不满复工政策,苹果机器学习总监辞职,疯狂的 AI 天才 29 岁提出 GAN 模型

简介: 美国当地时间 5 月 7 日,有消息称苹果机器学习总监 Ian Goodfellow 宣布辞职,离开了加入三年的苹果公司,而后 Goodfellow 在一封发给员工的电子邮件中确认这一消息。虽然并不清楚 Goodfellow 的主要离职原因,但他在邮件中提到了自己对复工计划的一些不满看法。

苹果复工计划引发员工不满

根据此前公布的复工计划,苹果要求员工从 4 月 11 日起回到办公室工作。起初,员工每周只需返回办公室工作一天,其余时间远程办公。随着时间的慢慢推移,苹果逐渐增加了办公室工作的时间,截止 5 月 2 日,苹果要求员工每周回办公室工作两天,而在 5 月 23 日之后每周至少要在办公室工作三天。

苹果的这项复工计划引发不少员工的不满情绪。此前,一份匿名社交网络 Blind 对苹果员工复工情况进行的调查报告显示,有 56% 的员工已经开始寻找其他工作。在 Blind 收到的答复中,有员工说他们不愿意进入办公室工作,还有一部分员工认为回到办公室工作可能会感染新冠病毒,办公室文化会影响办公效率,而且这样很难维持工作和生活的平衡状态(WLB-Work-life Balance)。

Goodfellow 也有类似的看法,他在邮件中提到:“我坚信,更大的灵活性对我的团队来说才是好的政策”。

早在不久前,就有一位员工给苹果首席执行官 Tim Cook 写信称:“如果没有灵活性带来的包容性,我们中的许多人觉得,我们必须在结合我们的家庭、福祉、努力做好工作、成为苹果的一部分之间做出选择。这是一个我们任何人都不会轻易做出的决定,也是一个许多人不愿做出的决定。”

师从吴恩达,AI 天才 29 岁就提出 GAN 模型

Goodfellow 于 2019 年 3 月加入苹果,担任特别项目组机器学习总监,在加入苹果之前,Goodfellow 曾是谷歌的顶级 AI 研究员,还加入过 OpenAI 研究实验室。

Goodfellow 本科与硕士均就读于斯坦福大学,导师则是大家熟知的吴恩达,不过 Goodfellow 最引人注目的一项成就则是在 2014 年 6 月提出 GAN(生成对抗网络)。

14 年的一个夜晚,为了庆祝研究生同学毕业,Goodfellow 与朋友来到了一家酒吧,聊天中大家谈到了“如何开发一款可以自己创造图片的程序”,几番讨论之后,大家认为这需要海量的计算力,Goodfellow 当时也表示不可行。但 Goodfellow 突然产生一个灵感,晚上回到家后就开始着手编程直到第二天早上,并将 GAN 创造了出来。

短短几年时间,GAN 技术就给机器学习领域带来了极大的影响,GAN 也是近几年机器学习圈内最热门的讨论话题。《麻省理工科技评论》将 GAN 列为 2018 年全球十大突破性技术,并给出了这样的评价,“它给机器带来一种类似想象力的能力,因此可能让它们变得不再那么依赖人类,但也把它们变成了一种能力惊人的数字造假工具。”Facebook 首席 AI 科学家 Yann LeCun 对 GAN 也是赞不绝口,称其为“过去 20 年里深度学习领域最酷的主意”。2017 年,Goodfellow 也被《麻省理工科技评论》评选为 35 位 35 岁以下的的创新者。

除了 GAN 之外,Goodfellow 还与其博士导师联合推出了一本《Deep Learning》的人工智能书籍,也被评为机器学习的入门必读书。

对于苹果来说,天才总监 Goodfellow 的离职肯定会带来非常大的损失,加上其他员工的不满情绪,不知苹果是否会对复工计划进行简单的调整,Goodfellow 也没有公布下一步的计划,目前还不知道 Goodfellow 会加入哪家科技公司。

参考链接:

https://www.macrumors.com/2022/05/07/apple-director-of-machine-learning-resigns/

https://arxiv.org/abs/1406.2661

目录
相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的线性回归模型
本文深入探讨了机器学习中广泛使用的线性回归模型,从其基本概念和数学原理出发,逐步引导读者理解模型的构建、训练及评估过程。通过实例分析与代码演示,本文旨在为初学者提供一个清晰的学习路径,帮助他们在实践中更好地应用线性回归模型解决实际问题。
|
14天前
|
机器学习/深度学习 数据采集 监控
如何使用机器学习模型来自动化评估数据质量?
如何使用机器学习模型来自动化评估数据质量?
|
10天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
35 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
15天前
|
机器学习/深度学习 算法 PyTorch
用Python实现简单机器学习模型:以鸢尾花数据集为例
用Python实现简单机器学习模型:以鸢尾花数据集为例
39 1
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
机器学习之解释性AI与可解释性机器学习
随着人工智能技术的广泛应用,机器学习模型越来越多地被用于决策过程。然而,这些模型,尤其是深度学习模型,通常被视为“黑箱”,难以理解其背后的决策逻辑。解释性AI(Explainable AI, XAI)和可解释性机器学习(Interpretable Machine Learning, IML)旨在解决这个问题,使模型的决策过程透明、可信。
34 2
|
16天前
|
机器学习/深度学习 数据采集 人工智能
揭秘AI:机器学习的魔法与代码
【10月更文挑战第33天】本文将带你走进AI的世界,了解机器学习的原理和应用。我们将通过Python代码示例,展示如何实现一个简单的线性回归模型。无论你是AI新手还是有经验的开发者,这篇文章都会给你带来新的启示。让我们一起探索AI的奥秘吧!
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的奥秘:机器学习入门指南
【10月更文挑战第30天】本篇文章是一份初学者友好的机器学习入门指南,旨在帮助读者理解并开始实践机器学习。我们将介绍机器学习的基本概念,包括监督学习、无监督学习和强化学习等。我们还将提供一些实用的代码示例,以帮助读者更好地理解和应用这些概念。无论你是编程新手,还是有一定经验的开发者,这篇文章都将为你提供一个清晰的机器学习入门路径。
35 2
|
8天前
|
机器学习/深度学习 自然语言处理 语音技术
探索机器学习中的深度学习模型:原理与应用
探索机器学习中的深度学习模型:原理与应用
18 0
|
20天前
|
机器学习/深度学习 算法
探索机器学习模型的可解释性
【10月更文挑战第29天】在机器学习领域,一个关键议题是模型的可解释性。本文将通过简单易懂的语言和实例,探讨如何理解和评估机器学习模型的决策过程。我们将从基础概念入手,逐步深入到更复杂的技术手段,旨在为非专业人士提供一扇洞悉机器学习黑箱的窗口。
|
3天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
下一篇
无影云桌面