Yann LeCun 表示：「能人分开 FAIR 是我们的损失，但自己仍为他们感到高兴」。
FAIR 又一位大佬级研讨科学家「出走了」，这次是 R-CNN 作者 Ross Girshick。
近日，Meta 首席科学家 Yann LeCun 发推宣布，Ross Girshick 将分开 FAIR，插足艾伦人工智能研讨所（AI2）。此前离职的还有 ResNeXt 一作谢赛宁（插足纽约大学任助理教授）、Georgia Gkioxari（插足 Caltech 任助理教授）等。
图源：https://twitter.com/ylecun/status/1730713022195470541
我们查了一下 Ross Girshick 的个人主页，证实了他从 FAIR 离职的消息。他将于 2024 年初入职 AI2。
AI2 的计算机视觉高级总监 Ani Kembhavi 表示，Ross Girshick 届时将插足 PRIOR 团队。PRIOR 全称为感知推理和交互研讨，为 AI2 的计算机视觉研讨团队，致力于推进计算机视觉研讨，以创建能够看到、探索、学习和推理世界的 AI 系统。
图源：https://twitter.com/anikembhavi/status/1730655170038821085
Ross Girshick 发文追忆其在 Meta 的职业生涯，表示 FAIR 过去是、将来仍是一个令人惊叹的地方。不过在一个地方呆了太长时间（8 年）或许是促使他分开的不错理由，重新初始化和随机化在研讨生涯中非常重要。此外，他还声明任何有关发表指标的言论纯属无稽之谈。
图源：https://twitter.com/inkynumbers/status/1730735493711810639
其实，加上今年 7 月底宣布回归学界，将于 2024 年插足麻省理工学院（MIT）电气工程与计算机科学系 EECS 担任教职的何恺明，FAIR 近年来已经走出了得多 CV 领域的大佬。
Yann LeCun 表示，他们的分开对 FAIR 是损失，但自己为他们感到高兴。他认为工业实验室的科学家转投学术界或非营利组织绝对没有错。对于一些人来说，这是自然的职业转变。
LeCun 还举了贝尔实验室的例子，该实验室相当一部分科学家会在 5 到 10 年后分开，并在一个不错的大学获取终身教职（完全跳过了艰难的谋求终身教职的过程）。在人生的不同阶段，优先项会发生改变。在工业界待久了的人可能想去教学，与学生待在一起，享受教学带来的直接回报。
事实上，人们可以在 FAIR 工作几年后获取学界的终身教职，这是一个特点，而不是缺陷。这种转变在 FAIR 是可能的，就像贝尔实验室一样，FAIR 实行开放的研讨并鼓励科学家发表论文。
这意味着人们在 FAIR 开始自己的职业生涯不会冒任何风险，选择是自由的。从业界到学界并拓展研讨生态系统，这是一件好事。
LeCun 还提到，过去几年，得多才华横溢的年轻计算机科学家选择插足 FAIR，比如 Ishan Misra、Nicolas Carion、Xinlei Chen、Christoph Feichtenhofer 等。
能人流出流进是再正常不过的事情，得多人将自己从舒适区域「踢」了出来。不过也有人认为，AI 大佬接连分开 FAIR 可以对其现状窥知一二。
图源：https://twitter.com/LearnOpenCV/status/1730736970136158274
这一年来，Meta 先后开源了 Llama、Llama 2 系列大模型，成为开源社区的中坚力量。但 Meta 在留住 AI 能人方面也面临得多挑战，能人的外流不可避免。像 Ross Girshick 这样在工业界积累了丰富经验的科学家进入大学或非营利机构，会为学界带来一些不一样的东西，并有可能做出更有影响力的研讨。
RBG 大神：Ross Girshick 介绍
个人主页：https://www.rossgirshick.info/
此前，Ross Girshick 是 Meta FAIR 的研讨科学家，2015 年至 2023 年期间致力于计算机视觉和机器学习的研讨。他于 2012 年获取了芝加哥大学计算机科学博士学位。
在插足 FAIR 之前，Ross 是微软研讨院的研讨员，也是加州大学伯克利分校的博士后，在那里他师从 Jitendra Malik 和 Trevor Darrell 教授。
Ross 的研讨兴趣包括视觉感知算法（目标识别、定位、分割、姿态估计等）、表征学习（使用强监视、弱监视或根本没有监视的预训练网络）以及视觉和语言研讨。
由于他对开源软件和数据集的贡献，Ross 获取了 2017 年 PAMI 青年研讨员奖以及 2017 年、2021 年和 2023 年 PAMI Mark Everingham 奖。
Ross 在 AI 界可谓是战果累累，他最初因开发 R-CNN（基于区域的卷积神经网络）目标检测方法而闻名，这项研讨可以说是改变了目标检测领域的研讨思路，之后的其他研讨 Fast-RCNN、Faster-RCNN 都沿袭了 R-CNN 的思路。
现在他的谷歌学术引用超过 41 万次。
在 Ross 过往参与的工作中，有得多热门研讨，如 Fast R-CNN、Mask R-CNN、YOLO、Faster R-CNN、SAM 等。
2017 年，Ross 参与的 Mask R-CNN 获取了 ICCV 马尔奖（最佳论文），现在这篇论文的引用量达 3 万多次；另一篇论文《Focal Loss for Dense Object Detection》获取当年 ICCV 最佳学生论文。
2021 年，Girshick 参与的论文《Masked Autoencoders Are Scalable Vision Learners》成为了计算机视觉圈的热门话题。这篇论文展示了一种被称为掩码自编码器（masked autoencoders，MAE）的新方法，可以用作计算机视觉的可扩展自监视学习器。
今年，Meta 发布了「分割一切」（Segment Anything）模型（SAM），被得多人誉为颠覆传统 CV 领域的研讨，Ross 是这篇论文的作者之一。
如今选择去 AI2，期待 Girshick 能带来更多惊艳之作。