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
|
1天前
|
机器学习/深度学习 数据挖掘 定位技术
多元线性回归:机器学习中的经典模型探讨
多元线性回归是统计学和机器学习中广泛应用的回归分析方法,通过分析多个自变量与因变量之间的关系,帮助理解和预测数据行为。本文深入探讨其理论背景、数学原理、模型构建及实际应用,涵盖房价预测、销售预测和医疗研究等领域。文章还讨论了多重共线性、过拟合等挑战,并展望了未来发展方向,如模型压缩与高效推理、跨模态学习和自监督学习。通过理解这些内容,读者可以更好地运用多元线性回归解决实际问题。
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
Java+机器学习基础:打造AI学习基础
随着人工智能(AI)技术的飞速发展,越来越多的开发者开始探索如何将AI技术应用到实际业务场景中。Java作为一种强大的编程语言,不仅在企业级应用开发中占据重要地位,在AI领域也展现出了巨大的潜力。本文将通过模拟一个AI应用,从背景历史、业务场景、优缺点、底层原理等方面,介绍如何使用Java结合机器学习技术来打造一个AI学习的基础Demo。
50 18
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
1月前
如何看PAI产品下训练(train)模型任务的费用细节
PAI产品下训练(train)模型任务的费用细节
85 6
|
1月前
|
机器学习/深度学习 安全 PyTorch
FastAPI + ONNX 部署机器学习模型最佳实践
本文介绍了如何结合FastAPI和ONNX实现机器学习模型的高效部署。面对模型兼容性、性能瓶颈、服务稳定性和安全性等挑战,FastAPI与ONNX提供了高性能、易于开发维护、跨框架支持和活跃社区的优势。通过将模型转换为ONNX格式、构建FastAPI应用、进行性能优化及考虑安全性,可以简化部署流程,提升推理性能,确保服务的可靠性与安全性。最后,以手写数字识别模型为例,展示了完整的部署过程,帮助读者更好地理解和应用这些技术。
97 20
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
云上一键部署 DeepSeek-V3 模型,阿里云 PAI-Model Gallery 最佳实践
本文介绍了如何在阿里云 PAI 平台上一键部署 DeepSeek-V3 模型,通过这一过程,用户能够轻松地利用 DeepSeek-V3 模型进行实时交互和 API 推理,从而加速 AI 应用的开发和部署。
|
1月前
|
机器学习/深度学习 存储 设计模式
特征时序化建模:基于特征缓慢变化维度历史追踪的机器学习模型性能优化方法
本文探讨了数据基础设施设计中常见的一个问题:数据仓库或数据湖仓中的表格缺乏构建高性能机器学习模型所需的历史记录,导致模型性能受限。为解决这一问题,文章介绍了缓慢变化维度(SCD)技术,特别是Type II类型的应用。通过SCD,可以有效追踪维度表的历史变更,确保模型训练数据包含完整的时序信息,从而提升预测准确性。文章还从数据工程师、数据科学家和产品经理的不同视角提供了实施建议,强调历史数据追踪对提升模型性能和业务洞察的重要性,并建议采用渐进式策略逐步引入SCD设计模式。
103 8
特征时序化建模:基于特征缓慢变化维度历史追踪的机器学习模型性能优化方法
|
1月前
|
人工智能 容灾 Serverless
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。
|
1月前
|
存储 人工智能 大数据
AI开发新范式,PAI模型构建平台升级发布
本次分享由阿里云智能集团产品专家高慧玲主讲,聚焦AI开发新范式及PAI模型构建平台的升级。分享分为四个部分,围绕“人人可用”和“面向生产”两大核心理念展开。通过降低AI工程化门槛、提供一站式全链路服务,PAI平台致力于帮助企业和开发者更高效地实现AI应用。案例展示中,介绍了多模态模型微调在文旅场景的应用,展示了如何快速复现并利用AI解决实际问题。最终目标是让AI技术更普及,赋能各行业,推动社会进步。
|
1月前
|
人工智能 运维 API
PAI企业级能力升级:应用系统构建、高效资源管理、AI治理
PAI平台针对企业用户在AI应用中的复杂需求,提供了全面的企业级能力。涵盖权限管理、资源分配、任务调度与资产管理等模块,确保高效利用AI资源。通过API和SDK支持定制化开发,满足不同企业的特殊需求。典型案例中,某顶尖高校基于PAI构建了融合AI与HPC的科研计算平台,实现了作业、运营及运维三大中心的高效管理,成功服务于校内外多个场景。

热门文章

最新文章