Let's Make AGI Real

第二章：慧眼观星辨玄象 新锐领军驭混元

AI之发展，已入深水区。单一模态之探索渐趋成熟，多模态融合则方兴未艾。有青年才俊，目光如炬，早已在此新兴领域布局深耕。

谢赛宁：观星明眸烛幽晦  Cambrian光耀启新元

谢赛宁，亦是上海交大高材生，后获加州大学圣迭戈分校计算机博士，现执教于纽约大学，任助理教授 [User Query]。其学术焦点，在于多模态视觉语言模型，尤重视觉先验知识、空间推理能力（其代表工作如CLIP、V、V-IRL等），并涉足视频生成等前沿方向 [User Query]。

谢赛宁及其合作者（包括图灵奖得主Yann LeCun）敏锐地指出，当前的多模态大语言模型（MLLM）虽功能强大，却在视觉理解上存在固有缺陷。他直言：“当前的视觉表示还不足以理解语言”，更将单纯的语言模型比作“盲人摸象般被遮蔽了双眼的博学的系统”。此等深刻反思，正是其研究之原动力。

为突破此困境，谢赛宁团队推出了以视觉为核心的多模态大模型Cambrian-1。此名取得极妙，“寒武纪”乃地球生命大爆发之时代，生物演化出更强视觉。谢赛宁借此寓意AI视觉能力的跃升，将带来理解能力的深刻变革。Cambrian-1的核心创新之一，在于引入“空间视觉聚合器”（Spatial Visual Aggregator, SVA），旨在更优地融合视觉与语言信息，其设计强调空间归纳偏置与多阶段视觉特征聚合。谢赛宁特别指出，SVA之精妙，远非简单的多层感知器（MLP）所能企及。凭借此等创新，Cambrian-1在CV-Bench等多个基准测试中表现卓越，于某些视觉中心任务上甚至超越了GPT-4V等知名模型。

在此之前，谢赛宁在V、V-IRL等项目中的探索，已为Cambrian-1的诞生奠定了坚实基础。例如，V Bench便是一个旨在评估模型视觉搜索与定位能力的基准测试平台。

谢赛宁之工作，其核心理念可概括为“眼见为实”的AI哲学。他坚信，AI若要达致更深层次的理解，尤其是对描述物理世界的语言，必须拥有坚实的“感官基础”，视觉尤为关键。这无疑对纯文本驱动的LLM范式提出了重要挑战。其研究路径清晰展现了严谨的科学进取精神：从通过V Bench等工具诊断现有模型之不足，到构建Cambrian-1及SVA等创新方案以疗治沉疴。此种“诊断而后施治”的系统方法，正是推动科学前行的正道。于LLM横扫AI之际，谢赛宁对SVA中“空间归纳偏置”的强调，亦提醒吾人：即便在大模型时代，精心设计的领域先验知识，对于提升复杂多模态任务的性能与鲁棒性，依然至关重要。

杨笛一：架言桥通社稷理  斯隆青眼识凤麟

杨笛一，巾帼不让须眉，亦出自上海交大ACM班，后负笈深造，现为斯坦福大学助理教授，此前曾任教于佐治亚理工学院。其研究独辟蹊径，聚焦于自然语言处理（NLP）与社会科学的交叉领域，致力于理解人类在社会情境下的交流模式，并构建具备社会意识的语言技术，以期促进人与人、人与机器之间更和谐的互动。简言之，她探索的是“具有社会意识的自然语言处理”。

年纪轻轻，杨笛一已是荣誉等身。她曾入选福布斯“30位30岁以下精英榜”、IEEE“AI十大潜力人物”、麻省理工科技评论中国区“35岁以下科技创新35人”等诸多榜单。尤为瞩目者，乃2024年度斯隆研究奖（Sloan Research Fellowship）。此奖项始创于1955年，素有“诺奖风向标”之美誉，其分量之重，不言而喻。

杨笛一不仅自身科研卓越，亦不忘反哺后学。她积极参与母校上海交大致远学院的各类分享活动，将自己从科研新手到斯坦福助理教授的宝贵经验倾囊相授，助力学弟学妹们成长。她曾寄语青年学子：“要拥有不断成长的心态，关注自身独特的优势，学习利用社交的力量”。

杨笛一所开拓的“具有社会意识的NLP”研究方向，代表了AI发展的一个重要前沿：即从追求纯粹的技术能力，迈向理解并融入复杂人类社会系统。这对于AI真正造福社会、与人类和谐共存至关重要。她出身于以严谨编程训练著称的交大ACM班，却选择专攻AI的社会技术层面，这本身即昭示了顶尖科技人才对“影响力”定义的拓宽——从解决纯粹的计算难题，延伸至以AI应对人文与社会挑战。斯隆奖的垂青，正是对这一跨学科路径深远意义的肯定。杨笛一可视为新一代研究者的典范，他们既精通尖端AI/NLP技术，又深谙社会科学理论。此种融合催生了前所未有的研究范式，使得大规模、数据驱动的社会现象分析成为可能，为我们理解复杂世界打开了新的窗口。