Let's Make AGI Real

第三章：神机巧算破天障 悬壶济世启灵枢

人工智能之用，不止于锦上添花，更能于关键领域攻坚克难。医疗健康，便是其中之一。有青年才俊，以神思妙算，力图突破现有局限，为智能医疗开辟全新篇章。

任少卿：智破残雪千嶂暗 慧引天车万里程

任少卿，本科毕业于中国科学技术大学，后于2016年获得科大与微软亚洲研究院（MSRA）联合培养之博士学位。其学术生涯中最为耀眼的成就，莫过于作为核心主导者之一，参与研发了深度残差网络（ResNet）。

ResNet的诞生，堪称深度学习发展史上的里程碑。它通过引入“残差学习”这一巧妙结构，有效解决了深度神经网络训练中的梯度消失问题，使得构建并成功训练数百乃至上千层的网络成为可能，极大提升了图像识别等任务的性能。相关论文荣获2016年计算机视觉顶级会议CVPR的最佳论文奖，其影响深远，已成为当今诸多先进视觉模型的基础架构，并启发了深度学习其他领域的研究。何恺明通常被认为是ResNet的首要作者，但任少卿作为关键贡献者的角色亦广受认可，用户提供的信息更明确指出其“主导深度残差网络”。凭借在深度残差学习方面的开创性贡献，任少卿于2023年荣获未来科学大奖，此乃对其学术成就的崇高褒奖。

学而优则用。任少卿如今担任蔚来汽车智能驾驶研发副总裁，将其在人工智能领域的深厚积累，应用于智能驾驶这一复杂且充满挑战的现实场景。汽车产业，成本控制极为严苛，蔚来内部甚至有“1块钱等于100万”的说法，意指微小决策在百万辆车规模下将被急剧放大。而智能驾驶之终极目标，则是追求极致安全，蔚来创始人李斌曾言，冀望“二十年后真正实现零事故”。为应对挑战，蔚来近期调整智驾团队，任少卿进一步直管核心部门，亲自带队大模型部，足见其肩上责任之重。

任少卿的职业路径，清晰地展现了基础科研突破向高精尖产业应用的快速转化。ResNet的成功，奠定其学术地位；执掌蔚来智驾研发，则是将此等改变世界的智慧运用于解决关乎民生安全的重大工程难题。ResNet的核心思想——让极深网络能够有效学习复杂特征——与自动驾驶对环境感知、决策规划的极致要求高度契合。可以想见，他在蔚来的工作，必将深刻烙印其在构建强大神经网络架构方面的独到理解。然而，昔日ResNet的辉煌成就，也为其今日在产业界的奋斗设定了极高标杆。从学术殿堂步入竞争激烈、安全至上的智能驾驶战场，面对市场风云变幻与企业内部的运筹帷幄，以及巨大的成本压力，这本身就是一场充满“戏剧性冲突”的个人奋斗史。

陈一昕：探骊得珠释玄鉴 仁心济世秉烛行

陈一昕教授，1979年出生，早年即展露非凡才华，考入中国科学技术大学著名的“少年班” 。后赴美深造，于2005年获伊利诺伊大学厄巴纳-香槟分校（UIUC）博士学位，现为圣路易斯华盛顿大学教授。

其研究领域广博，涵盖机器学习、深度学习，并重点关注医学大数据、临床决策支持以及尤为关键的“可解释性人工智能”（Explainable AI, XAI）。在医疗这一高风险领域，AI模型的“黑箱”特性是其推广应用的主要障碍。陈教授的工作，正是要打开这个“黑箱”，让AI的决策过程透明化、可理解。他深入探讨了多种模型解释方法，如LIME、Shapley值等在医学场景的应用，并参与撰写了关于可解释AI的专著章节，系统阐述了XAI的目标、范畴、挑战与未来，更提出了基于人机交互的可解释AI新范式。

此外，陈教授在轻量级深度神经网络（DNN）方面亦有建树，提出了相关概念与架构，例如利用权重共享压缩大规模DNN的HashedNets架构，以及频率敏感压缩技术等。这些技术对于在资源受限的设备（可能包括各类便携医疗设备）上部署AI模型具有重要意义。凭借其卓越贡献，陈一昕已荣膺AAAI、IEEE、AAIA等多个国际顶级学会的会士（Fellow），学术声望卓著。

陈一昕教授对可解释AI在医疗领域的深耕，体现了科技向善的道德关怀。医疗决策，性命攸关，任何辅助工具的引入都必须审慎。AI若不能解释其“所以然”，医生便难以信任，患者更无从安心。其对XAI的研究，正是要为AI在临床实践中的安全、负责任应用奠定理论与技术基础。从昔日中科大少年班的科技神童，到今日可信赖AI的构建者，陈教授的学术生涯展现了一条从追求智力高峰到关怀技术社会伦理的升华之路。他不仅致力于让AI更“聪明”，更致力于让AI更“透明”、更“可靠”。其在模型压缩与模型解释两方面的研究，看似不同，实则相辅相成：前者关乎AI部署之“能”，后者关乎AI应用之“信”，二者皆为AI技术真正落地、服务于人的关键环节。