突发！腾讯AI Lab主任张潼离职，或将返回学界
经多方消息确认，腾讯 AI Lab 主任张潼已于 2018 年 12 月底离职。作为人工智能领域的著名学者，张潼可能将返回学术界。
在宣布离职之前，张潼是腾讯 AI Lab 的第一负责人，也是该机构的执行董事。张潼博士是美国康奈尔大学数学系和计算机系学士，以及斯坦福大学计算机系硕士和博士学位。加入腾讯前，张潼博士曾经担任美国新泽西州立大学教授、IBM 研究院研究员、雅虎研究院主任研究员、百度研究院副院长和大数据实验室负责人，期间参与和领导开发过多项机器学习算法和应用系统。
加入腾讯 AI Lab
腾讯 AI Lab 成立于 2016 年 4 月，致力于研发前瞻性的人工智能技术。2017 年 3 月 23 日，腾讯宣布任命人工智能领域顶尖科学家张潼博士担任腾讯 AI Lab 主任。张潼博士作为腾讯 AI Lab 第一负责人，在一年多以来带领数百名人工智能专家和工程师，专注于人工智能的基础研究。其中的主要方向包括计算机视觉、语音识别、自然语言处理和机器学习这四个垂直领域。
在 2017 年 3 月接受机器之心专访时，张潼曾表示：「我们（腾讯 AI Lab）一方面做基础研究，另一方面开发系统和工具为公司各产品线做技术支持。AI Lab 会支持一些重点业务，并且以此积累核心技术，然后会通过平台化云服务等方式向公司内部和外部进行推广，让这些技术服务更广泛的应用场景。」
和全球最前沿的研究机构一样，腾讯 AI Lab 在游戏 AI 场景中取得了不少成绩，他们推出的 AI 围棋程序「绝艺」曾在第 10 届 UEC 杯计算机围棋大赛中夺得冠军。
2018 年 12 月 22 日，腾讯 AI Lab 提出的策略协作型 AI「绝悟」首次露面，并在 KPL 秋季决赛战胜了前职业 KPL 选手组成的人类战队（平均水平超过 99% 玩家）。这是继围棋 AI「绝艺」后，腾讯 AI 在深度学习与强化学习领域的又一项前沿研究。
张潼曾表示，腾讯 AI Lab 希望将自身研究成果转化为平台，并面向所有开发者。
下一站学界？
2018 年底，机器之心已得到消息称张潼将离职腾讯 AI Lab。今日，在知乎帖子「如何看待张潼老师离职腾讯？」下，点赞量最高的一条回复称张潼「据说是回学术界去了」，其中也提到「……也希望接替他的张正友博士能带领 AI Lab 找到新的发展道路。」
所以，接替张潼博士负责腾讯 AI Lab 的应该是 2018 年加入腾讯掌管机器人实验室「Robotics X」的张正友博士。
至于张潼博士的去向目前还没有更多信息，在知乎上有匿名网友评论如下：
2018 年，杨强教授在港科大 CSE 系主任职位的任期已满，而后由杨瓞仁 (Dit-Yan Yeung) 教授代理系主任的职务。但据机器之心消息，目前杨瓞仁 (Dit-Yan Yeung) 教授暂代主任，港科大 CSE 系正在进行公开答辩选举新的系主任，但张潼非候选人。
学术研究实力
张潼博士是 AI 领域的顶级科学家，他的研究兴趣包括机器学习算法和理论、用于大数据及其应用的统计方法。
张潼博士 Google Scholar 引用量数据。
在去年 7 月份举行的 ICML 2018 中，张潼有 8 篇论文被接收，是论文署名最多的作者之一。而除了 ICML 2018，张潼博士还在 Transactions ACL 和 JMLR 等期刊与会议上发表过论文。
在张潼署名的 8 篇 ICML 论文中，涉及主题可以分为三大方面，即新模型、分布式与去中心化、机器学习优化方法与理论研究。
首先对于新模型的研究，张潼博士提出了一种使用强化学习的端到端的主动目标跟踪方法，可直接根据画面情况调整摄像头角度。这种端到端的主动跟踪方法能取得优异的表现，并且还具有很好的泛化能力，能够在目标运动路径、目标外观、背景不同以及出现干扰目标时依然稳健地执行主动跟踪。此外，另一篇主要提出了一种可变度量超松弛混合临近外梯度方法（VMOR-HPE）的新型算法框架，能保证在解决该问题时的全局收敛。
- End-to-end Active Object Tracking via Reinforcement Learning
- An Algorithmic Framework of Variable Metric Over-Relaxed Hybrid Proximal Extra-Gradient Method
其次对于分布式与去中心化，张潼博士做了非常多的研究。例如在图非凸优化中，他提出了用于高斯图模型中的最优估计的图非凸优化，然后又通过一系列自适应的凸程序来近似求解。
- Composite Functional Gradient Learning of Generative Adversarial Models
- Graphical Nonconvex Optimization via an Adaptive Convex Relaxation
- Candidates vs. Noises Estimation for Large Multi-Class Classification Problem
- Safe Element Screening for Submodular Function Minimization
最后对于他在 ICML 2018 在提交的理论研究和其它期刊与会议的论文，读者可以参考以下列表：
- Jiaxiang Wu and Weidong Huang and Junzhou Huang and Tong Zhang. Error Compensated Quantized SGD and its Applications to Large-scale Distributed Optimization, ICML 2018.
- Kaiqing Zhang and Zhuoran Yang and Han Liu and Tong Zhang and Tamer Basar. Fully Decentralized Multi-Agent Reinforcement Learning with Networked Agents, ICML 2018.
- Zhaopeng Tu and Yang Liu and Shuming Shi and Tong Zhang. Learning to remember translation history with a continuous cache. , Transactions of the Association for Computational Linguistics, 6:407--420, 2018.
- Dong Dai and Lei Han and Ting Yang and Tong Zhang. Bayesian Model Averaging with Exponentiated Least Squares Loss , IEEE Trans. Info. Theory, 2018.
- Xiao-Tong Yuan and Ping Li and Tong Zhang. Gradient Hard Thresholding Pursuit, JMLR , 18:1--43, 2018.
- Lei Han and Lei Li and Feng Wen and Lei Zhong and Tong Zhang and Xiu-Feng Wan. Graph-Guided Multi-Task Sparse Learning Model: a Method for Identifying Antigenic Variants of Influenza A(H3N2) Virus, Bioinformatics , 2018.