5月10日，Guide2Research网站发布2021全球Top 1000计算机科学和电子领域顶尖科学家名单，其中包括14位图灵奖获得者、273名ACM Fellow、401名IEEE Fellow。西湖大学人工智能讲席教授李子青排名全球第59，在中国大陆上榜的科学家中排名第3。

（本文所指排名及相关截图，均以截至5月10日发布的版本为准）

据该网站介绍，这个排名基于5月10日前收集到的谷歌学术论文引用的h指数，也综合了DBLP和引用值。在对全世界超过6300名科学家（其h指数>=40）的各项学术指标进行审查后，选出了前1000名顶尖科学家。

今天我们来认识一下李子青，以及他所带领的西湖大学工学院人工智能（AI）分支 —— 他们正在挑战怎样的AI？

【人物名片】

李子青 Stan Z. Li

西湖大学人工智能讲席教授，IEEE Fellow，曾任微软亚洲研究院Research Lead，中科院自动化所模式识别国家重点实验室资深研究员。

累计发表论文400余篇，撰写编写著作10部，谷歌学术引用47800余次。其中，专著《Markov Random Field Modeling in Image Analysis》被誉为“图像分析领域里程碑意义的工作”，谷歌学术引用4980余次。正是对这本专著中所解决的数据统计模型、能量函数构建、全局优化等问题的深入研究，奠定了李子青在西湖大学做AI坚实的数据科学基础。

2019年初，李子青作为人工智能讲席教授加入西湖大学工学院，是当时学校里为数不多的几位讲席教授之一。在学校官网主页上，他给自己写下两个在西湖做AI的新目标：第一，发展机器学习、深度学习以及数据科学的基础理论与方法；第二，拓展AI+学科交叉。

在他眼里，人工智能于前沿科技研发，会像水、光、电一样的存在，AI可以和所有学科结合，有无尽的交叉可能性。他要解决的，是AI时代的数据科学问题并赋能各种前沿科学研究。

他当前的科研兴趣之一是从高维空间大数据中学习低维、内在的非线性隐空间，并在降维后保持数据的内在几何拓扑和分布结构，这对AI时代的大数据分析尤为重要。他的最新成果“深度流形变换（Deep Manifold Transformation）”，在神经网络跨层间引入保持数据样本间结构的约束，实现了这个任务，其价值已经在机器学习和生命健康应用中体现。

互联网时代的隐居者

李子青是一位喜欢“隐居”同时也热衷“串门”的教授。来到西湖大学后，李子青婉拒了所有的采访或非学术性公众演讲的邀约，把时间“泡”在自己的数据科学思维里。在校园里看到他，往往是一个快步穿行的利落身影，赶着去听一场对他来说可能是全新领域的报告，或者找一个人。

而“找人”，可能是一次跨学科合作的起点。

在工学院内部，人工智能正在与材料科学、环境科学、光电工程交叉研究；在理学院，有量子机器学习的合作；生命科学学院的AI+就更多了，蛋白质组学、基因组学、再生医学、细胞生物学，更具体一些，还有肿瘤、代谢病、营养学等临床问题。

学术交叉午餐会、News & Ideas这些学术交流活动，往往每期都会请一两位PI来做报告，介绍自己的研究课题。李子青会利用这样的交流机会，捕捉新的研究问题和可能的合作机会。

有一期News & Ideas，生命科学学院PI郑钜圣作了一场关于肠道菌群的报告，结束时工学院的李子青挤在一群生科院的PI中，问了好几个生物学的问题，是整个会议室最后一个离场的。

他和生科院PI郭天南基于蛋白质组学数据的肿瘤诊断合作，是“因为一次聊天，发现他们的数据分析存在的问题，就合作了一把”，结果就是发了几篇论文、获得一个专利和一个成果转化创新企业“西湖欧米”。

还有一次，看完一系列行业新闻和文献后，李子青想在学校里找一位做药物设计的教授，索性直接问相熟的PI：“谁做药物设计？”得知有位分子药设计方向的PI即将加入西湖大学，当时还在酒店隔离，李子青就找上了他，以在线会议的方式，就蛋白质折叠与药物设计等问题展开了深入的讨论和研究项目规划。

人脸识别

优秀的学者，目光始终紧盯学术的最前沿。如果说AI+学科应用是李子青正在捕捉的学术前沿，那在上世纪末和本世纪的前十多年，他的多数代表性工作是围绕当时的前沿“人脸识别”展开的。

上榜那几天，有不少同事、朋友给他转发新闻链接，顺道祝贺。他自然高兴，但也像在读一条圈内消息。比如，此次全球排名第一的Anil K. Jain教授，是他在学术上的合作者，多部著作和论文的共同作者；而中国大陆排名第一的张宏江，也是李子青发表论文的共同作者。

李子青从学术到应用，跨入产业界，如今又回归学界。但在AI这件事上，李子青关心的只有一件事：技术创新并make it work，“让AI照进现实”。这一点，几十年来一直没有变。

2000年前后的李子青 

2000年，李子青已是新加坡南洋理工大学副教授，在计算机视觉与模式识别领域耕耘了二十年，找准了当时一个很新的方向——“人脸识别”，但未有技术“落地”的好机会。

某一天，同样研究计算机视觉的老朋友张正友（在此次榜单上的中国大陆学者中排名第11）给他发来邮件，推荐他加入微软刚在中国创办的微软中国研究院。抱着“让AI照进现实”的想法，李子青回到中国，在李开复、张亚勤、张宏江、沈向洋领导下的微软中国工作。因为做人脸识别，他加入了张宏江的研究团队。

一年后，他研发出世界首个实时人脸识别系统，2002年比尔盖茨接受CNN采访,专门介绍了这套系统；后来，他加入中科院自动化研究所，负责设计实施了罗湖自助通关系统、北京奥运人脸识别系统；与Anil K. Jain教授合作主编了一本《Handbook of Face Recognition（人脸识别手册）》，谷歌学术引用3000余次，两人之后又编著了一本《Encyclopedia of Biometrics（生物识别百科全书）》。

李子青认为，人脸识别如今已成日常，自己在这个应用领域的使命已经完成。于是，他告别了那段旅程，在2019年初来到了一所当时获教育部批准还未满一年的西湖大学。看上去冒险的决定，却出自背后同一套选择的逻辑——“让AI照进现实”。回归数据科学基础理论研究的李子青，在这个强调学科交叉的研究型大学里，享受着做基础研究和学科交叉应用的乐趣。

“让AI照进现实”

在西湖大学云栖校区共66亩的校园里，工学院所在的2号楼和生命科学学院、理学院挨得很近。从2号楼出发去往任何一个学院、任何一个实验室，或是去往距离最远的咖啡吧、食堂，都只需要不到5分钟的步行时间。

而未来的云谷校区，工学院和其他两个学院的连接更是紧密，一道学术环将学院楼群贯通在一起。在这样的校园里，学术交叉首先在物理层面上变成一件“近水楼台”的事。

众所周知，人工智能（AI）作为引领未来的战略性技术和推动产业变革的核心驱动力，是经济发展的新引擎、社会进步的加速器，已成为全球战略必争的科技制高点，且与大众日常生活紧密连接。

李子青介绍AI分支 

李子青作为工学院AI分支的负责人，在西湖大学，不光自己做AI，还牵头分支的建设和发展。截至目前，包括他在内，AI分支共有8位PI，规模不大，但每个人都在各自不同的方向上从事前沿创新研究和学科交叉应用，与这所学校“小而精”的办学理念一致。

“我们每一位PI在计算机视觉、自然语言处理、语音处理、机器人学、数据挖掘等AI的主流应用研究方向上都有很好的成绩，但大家来到西湖大学，都是因为这里有一片适合创新的土壤。”李子青说，“在西湖大学，AI的认可度很高。”

所谓认可度，是指不同学科的实验室对AI的需求超乎想象的旺盛。在这里探索AI+学科交叉应用，不仅有校园空间设计上的助益，更重要的是，科研人员的眼光和心态，使AI+从“近水楼台”变得“水到渠成”。

张岳2018年9月加入西湖大学，是AI分支入职最早的PI之一。据伦敦帝国理工学院Marek Rei教授在今年年初发布的机器学习和自然语言处理（ML&NLP）领域年度统计，张岳2020年的论文发表数量排在全球第2位。加入西湖大学后，张岳得以将自然语言处理与脑科学、认知学相结合展开交叉研究，他与生命科学学院的合作课题已经取得了不错的进展。

专注于微小型无人机系统的PI赵世钰，曾是英国谢菲尔德大学自动控制与系统工程系博士生导师。2019年初加入西湖大学至今，他的“智能无人系统实验室”也已启动多个交叉学科的项目，如空中机器人和3D打印相结合、空中机器人和水文环境建模、分析及其他环境采样工作相结合等。

赵世钰实验室的微小型无人机系统 

哪怕是入职还不到一年的新PI，都已经快速进入状态。

2020年6月入职的PI蓝振忠，曾供职于谷歌AI研究所，目前最好的语言理解模型之一ALBERT便是他在谷歌时的研究成果。来到西湖大学后，他一边继续发挥自己在自然语言处理（NLP）上的优势，研发一款专注于心理健康咨询的对话平台，一边正在尝试将自然语言处理技术应用到蛋白质建模上。

还有刚刚在今年4月入职的PI原发杰，他曾是腾讯的机器学习高级算法研究员，主要从事机器学习与数据挖掘相关方向研究与应用。尽管入职不到两个月，他已经计划在AI+生命科学领域开展像癌细胞免疫逃逸机制的创新性研究。

李子青介绍，西湖大学工学院的AI分支主要做好两件事，首先在前沿基础研究上，立足数据科学、深度学习和智能系统，发展机器学习理论与方法；在这个基础之上，每个PI继续深耕自己的主流研究领域，并带动起一批具有西湖特色的AI学科交叉应用。

还是那句话，“让AI照进现实”。

李子青和他的学生们 

李子青身边一直有一群年轻的面孔。他坚持在一线做科研和指导学生，与学生一起成长。多年来，他培养了众多优秀学生，其中有不少成长为AI学科教授以及国内外知名AI企业的CEO、CTO。

严师，是学生们给李子青贴的最大标签。不论是博士生、访问学生，还是实验室里的科研人员，李子青都以高标准一视同仁。

“我们设计开发一个方法，得到一组实验结果，不仅仅只与SOTA（最高水平）指标比较，还要知道为什么会有这样的结果。”这是实验室的人经常能听到的话。李子青总是不厌其烦地强调，科研绝不能糊弄，更要通过理论与实验，层层剥离其表象，看清问题的本质。“与SOTA比较， 拆解‘黑盒子’，分析内部的机制，做到知其然知其所以然，这才是核心竞争力。”

李子青老师在科研上严于律己、严于律人，在科研环境和生活中也关心着学生的点点滴滴。学生反映实验室的椅子坐久了颈椎不舒服，他就快速给大家更换舒适的人体工学椅；他还常常鼓励大家多运动、多锻炼。“除了学术要求，毕业的另一个要求是俯卧撑、引体向上做得比我多，这不过分吧？”李子青会这样和学生开玩笑。对学生在实验室宠养的三只猫咪，他也是喜爱有加。

如今，李子青带领的人工智能研究与创新实验室团队，已经由最初的几人拓展到了近二十人，并继续欢迎更多有志在人工智能创新领域发展的优秀人才加入。