Yann LeCun 表示：「人才离开 FAIR 是我们的损失，但自己仍为他们感到高兴」。
又一位大佬级研究科学家离开了，这次是 r-cnn 的作者 ross girshick
近日，Meta 首席科学家 Yann LeCun 发推宣布，Ross Girshick 将离开 FAIR，加入艾伦人工智能研究所（AI2）。此前离职的还有 ResNeXt 一作谢赛宁（加入纽约大学任助理教授）、Georgia Gkioxari（加入 Caltech 任助理教授）等。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
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将加入PRIOR团队。PRIOR全称为感知推理和交互研究，是AI2的计算机视觉研究团队，致力于推进计算机视觉研究，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）或许是促使他离开的不错理由，重新初始化和随机化在研究生涯中非常重要。此外，他还声明任何有关发表指标的言论纯属无稽之谈。
请参考以下链接获取图片来源：https://twitter.com/inkynumbers/status/1730735493711810639
其实，加上今年 7 月底宣布回归学界，将于 2024 年加入麻省理工学院（MIT）电气工程与计算机科学系 EECS 担任教职的何恺明，FAIR 近年来已经走出了很多 CV 领域的大佬。
Yann LeCun 表示，他们的离开对 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。
重新写作后的内容：LeCun还以贝尔实验室为例，该实验室的很多科学家在离开5到10年后，会在一所不错的大学获得终身教职（完全跳过了艰难的争取终身教职的过程）。在生活的不同阶段，优先事项会发生变化。在工业界待久了的人可能会想要从事教学工作，与学生们在一起，并享受教学所带来的直接回报
事实上，人们可以在 FAIR 工作几年后获得学界的终身教职，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 实行开放的研究并鼓励科学家发表论文。
FAIR的开始意味着人们不必冒任何风险就可以选择自己的职业生涯。这对从业者和学者来说都是件好事，因为它扩大了研究生态系统
LeCun还指出，近年来，许多才华横溢的年轻计算机科学家已选择加入FAIR，如Ishan Misra、Nicolas Carion、Xinlei Chen和Christoph Feichtenhofer等
人才的流出和流进是再正常不过的事情，很多人选择离开舒适区域。不过也有人认为，连续有AI大佬离开FAIR可以对该机构的现状有所了解
重写内容如下：图片来源：https://twitter.com/LearnOpenCV/status/1730736970136158274
Meta在过去一年间，陆续开源了Llama和Llama 2系列的大型模型，成为开源社区中不可或缺的力量。然而，Meta在留住人工智能人才方面也面临着很多挑战，人才的流失是不可避免的。像Ross Girshick这样在工业界积累了丰富经验的科学家转入大学或非营利机构，将为学术界带来独特的视角，并有可能做出更具影响力的研究
RBG 大神：罗斯·吉尔希克介绍
个人主页链接：https://www.rossgirshick.info/
此前，Ross Girshick 是 Meta FAIR 的研究科学家，2015 年至 2023 年期间致力于计算机视觉和机器学习的研究。他于 2012 年获得了芝加哥大学计算机科学博士学位。
加入 FAIR 之前，Ross 曾担任微软研究院的研究员，同时还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 的研究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（使用强监督、弱监督或根本没有监督的预训练网络）以及视觉和语言研究。
因为他在开源软件和数据集方面的贡献，Ross 被授予了2017年PAMI青年研究员奖，以及2017年、2021年和2023年的PAMI Mark Everingham奖
罗斯在人工智能领域取得了许多成果，他最初因为开发了基于区域的卷积神经网络（R-CNN）目标检测方法而声名大噪。这项研究可以说彻底改变了目标检测领域的研究方向，后续的研究如Fast-RCNN和Faster-RCNN都是在R-CNN的基础上进行发展的
他的谷歌学术引用目前已经超过了41万次
在Ross过去参与的工作中，有许多热门的研究项目，例如Fast R-CNN、Mask R-CNN、YOLO、Faster R-CNN和SAM等
2017 年，Ross 参与的 Mask R-CNN 获得了 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》获得当年 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督学习器。
今年，Meta 发布了「分割一切」（Segment Anything）模型（SAM），被很多人誉为颠覆传统 CV 领域的研究，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。
