在将门-TechBeat人工智能社区上线一周年之际，我们评选出Top30进入「2021年度TechBeat红人榜」，同时我们也潜心策划了AI工作者人物专访栏目「AI红人荟」。本期是专访栏目的收官之作，通过「AI红人荟」，我们试图捕捉并呈现每一位青年科学家「不拘一格」的学术道路。希望他们的经历能够带给每一位读者更多的启发，也希望通过这些故事向你介绍一个更加立体具象的学术世界。本次为大家带来的是——MIT HAN Lab的故事。
这不是一个科技改变世界的热血故事。
在科技带来翻天覆地的改变之前，有一群科研工作者依然反复实验，去穷尽每一种可能，推动学科上的微小改变。「把科研当成一个自己的乐趣，去enjoy科研的过程，你会感觉到自己正在燃烧。」MIT HAN Lab团队leader韩松分享自己的心声。在MIT HAN Lab里，有一群科研工作者，通过最前端的研究，解决科技背后方方面面的问题。和纷繁复杂的世界形成对比的，是科研工作者安静的世界。而那些微小的进步和全新的发现，则成为了他们留在实验室里的动力。「我们实验室的方向主要是高效的深度学习，包括模型压缩、神经网络架构搜索，还有硬件加速这几个方面。」韩松博士介绍道。
韩松，麻省理工学院电子工程和计算机科学系助理教授，在斯坦福大学获得博士学位，研究重点是高效的深度学习计算。因其在“深度压缩”技术上的贡献，曾被《MIT Technology Review》评为“35岁以下的35名杰出创新者（35 Innovators Under 35）”。
「我常常和同学们说把PhD阶段利用好，时间永远是自己的，我会鼓励他们自己把握好节奏。」韩松博士认为，PhD对未来有意向参与科研工作的人而言，是一个很好锻炼知识和综合能力的人生阶段。
他的研究⼴泛涉⾜深度学习和计算机体系结构。他所提出的Deep Compression模型压缩技术曾获得ICLR'16 最佳论⽂，ESE稀疏神经⽹络推理引擎获得FPGA'17 最佳论⽂，引领了深度学习模型加速的研究，对业界影响深远，在博⼠期间联合创⽴了深鉴科技，被赛灵思收购后加⼊MIT任教。
带着这种升级打怪的快乐，他慢慢去发现自己理论的用武之地。入职MIT以后，他开始带领自己的科研团队MIT HAN Lab开展深度学习和计算机体系结构的研究。对科研工作者而言，他们的内心是激烈而动荡的，甘愿冒险面对未知。就像是一场化学反应，人一旦做自己喜欢的事情，将会经历剧烈的成长。而且，他们愿意将目光从传统路径中移出，转向新业态，扩展自己的研究领域。
同时，新理念和新技术正在重塑它们的形态。既然是新业态，也意味着新鲜、自由和不可估量的成长性。它们是不确定的，面向未来的，也是酷的。这吸引着更多有想法和激情的年轻人，涌入这股新浪潮之中。
他所带领的MIT HAN Lab每年都会邀请有潜质的本科生或PhD来深造，尤其欢迎对于Vision、NLP等等在移动端上的部署感兴趣并且动手能力强的同学加入他们的团队。
「MIT HAN Lab讲究的是一种开放协作的文化。我一般给大家提一个大的方向，然后同学们自下而上的去结队伍、想idea，给大家很高的自由度去实现自己的想法。」
在韩松的带领下，他的学生们得以遵循内心的热爱和价值观进行科研工作，并且真诚地相信所做的能够改变一些事情。
很多时候，在新赛道上疾驰，就像对未知的一场冒险。
对MIT二年级在读博士生蔡涵而言，科研恰是如此。
孤身一人来到一个完全陌生的领域，通过学习了解这里的一切规则，再独自探寻，找到最终的解答。
「大一大二主要是围绕学校的课程进行的。因为高中期间没接触过计算机、编程相关的知识，一上来接触一个全新的领域，稍微有点吃力和迷茫。」不过，蔡涵接着分享道，好在学校课程设计对初学者还是比较友好的。几门课上下来，动手做了几个编程项目之后，他便越发熟悉了。
蔡涵接触科研的契机，来自于大二结束的那个暑假，他进入了俞勇老师的Apex实验室实习。「一开始的时候，没有人指导，处于自己瞎摸索的状态，进展不是很顺利。」
科研路上有很多岔路曲径通幽，但沿途不乏惊喜的收获。回想那段时光，蔡涵觉得虽然一路以来走了很多弯路，也做了很多无用功。
但如果能克服挑战，那么感受到的便是科研道路上最具吸引力的东西——自由。科研过程中，那种自由探索的感觉让他特别着迷，因此从来没有产生放弃这条路的想法。
后来经验累积下来，蔡涵开始尝试自己选题。2016年底，他机缘巧合读到谷歌用强化学习做自动神经网络结构搜索的论文，因此对自动机器学习(AutoML) 这个问题产生了兴趣，加上自己有强化学习的项目经验，于是就选定了这个方向。
「受限于实验室的GPU资源，我在“不得已”下开始研究efficiency的问题，就是如何在只有很少的GPU的情况下研究AutoML。」也因为这个efficient AutoML的项目，蔡涵开始了与韩松老师的接触。沿着这个方向，蔡涵和韩松博士也在此合作了另外一篇关于efficientAutoML主题的论文OnceforAll Network。
蔡涵的Talk【用于高效深度学习的硬件感知自动机器学习】观看地址：
https://www.techbeat.net/talk-info?id=500
很多时候当研究方向选定，路越来越窄，许多科研工作者只能于幽径独往来。而蔡涵却与韩松博士得以越走越近，并结为科研路上的师徒关系。
蔡涵分享自己在MIT HAN Lab实习的经历时说到，「在这边，韩松老师经常会让我们和工业界的人接触，听一下他们的需求和实际需要解决的问题。讨论选题的时候，也会比较多地从问题驱动的角度进行考虑，同时关心技术在实际应用中的有效性。」也许，对蔡涵而言，进步的动力不光是纯粹的热爱，还有来自身边良师益友的引导。
追逐理想是长期的过程，在这个「又大又长」的赛道上，蔡涵仍在面对着新的未知。「但看到自己做的东西被工业界实际用起来是一件比较有成就感的事情，多少有点做了贡献的感觉。」而关于未来的规划，目前他认为主要只有两项，那就是——解决有趣的问题，做有用的技术。在科研这件事情上，人们或多或少都经历过挣扎。人的一生会经历诸多分岔路口，选择哪个科研方向是道单选题，正是这个铁的规则让人迟疑。
而唐昊天与科研之间的化学反应，发生在他大二大三时期。「当我看到自己写的CPU能成功执行MIPS指令，以及我的编译器可以输出标准的X86-64汇编时，心中的喜悦早就使得debug的烦恼一扫而空。」
成功的喜悦让唐昊天心中萌生了一个想法「希望将来做科研的话也能有机会去接触一些系统方向的工作」，而这恰好又与韩松博士的MIT HAN Lab的专业不谋而合。当时才大二大三左右的唐昊天，在上海交通大学电子信息与电气工程学院IEEE试点班上了两门比较高阶的专业课，分别是计算机组成和编译原理。在那两门课里面同学们从头用Verilog语言在FPGA上实现了一个MIPS架构的CPU，以及用C语言写了一个目标平台为X86-64的Tiger语言编译器。在这之前，高中时期的唐昊天曾经自学C++程序设计，并参加了学校的程序设计选修课，当时的他发现生活中有许多实际问题都可以通过计算机程序去解决。此外，家人中有不少从事相关行业的工作者，推动了他决定在大学继续学习计算机专业。
「刚进大学的时候学习压力是比较大的，因为交大的同学们都非常刻苦。因此我在本科前两年会制定比较详细的每日计划表以及以周为单位的预习复习计划。」他坦言，为未来制定计划之后，基本上就比较顺利地完成了从高中学习到大学学习的过渡，也给本科后期的学习科研打下了扎实的基础。在2019年1月，唐昊天在交大计算机系的学术报告上结识了韩松博士与志健学长。抱着对三维深度学习的浓厚兴趣，唐昊天主动向志健学长申请加入到他当前的科研项目（也就是后来的PVCNN）当中，并开始和他一起做研究，这也是唐昊天在MIT HAN Lab实习的开始。如今唐昊天已经开始远程的博士学习，很少有过迷茫。他的坚定，更接近于少年的纯真，也许驱动他的是来自良师益友一直以来的鼓励与陪伴，「由于一直是在韩老师的组里，我在本科和博士过渡上非常顺畅，主要做的项目也是延续之前的工作。」唐昊天认为，博士阶段这一年最大的挑战来自于由于疫情限制，而不得不在国内完成Phd第一年的课程和科研。对此，他的失落感沉甸甸地压在心上，一度满是“不知道该往哪里走”的茫然与焦虑。虽然唐昊天非常熟悉远程科研的模式，但他坦言面对面交流毕竟效率更高，而且不同时区的网课也让他失去了和教授深入交流的机会。好在现在国内的签证业务已经恢复，「我相信我很快就可以在秋季学期前往剑桥正式线下地加入到韩老师的团队当中」。就像是一场化学反应，人一旦做自己喜欢的事情，将会经历剧烈的成长。在未来的科研当中，唐昊天选择继续目前的方向，即从算法、系统、硬件多个层面设计高效的自动驾驶全栈解决方案。他的目标是创造出在端硬件上实时地运行由自己的系统支持的、自己设计的三维深度学习算法，「为自动驾驶这个方向从实验室阶段到产业化的进程做出一定的贡献。」
回想起在上海交通⼤学致远学院的本科时光，刘志健分享道，「最喜欢的⼀⻔课是编译器设计与实现，课程要求是实现⼀个类似于 C 语⾔的编译器，并且做各种的优化」。这也是刘志键第⼀次独⽴完成⼀个比较大的项⽬。在四年的本科阶段，除了课业以外，刘志健在前两年参加了 ACM-ICPC 国际⼤学⽣程序设计竞赛，后两年则开始参与了实验室的科研项⽬，因此如何平衡好学业、竞赛和科研对他而言是⼀个不⼩的挑战。刘志健通过时间规划⽅⾯的书籍（⽐如 David Allen 的 Getting Things Done），逐渐学会了安排时间和规划⽇程，「很多在那时候养成的习惯（⽐如周末会安排接下来⼀周的⽇程）⼀直沿⽤到了现在。」“世有伯乐，然后有千里马。千里马常有，而伯乐不常有。”韩愈《马说》里的经典名句，放在今天的人才培养方面，仍然具有很好的现实意义。在刘志健的科研路上， 他特别衷心感谢三位老师的出现。研途求知，最幸运的莫过于学有良师，启行明智。他们既是科研的领航者，也是刘志健人生的引路人。「本科阶段⼀位对我影响很⼤的是我们的项⽬主任俞勇⽼师，他对于教育事业的投⼊让我⼗分敬佩。」刘志健分享道，俞勇⽼师⼀直在帮助当时的班级争取更好的机会和资源。而另外⼀位则是图灵奖得主John Hopcroft教授，他当时每年寒假都会来班里上⼀⻔专业课，刘志健坦言自己非常幸运有机会上了这位教授的⾃动机理论和信息时代的数学原理两⻔课。「和他的交流中能够感受到他对于最新的研究⽅向（⽐如深度学习等）也有很多⾃⼰的⻅解。这种⼀直学习和跟进新的⽅向和领域的研究态度⾮常值得我学习。」刘志健本科时参与的科研项⽬⼤都是先由导师或者实验室师兄设定好研究⽅向，然后更多的是去做技术和⽅法上的探索。但他坦言，读博以后，研究的⽅向和课题⼀定程度上也需要⾃⼰去摸索，「这是⼀个⽐较大的转变和挑战」。自从加入MIT HAN Lab，在接受韩松博士对于科研上的指导过程中，刘志健往往能在与老师的讨论中萌发很多新的想法，可以说韩松博士为刘志健的科研道路点亮了一盏明灯。
除了具体项⽬指导外，韩松博士也会经常和同学们有⼀些⽅向性的讨论和对于未来规划的交流，「他给予了我们很大的探索的空间和自由，⿎励我们做有影响⼒的⼯作」。刘志健回忆起第一次到美国读博时，韩松博士开⻋载着他与其他⼏位博⼠⽣出去买⽣活⽤品，帮助同学们在异乡安顿下来，成为同学们在美国的坚强后盾。也许，生活中总有一些朴素而热烈的情感，让我们得以找到更多同路人，不畏艰辛且甘之如饴。这样的热爱，让每一个科研人平凡而闪光。
在MIT HAN Lab，蔡涵、唐昊天与刘志健，犹如被孵化的雏鸟一般，被呵护，被滋养，被鼓励，然后展翅高飞。
支撑这群人极致地投入工作的初心是热爱，但支撑他们走得更远的，是推动人类不断进步的使命。对于实验室成员的未来寄望，韩松博士坚定地表示，「无论未来是去学术界还是工业界，我都会尽量去助力实现他们的梦想。」他认为自己的角色更多的是——帮助同学们在PhD阶段实现人生理想，达到人生的一个转折。追逐科研理想是长期的过程。在这个漫长的赛道上，韩松提醒每一位在读博士：要用生命影响生命，「无论如何万变不离其宗的，是要有impact，影响更多的人。」如果你想和他们一样，亲自来到TechBeat分享，或者想推荐身边闪闪发光但是尚未入驻社区的AI工作者——欢迎填写下方表单自荐/推荐，说不定明年的TechBeat红人荟专访，主角就是你！单人Talk | 团队专场 | 录播or直播 | 闭门交流TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
