内容转载自公众号深蓝AI
上周知乎发起了这样一个热议话题：
中国大陆发第一篇计算机顶会的人都怎么样了？
阅览了各位答主的分析盘点后，小编不禁感慨中国计算机事业发展的艰辛与伟大。纵观其从0起步的发展史，在每一次技术的飞跃与沉淀下，我国已成为具有重要影响力的科技大国。如今人工智能兴起，我们又迎来了新的技术变革。
基于此，小编特对部分中国大陆发布第一篇AI顶会的学者做了如下的盘点介绍：
李国杰院士1968年毕业于北京大学，1981年获中国科学院工学硕士学位，1985年获美国普渡大学博士学位。1987年回国工作于中国科学院计算技术研究所，1989年被聘为研究员。1990年被聘为国家智能计算机研究开发中心主任，1995年任曙光公司董事长兼总经理，1999年12月至2011年7月任中国科学院计算技术研究所所长。1995年当选中国工程院院士，2002年当选第三世界科学院院士。
个人主页：https://www.aminer.cn/profile/guo-jie-li/542dfea9dabfaed722682650
论文标题：How to Cope With Anomalies in Parallel Approximate Branch-and-Bound
论文链接：https://www.aminer.cn/pub/53e9acccb7602d97036ab1ca
发布时间：1986年
论文研究了如何应对并行近似分支与界限算法中的异常情况。分支与界限（B&B）算法是一种通用的求解各种搜索问题的方法。作者们已经对B&B算法进行了适应性和扩展，以实现并行处理。然而，由于并行性，可能会出现异常情况。在本文中，作者们提出了保证并行性不会降低性能的充分条件，并展示了允许并行性速度大于处理器数量的必要条件。当寻找最优解时，异常情况较少发生；然而，在近似B&B算法中，它们却频繁出现。理论分析和模拟显示，最佳优先搜索在并行处理中具有鲁棒性。
赵军
赵军老师1998年毕业于清华大学且获得博士学位，1998-2002年在香港科技大学博士后工作，2002年回到北京进入中国科学院自动化研究所模式识别国家重点实验室工作至今，一直从事自然语言处理、信息抽取和知识工程方向的研究。
个人主页：https://www.aminer.cn/profile/Jun%20Zhao/53f5a1c9dabfae0215f8045b
黄昌宁
黄昌宁教授1961年毕业于清华大学自动控制专业，毕业后留校任教至今。现任计算机系教授、博士生导师。1978年起从事人工智能和自然语言理解的教学科研工作。
“纵观ACL大会的历史，由于中国的自然语言处理与计算语言学与世界接轨较晚，再加上中国第一批自然语言处理研究者更看重另一个会议COLING，早期对ACL大会的关注不够，直到1998年才由清华大学黄昌宁教授课题组发表了第一批的两篇ACL文章，其中黄昌宁和赵军合作的A Quasi-Dependency Model for Structural Analysis of Chinese BaseNPs成为这届ACL大会的两篇特邀论文之一，在所有大会论文中这篇排在第一。”
个人主页：https://www.aminer.cn/profile/changning-huang/5440c306dabfae805a6f3083
论文标题：A Quasi-Dependency Model for Structural Analysis of Chinese BaseNPs
论文链接：https://www.aminer.cn/pub/53e99ab9b7602d97023371dc
发布时间：1998年
论文提出了一种准依赖模型用于分析汉语基本名词短语(BaseNPs),并基于最大熵(MDL)算法提出了一种用于获取准依赖强度的算法。实验结果表明,提出的模型更适合于汉语基本名词短语分析,而提出的基于MDL的算法优于传统的基于ML的算法。此外,本文还讨论了将语言知识融入上述统计模型的问题。
张钹院士1958年毕业于清华大学自动控制系，同年留校任教至今，目前担任清华大学计算机系教授，中科院院士。1980年2月-1982年2月，任美国伊利诺斯大学访问学者。2011年汉堡大学授予自然科学荣誉博士。曾任校学位委员会副主任，现任微软亚洲研究院技术顾问。
1984年，他和张铃教授共同摘得一项欧洲人工智能奖项，成为首次获得该领域国际重要奖项的中国人。1985年，他领衔成立了中国首个智能机器人实验室。1987年，张钹院士培养的中国第一位人工智能领域的博士生毕业。1990年，他与同事一起成立了全国第一个人工智能国家重点实验室——“智能技术与系统”国家重点实验室。1987-1994年，张钹出任国家“863计划”即高技术计划智能机器人主题专家组专家，承担国家重点攻关课题。2018年，清华大学人工智能研究院成立，张钹出任研究院院长。
张钹院士是中国AI领域毋庸置疑的先锋人物。
个人主页：
https://www.aminer.cn/profile/bo-zhang/53f495c3dabfaeb4c277b8bc
论文标题：A Weighted Technique in Heuristic Search.
论文链接：https://www.aminer.cn/pub/53e9bd6ab7602d9704a088d7
发布时间：1985年
论文研究了一种启发式搜索的加权技术。首先，作者将搜索视为一种统计抽样过程，根据一些统计推断方法，可以判断搜索树中的子树是否包含目标。因此，对于那些不太可能出现在解决方案路径上的节点，我们故意添加一些权重到其评估函数，以便搜索集中于最有可能的路径。这导致了一种新的加权算法——WSA。在均匀m叉树中，我们证明了WSA可以在多项式时间内找到目标，尽管A（或A*）在搜索相同空间时的计算复杂度可能是O(e)。其中N是目标所在深度。
冯建峰教授1991年毕业于北京大学数学系、概率统计系，获理学学士、硕士和博士学位，后留校任教。1993−1996年，由德国洪堡基金会资助，在德国慕尼黑大学、意大利罗马大学工作。1996−2000年，就职于英国剑桥Babraham生物所，获永久职位。2000−2004年，任英国萨塞克斯大学信息科学系Reader。2005年起任英国华威大学计算机科学系Chair Professor 。2011年获英国皇家学会沃夫森研究功勋奖。2015年受聘成为复旦大学新成立的类脑智能科学与技术研究院首任院长。研究院致力于开展脑科学与人工智能交叉前沿研究，在智能算法的发展及其对脑疾病的精准诊断上取得了多项重大突破。
目前，冯教授的研究兴趣主要集中在对来自神经科学和脑疾病的不同尺度海量数据的分析、挖掘和理论研究上。提出和发展了全脑关联分析（BWAS）的方法和理论，并成功应用于发现抑郁症、精神分裂症和自闭症病灶；发展了定量化大脑的泛函熵方法，应用于老龄化、智力和创造性的研究中。
个人主页：
https://www.aminer.cn/profile/jianfeng-feng/561733a145cedb3397bce312
论文标题：A Rigorous Analysis of Linsker-Type Hebbian Learning.
论文链接：https://www.aminer.cn/pub/53e9b4dfb7602d9704002e76
发布时间：1994年
论文提出了一种新的严格方法来分析林斯基（Linsker）的无监督Hebbian学习网络。该模型的行为由一组源于Hebbian规则和突触枝密度的非线性动力学参数决定。这些参数决定了特定感受野（也称为“连接模式”）是否作为模型饱和固定点吸引子的存在或缺失。在本文中，我们对非线性动力学在参数空间上进行了定性分析，确定了系统参数对各种感受野出现的影响，并预测了在哪个参数范围内网络有可能发展出特殊的连接模式。特别是，该方法首次揭示了突触密度函数发挥的关键作用，并提供了完整而精确的参数空间图，定义了不同感受野之间的关系。我们的理论预测通过数值模拟得到了证实。
权龙教授是香港科技大学计算机科学与工程系的终身正教授，1989年毕业于法国国立洛林理工学院（INPL）计算机科学系并取得博士学位，在法国国家信息与自动化研究所（INRIA）任职法国CNRS高级研究员。后于2001年加入香港科技大学计算机科学与工程学系并担任视觉计算与图像科学中心主任，并且他还是中国科学院自动化研究所——香港科技大学智能识别联合实验室主任。
除此之外，他曾在ICCV（计算机视觉国际会议）、ECCV（欧洲计算机视觉会议）、CVPR（IEEE计算机视觉和模式识别）和ICPR（IAPR国际模式识别会议）的会议委员会中任职。还担任过 ICPR 2006 计算机视觉和图像分析会议的程序主席。
个人主页：https://www.aminer.cn/profile/long-quan/5448ba78dabfae87b7e6e835
论文标题：Matching Perspective Images Using Geometric Constraints And Perceptual Grouping
论文链接：https://www.aminer.cn/pub/53e9b1d1b7602d9703c65211
发布时间：1988年
论文提出了一种匹配两个透视图像的方法，该方法利用几何约束和感知分组来减少搜索空间。该方法主要关注室内场景的匹配策略，利用透视信息（如消失点、地平线和投影坐标）作为几何约束，以及方向性、射线和共线组作为感知分组。该方法采用粗到细的匹配策略，基于层次感知分组，并通过邻里关系将假设传播到整个图像，无需回溯。结果表明，感知分组在有效减少搜索空间方面发挥着重要作用。论文还讨论了如何将这种方法应用于特殊室内场景的匹配问题。
徐建华老师曾担任复旦大学计算机学院教授一职，后就职于纽约波西米亚符号技术研发分部。在过去的15年里，他一直专攻图形处理与分析方向的研究，并获得了5项相关奖项和荣誉，在该领域发表了35篇论文，出版了3本著作。此外，徐教授还是SPIE的会员，中国电子学会的院士，上海电子学会信息理论委员会主席，以及上海计算机学会人工智能委员会副主席。
个人主页：https://www.aminer.cn/profile/xu-jianhua/562e42ba45cedb339914a297
论文标题：A weak structural texture analysis technique for obtaining wave heights from ocean wave images.
论文链接：https://www.aminer.cn/pub/558284c00cf2bf7bae57ad9d
发布时间：1988年
论文提出了一种弱结构纹理分析技术，用于从海洋波浪图像中获取波高。该方法基于用关系树表示海洋波形，并提取绝对峰值高度、相对峰值高度和峰值宽度。对于给定的宽度，获取峰值高度的直方图，并构建一个弱结构纹理度量来区分不同的海洋波浪高度。
吴轶华，计算机科学家，1983年毕业于北京大学，1986、1989年在中国科学院计算技术研究所先后获硕士、博士学位。在机器学习、石油地震、解释专家系统等方面做出了突出成绩，几次应邀参加重大的国际学术会议，有些论文已收入美国重要学术刊物。
他负责总体设计的石油勘探地震解释系统已通过专家鉴定，达到国际水平；在机器学习领域，创造性地提出了从观察数据中抽取一般规律的归约法，并实现了一个规律发现系统KEPLER 系统的总体性能优于当前的主要定量发现系统，撰写的论文被一系列国际会议和杂志录用；提出了一个集成的学习模型,能够从示例中有效地学习专家推理规划;完成了方法设计和系统原型设计，研究揭示了学习与表示的制约关系，受到国际同行的重视；主持设计了地质构造解释专家系统SIS，提出了解释型专家系统的概念，分析了适用范围、意义及设计此类专家系统的八条原则，系统综合了多种知识，分层次逐步求精的设计原则，达到了国际水平；参与组织了“863”人工智能理论讨论班，受到一大批热衷于研究人工智能基本问题的中青年研究人员的重视。
主要论著有:《人工智能基础》(合著)、“从示例中学习推理规则”、“经验律的自动发现”等。
个人主页：https://www.aminer.cn/profile/yi-hua-wu/53f39c6adabfae4b34a9ca0f
论文标题：Reduction: A Practical Mechanism of Searching for Regularity in Data.
论文链接：https://www.aminer.cn/pub/53e9a584b7602d9702eafaaa
发布时间：1988年
邵敏之教授毕业于浙江大学数学系，获学士和硕士学位。后赴美留学，获宾夕法尼亚大学计算机科学博士学位。毕业后在索尼电影图像工作室工作多年。现任同济大学船舶与艺术学院教授。他在硕士期间和彭群生老师、梁友敦老师合作发表了中国第一篇SIGGRAPH，实现了中国大陆学者在这一国际顶会上“0”的突破。主要致力于算法设计及软件实现。邵敏之教授曾任索尼工作室数字图像处理与特效合成核心软件算法部分的首席工程师，参与索尼最新的基于动作捕捉的三维动画核心技术的研发，并解决了几个关键问题。其它研究兴趣包含儿童动画、卡通动作捕捉、无标识动作捕捉、大屏幕交互广告和视屏交互游戏等。
个人主页：https://www.aminer.cn/profile/min-zhi-shao/53f42e2ddabfaee4dc723e17
论文标题：A new radiosity approach by procedural refinements for realistic image sythesis.
论文链接：https://dl.acm.org/doi/pdf/10.1145/378456.378492
发布时间：1988年
论文提出了一种新的辐射度方法，通过程序化细化实现真实图像合成。根据渲染方程，每个表面补丁的出射强度的漫射和镜面成分应该同时求解。与为所有方向和所有表面补丁建立一套巨大的线性方程来定义未知方向性强度不同，我们扩展了关于表面补丁沿各自方向的光能传递的delta形式因子概念。由于非漫射表面补丁的delta形式因子取决于光能的空间和光谱分布，因此它们不能通过几何方式计算。在本文中，我们提出了一种新的辐射度方法，该方法逐步逼近环境中的delta形式因子和光能分布，以达到正确的解决方案。我们方法的核心是程序化迭代。统计数据显示，这种方法在复杂非漫射环境中有很大的潜力。
结语
由于条件限制，本次盘点只列举如上部分学者，但毋庸置疑的是，人工智能在中国的发展充满艰辛，每一位学者迈出的一步都是给未来科技发展的深厚积淀。在当下的信息时代，人工智能已经成为社会、经济和科技领域的关键驱动力，这些伟大的学者们在往昔的岁月中不断做出的努力与创新，推动了技术进展。
我们期待，中国人工智能领域的每一位发力者能通过不懈努力取得重要成就，面临新的挑战提出优质的解决方案，推动科技进步。
部分参考：
【1】中国科学院报《从零开始的中国计算机事业发展史》
【2】知乎问答-《中国大陆发第一篇计算机顶会的人都怎么样了？》–https://www.zhihu.com/question/627499717