跨界教授林宙辰：从北大来，回北大去

By 超神经

内容概要：IJCAI-SAIA YES 于 7 月 5-7 日在上海召开，在这场汇集 AI 领域青年学者、学术大咖的盛会上，我们有幸采访到了来自北京大学信息科学技术学院的林宙辰教授。

关键词：北京大学 CV IJCAI-SAIA YES

2020 年 10 月，美国斯坦福大学联合 Mendeley Data 发布了全球前 2% 顶尖科学家榜单。

榜单以文献数据库 Scopus 为依据，基于引用次数、H 因子、HM 因子等综合指标，从「生涯影响力」和「年度影响力」两个维度出发，在来自 22 个领域、176 个细分领域的近 700 万名科学家中，遴选出世界排名前 2% 的科学家。

来自北京大学信息科学技术学院的林宙辰教授，凭借优秀的综合成绩，成功入选 2020 全球前 2% 顶尖科学家「生涯影响力」榜单，以及「年度影响力」榜单。

榜单详情：

data.mendeley.com/datasets/btchxktzyw/2

截至目前，林宙辰论文的引用次数已超过 21000 次

数据源自 Google Scholar

我们有幸在本届 IJCAI-SAIA YES 上，专访了林宙辰老师。

11 年漫漫求学路，探寻数学梦

1989 年，来自福建省福州市永泰县的林宙辰，因高中数学竞赛成绩优异，被保送至南开大学数学系，从此开启了北上求学之路。南开大学在西南联大时期，曾培养出 20 世纪最伟大的华人数学大师、现代微分几何之父--陈省身。林宙辰老师就读的数学试点班，即为陈省身回国后所创办。

南开大学省身楼

2005 年南开大学数学研究所更名为陈省身数学研究所

南开数学系浓郁的教学氛围和强大的科研实力，为林宙辰老师的发展提供了肥沃又自由的土壤。大三，林宙辰老师所在的数学系开设了计算机课，在 286 电脑上，他第一次接触了简单编程。

1993 年，把成为数学家当成人生理想的林宙辰老师，在南开充分体验了纯粹数学的抽象和美丽，度过了四年充实的大学时光。

同年 7 月，林宙辰老师从南开毕业，以专业第二的成绩考入北京大学数学系，继续硕士学习。

在北大，林宙辰老师开始接触 AI，初步学习了图像处理和模式识别，也参与了若干实际项目，其中一个项目就是搭建地理信息系统，把手绘地图或印刷地图数字化并进行管理。通过这些课程和项目，林宙辰老师体会到了 AI 的魅力。

1995 年，林宙辰老师从北大数学系硕士毕业后，远赴香港，在香港理工大学应用数学系，又进行了为期两年的硕士学习，掌握了计算数学的基础。

林宙辰老师于 1995-1997 年

在香港理工大学应用数学系进行硕士学习

在香港理工大学的学习结束后，林宙辰老师在 1997 年再次回北大数学系（彼时已升格为学院）攻读博士。当时的北京大学数学学院更加重视应用，在程民德院士的带领下，北京大学数学学院很早就开始研究人工智能，并培养出了石青云院士等著名人工智能专家。

林宙辰老师回到北大数学学院后，深入地学习了图像处理、机器视觉和模式识别的课程。立志成为数学家的林宙辰老师，开始全面转向 AI 领域。

MSRA 12 载，终由工业界转战学术界

博士期间，因为一次偶然机会，林宙辰老师受微软中国研究院（后升格为微软亚洲研究院）视觉计算组主管沈向洋博士的邀请，来到微软中国研究院实习，研究光场采样问题，取得了重要的理论突破。

这段经历成为林宙辰老师职业发展的重要转折点。

2000 年 7 月，林宙辰老师博士毕业后，非常顺利地留在了微软中国研究院视觉计算组，继续从事图像处理、模式识别、计算机视觉等领域的相关研究，一待就是 12 年。

林宙辰老师在 MSRA 担任主管研究员期间

曾对外做过题为《好论文是如何炼成的》报告

阅读完整版：

https://zhouchenlin.github.io/How%20to%20write%20good%20papers.pdf

这 12 年间，他从副研究员一路做到主管研究员，发表 60 余篇高质量的学术论文，主持微软内部多项研发课题，开发的多项技术被集成到微软主要产品 Windows Vista Tablet PC Edition 和 Office OneNote 2003 中。

与商业公司注重产品应用相比，在本科阶段深受基础数学影响的林宙辰老师，更喜欢原理性的探索，他逐渐意识到：脱离商业目标做科研可能更适合自己。

2012 年，40 岁的林宙辰老师结束了在微软亚洲研究院长达 12 年的工作经历，回到北京大学信息科学技术学院智能科学系任教。

招生看「四好」，理论优于编程

林宙辰老师回到北大后，在智能科学系任教授，主要研究机器学习和计算机视觉。

他给他的科研小组起名为 ZERO 实验室，是 Zlin's Extraordinary Research Oasis 的缩写，也代表实验室成员应有的四个特质：Zeal, Excellence，Reliability 和 Openness。

ZERO Lab 实验室首页

访问官网：

https://zero-lab-pku.github.io/

受沈向洋博士影响，林宙辰老师在挑选学生的时候，有一套「四好」标准：数学好、编程好、英语好、态度好。

当「四好」无法兼得时，则至少要满足「两好」，其中态度好是基本要求，数学好是个人倾向，其次是编程好，最后是英语好。

作为一名热爱理论研究的学者，林宙辰老师也一直遵循着机器学习界泰斗 Vapnik 的「Nothing is more practical than a good theory」的研究理念，因此在选择学生时，理论能力与编程能力相比，他更注重前者。

林宙辰老师（左）

与计算机视觉巨擘金出武雄教授（右）合影

在学生的考察阶段，林宙辰老师也秉持着开放负责的态度，为学生提前布置思考题，允许学生同时联系多个导师，以及在考察阶段的任何时间退出，对于一些落选学生，他还会热心把同学推荐给其他导师。

在林宙辰老师看来，读博是导师和学生双向选择的过程，只有彼此匹配，才能让学生学得开心，导师教得顺心。

好博导要亦师亦友

很多博士生会把本科学习习惯带到博士学习中来，极度依赖导师，期待理想化的确定结果。实际上，在应用领域，科研目的是寻找新的解决方案，导师并不是无所不知、无所不能的，他往往也没有确切的答案。

因此在林宙辰老师看来，选择读博需要具有极强的主动性，且做好面对未知的准备。

林宙辰老师认为，导师与学生之间应该是亦师亦友的关系，除了在学术研究上给学生指导、因材施教外，还要跟学生保持交流，关注并了解学生的思想状态，即导师要在学习上给予学生指导，精神上给予学生关心。

林宙辰老师也非常鼓励青年学者参加类似 IJCAI-SAIA YES 的活动，这是一场青年人的聚会，有助于提高大家对国际大型会议的参与度和积极性，增强国内学者在国际会议上的自信心。

林老师在 IJCAI-SAIA YES 上担任 Session Chair

关于研究问题的选择，林宙辰老师也给出了自己的建议：全面了解研究方向，选择其中最紧要、最核心也适合自己做的「卡脖子」问题。这样做出来的研究才是有重大意义的，才有可能获得更多关注和引用。

至于撞题，林宙辰老师则认为这很正常，只要所选的问题，是领域中重要的问题，就可以放心去做，最终论文质量肯定不会差，而且解决方案也会和别人的不同。

人生是一个不断选择与放弃的过程

11 年漫漫求学路，林宙辰老师从基础数学、应用数学研究，进而走上了人工智能的科研道路。

12 年微软亚洲研究院履职， 40 岁的林宙辰老师，在职业发展上做出了一个重大转变：放弃微软亚洲研究院的丰厚待遇，回归北大教书育人，继续人工智能理论方面的研究。

古语有云「四十不惑」，说的就是对自己有清晰的判断，能做出最适合自己的选择。林宙辰老师在 40 岁这一年做了选择与放弃，他不再有疑虑和迷惑，有的只是坚定前行的决心。