峰網：郭教授您好，在您門下的博士生有一百六十余位居多，您在招收博士生時，有什么標準嗎？
郭宗杰：我想，招生還是非常重要，如果能選到好學生，就會事半功倍；如果選到一個比較差一點的學生，就會很頭疼。
我的博士生源有兩種來源。一種是在南加大里面比較優秀的碩士生，他們上過我的課，我在課上對他們了解，都是在課里面最頂尖的學生。我的課很大，一門大概有 100 多位學生，所以他如果在里面能排前幾名，做事當中是最優秀的，所以可以當做一個招收。
另外就是從海外直接招收了。我早期有蠻多清華北大的學生，也都非常優秀。但是最近幾年清華北大學生留美的比例在下降，我想主要的原因是很多留在國內，留在清華北大讀。
我覺得對于國內也是一個好消息——頂尖人才可以留在國內做研究和學習。中國人有一大群非常勤奮的年輕人，我當然希望看到中國各方面都能有好的人才和成果出現。
雷峰網：能招收這么多學生，您認為，為什么這些高水平的學生，愿意加入您的團隊呢？
郭宗杰：面試過一個學生之后，我會和他說：你很好，我想收你，可是你不用急著答應我，你可以跟我的學生談談，他們覺得我們這里怎么樣，你可能會聽到最準確的資料。
另一方面，我也跟我的學生講：你跟可能要入學到我們實驗室的學生，你都講實話。我也不會問他們講了什么——你對真實情況撒謊，到時候學生進來，發現和之前了解的不一樣，最后人家也留不下來。
對，所以我是覺得做老師的，我覺得要有一個老師的樣子。我一開始的初心，也就是要幫助我的學生。后來帶了那么多學生，我當初也沒有想到，我只覺得我有能力帶，帶一個算一個。
幫助一個年輕人成長，讓他進入到下一個階段，陪他走一段路。有些學生，我知道他們能力可以，值得培養，這樣的學生如果遇到了困難，我都寧可拖著他們走。
雷峰網：那您認為，在您的實驗室中，您的學生們大多都有怎樣的氣質和性格？
郭宗杰：我覺得我的學生們都非常認真、用功，自律性很強。
有些學生能夠對問題進行獨立探索，學生對于老師的依賴不會那么深，這樣的學生，就不需要進行太多管束，讓他們自由生長即可。
而有些學生相對比較弱，你需要很強的監督，要去注意，要去盯。有些人還是我覺得還是一個天生的，這種創造力還是不太一樣的。
同時，我覺得整個實驗室的士氣非常重要，要賞罰分明。有些生源，可能根本就不適合讀博士，讀了一兩年后差得還很遠，我會跟他說：你真的沒有辦法讀博士，還是走吧。我不愿意拖學生太久，一兩個畢不了業，對其他人也會有影響。
但一般來說，有時在學生項目的末期遇到困難，只差一點點就可以完成，這些時候老師的心就要軟一點，要妥協。遇到這種時候，我會想：如果這個孩子的父母親在旁邊，他們會怎么想？同時這樣的事情，也可能在一個孩子一生中留下陰影。
這種情況，只要能符合我良心的標準，我都會有一些妥協。
雷峰網：那您在教育事業達到今天的成就，桃李滿天下，確實是有一些秘訣。
郭宗杰：我現在回想過去，覺得真的是很感恩——我也感謝我那些學生的信任，讓我們能夠有一個很好的關系?，F在我見到一些畢業生的時候，我們的關系都非常好，主要還是在于一種彼此的信任。
雷峰網：在多媒體和人工智能領域前沿奮戰多年，您現在看到的，最大的科技發展趨勢是什么？
郭宗杰：其實近期我們在和Meta合作，做一個關于壓縮的項目在這個項目里，我們談的就是“Green Image Coding”，希望用很低很低的算法，去得到很好的壓縮的成果。
這個項目我們做了三年，但我覺得將來的影響會非常大——未來，我們降低碳排放是勢在必行，而現在的趨勢，卻是瘋狂地用各種運算，產生一個很小的改善。為了增加一點 AI 的表現和實力，要使用大量的運算。這不是一個能不能做到的問題，而是一個值不值得的問題。
所以現在，對我們來說，有兩個指標，一個叫做 Effectiveness——功能性。它的正確率好不好；一個叫做 Efficiency，指它的效率、耗電量、碳排放效率怎么樣。
當下的人工智能圈太注重小的正確率的改善，能耗卻是無限地擴張。我就對他們說：這場狂歡要結束了。
雷峰網：那對于這個趨勢，業界的廠商怎么看？
郭宗杰：在過去，有很多公司跟我講，他們一個月就要交百萬美金級的電費，不得了的。而且現在，碳排放大的企業，也要考慮碳排放的稅，超標還有罰金——能耗不會是一個可以不斷增長的“數學題”。
關于綠色AI的事情，我是一直在推。直到去年下半年，我在很多不同的地方演講，臺下的反應開始變得極端熱烈。
一個原因，是大家對深度學習也玩的夠久了——玩了 10 年了。它他雖然有些優點，可他缺點可能更多，問題也很大——這些大家也都清楚。就是 Embedded system computing 基本上不可以用，它只能做到服務器端或云端。但把運算放到云端，它還是要花電的，并且用電量并沒有少。
大家對深度學習的想象到了頂，而“綠色計算”卻還有很多遠景可以講。舉一個和Meta合作，做質量評估相關項目的例子：用深度學習的方式，去判斷一張圖片的質量，大概需要十億級別的FLOPS；而用我們給出的方案做處理，則只需要百萬量級的FLOPS，中間差了1000倍。
簡單來講，如果使用深度學習來做圖象質量評估，要花1000塊的電費；那么用我們的方案，電費只用花一塊錢——而且結果正確率相差也不大。所以Meta看到我們的結果，就笑開懷了。
現在能耗效率會和綠色計算已經有很多人在關注，比如蘋果和國內的一些公司都在追這項技術。過去大家對能耗絕口不談，因為這是他們的弱點和軟肋。
我認為，在未來十年，綠色計算會極大地改變行業現有的面貌。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
