来源丨机器之心
对苹果来说，Ian Goodfellow 的离开对公司损失相当大。
据 The Verge 报道，苹果机器学习总监 Ian Goodfellow 在加入公司三年后辞职，部分原因是苹果公司关于重返办公室工作的政策。在给员工的电子邮件中，Goodfellow 证实了即将离职的消息。
Ian Goodfellow
虽然离开的官方原因尚不清楚，但 Goodfellow 在邮件中确实承认苹果公司让员工重返办公室的政策是其辞职的部分原因。
在远程工作了两年多之后，苹果要求其员工从 4 月 11 日起重返办公室工作，最初，员工们每周只需要在办公室工作一天，其余时间远程办公。之后，随着时间的推移逐渐增加在办公室工作的时间。到 5 月 2 日，员工每周至少要两天在办公室工作，到 5 月 23 日后至少每周要回办公室工作三天。
但这一重返办公室办公的要求，引起了 Goodfellow 的不满，他表示：「我坚信，对我的团队来说，更大的灵活性是最好的策略。」
当然，除了 Goodfellow，还有其他苹果员工反对重返办公室计划。一项针对少数员工的调查发现，许多苹果员工正在寻找新的工作机会，他们离职的原因包括重返办公室政策、感染新冠病毒的可能性、对企业文化不满意以及无法实现工作与生活平衡等。
不久之前，在致苹果 CEO 蒂姆 · 库克的一封信中，一群员工表示：如果没有灵活性带来的包容性，我们认为我们必须在生活和工作之间做出选择。我们可能会继续成为苹果的一部分，也许会离开。这是我们任何人都不会轻易做出的决定，也是许多人不愿做出的决定。
根据 Goodfellow 在领英上的个人资料显示，他于 2019 年 3 月加入苹果，担任特别项目组的机器学习总监。不过他的个人资料还没有随着离职而更新。此前，Goodfellow 在谷歌担任高级研究员。
领英地址：https://www.linkedin.com/in/ian-goodfellow-b7187213/
Ian GoodFellow 简介
Ian Goodfellow 是机器学习领域备受关注的年轻学者之一，本科与硕士就读于斯坦福大学，师从吴恩达，博士阶段则跟随蒙特利尔大学的著名学者 Yoshua Bengio 研究机器学习。
他最引人注目的成就是在 2014 年 6 月提出了生成对抗网络（GAN）。这一技术近年来已成为机器学习界最火热的讨论话题，与 GAN 有关的论文不断涌现。GAN 已成为众多学者的研究方向。
GAN 包含两种神经网络：创造新数据实例的生成器和区分由生成器从真实数据中创建假数据的判别器。这两种神经网络通过越来越逼真的假数据来挑战彼此，优化自己的策略，直至生成数据与真实数据难以区分。
在过去曾有一段时间，GAN 在图像生成领域取得了重大突破，现在可以生成动物、风景以及人脸等高度逼真的合成图像。例如可以合成人脸的网站：thispersondoesnotexist.com 。
但是，GAN 的成功也打开了潘多拉的魔盒，引发了诸多伦理问题和潜在危险。例如，有人利用 GAN 开发「deepfake」人脸交换技术，制作「换脸」明星色情片，同时也有人担忧 GAN 用于生成假新闻以操控公众舆论等。
Ian GoodFellow 论文引用量逐年飙升，来源：Google Scholar
目前为止，Ian 的论文引用量高达 18 万多，GAN 那篇论文的引用量为 4 万多。
图：引用量最高的几篇作品（第二个为书籍）
在 2016 年，Ian Goodfellow、Yoshua Bengio、Aaron Courville 等人推出了著名的人工智能基础书《Deep Learning》，该书已被列为机器学习领域内的必读内容。
《Deep Learning》中文版链接：https://github.com/exacity/deeplearningbook-chinese
机器之心 Ian GoodFellow & Yoshua Bengio 联合签名版《Deep Learning》
不过在加入苹果后，可能受到公司要求，Ian Goodfellow 对外发布的论文、参与的学术交流活动并不是特别多，可以说是沉寂了相当一段时间。
Ian Goodfellow 在离开苹果后，不知下一站会去哪里。
参考链接：
https://www.macrumors.com/2022/05/07/apple-director-of-machine-learning-resigns/
https://appleinsider.com/articles/22/05/07/apples-director-of-machine-learning-exits-over-return-to-office-policy
本文仅做学术分享，如有侵权，请联系删文。
干货下载与学习
后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件
后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf
后台回复：3D视觉课程，即可学习3D视觉领域精品课程
计算机视觉工坊精品课程官网：3dcver.com
2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
重磅！计算机视觉工坊-学习交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看