深度学习NLP领军人Chris Manning教授将接替李飞飞出任斯坦福人工智能实验室负责人

刚刚传来消息，深度学习NLP领军人Chris Manning教授将接替李飞飞出任斯坦福人工智能实验室（SAIL）负责人。李飞飞教授将继续担任斯坦福视觉与学习实验室（SVL）负责人，以及新成立的斯坦福以人为本人工智能研究院共同院长。

根据斯坦福人工智能实验室官方Twitter消息，深度学习自然语言处理领军人、斯坦福教授Chris Manning将接替李飞飞，成为该实验室最新一任负责人。

李飞飞教授将继续担任斯坦福视觉与学习实验室（SVL）负责人，并在她的新岗位——斯坦福以人为本人工智能研究院共同院长上发挥重要功能。

斯坦福AI Lab激动地与大家宣布Chris Manning 将出任SAIL负责人。感谢李飞飞为SAIL和社区成长所作出的重大贡献。她现在是斯坦福新成立的以人为本人工智能研究院共同院长。

深度学习NLP领军人成为斯坦福AI实验室新任负责人

斯坦福AI实验室（SAIL）成立于1962年，由约翰·麦卡锡（John McCarthy）教授创办，麦卡锡是现代人工智能领域的奠基人之一，正是他在 1956 年的达特矛斯会议上提出了 “人工智能” 这个概念。

斯坦福AI实验室一直处于人工智能革命的最前沿。

对于新智元的读者来说，李飞飞教授已经无需赘言。她最知名的工作是主持创建了ImageNet计算机视觉识别数据库及挑战赛，极大地促进了图像识别领域的技术发展。

今年10月20日，李飞飞发布了她结束为期两年的学术假，正式离开谷歌云、回归斯坦福后的最新动态：担任斯坦福新成立的“以人为本人工智能研究院”共同院长。

李飞飞将继续留在SAIL，并带领斯坦福大学视觉与学习实验室(SVL)。

Christopher Manning

Christopher Manning于1989年在澳大利亚国立大学获得荣誉学士学位，于1994年在斯坦福大学获得语言学博士学位。

从斯坦福大学毕业后，他先后在卡内基梅隆大学和悉尼大学担任教职，并于1999年回到斯坦福，加入计算机科学和语言学系。他创建了斯坦福 NLP Group，负责管理斯坦福 CoreNLP 软件的开发工作。

Christopher Manning目前是斯坦福大学计算机科学与语言学系Thomas M. Siebel教授。他的研究目标是能够智能地处理、理解和生成人类语言材料的计算机。

Manning是将深度学习应用于自然语言处理领域的领军人物，在树递归神经网络、情感分析、神经网络依赖解析、词向量 GloVe 模型、神经机器翻译、深度语言理解等领域有着许多著名研究。

Manning还专注于解析、强大的文本推断和多语言语言处理的计算语言学方法，他也是Stanford Dependencies和Universal Dependencies的主要开发人员。

Manning 教授的论文目前被引用超过 7 万次，其中，他作为第一作者与人合著的《自然语言处理统计方法》（Manning and Schütze，1999）和《信息检索》（Manning，Raghavan 和 Schütze，2008）已成为领域内著名的教科书。

Manning是ACM Fellow、AAAI Fellow和ACL Fellow，往届ACL President。他的研究多次获得ACL、Coling、EMNLP和CHI这些计算语言学顶会的最佳论文奖。

自然语言处理或成深度学习接下来研究重点

斯坦福AI实验室负责人的交替，可以说从某种程度上也反映了当前人工智能研究领域的发展趋势。

以李飞飞为代表的计算机视觉探索，在感知方面已经初步成熟，并逐步在工业界开花落地。当然，计算机视觉的研究永无止境，并将持续下去。

新一轮人工智能学术研究热点，已经在自然语言处理领域兴起。直到最近，深度学习浪潮一直没有在自然语言处理领域掀起太大波澜，但研究人员的不断努力正在改变这一点。

Chris Manning教授是自然语言处理界的大牛，一直积极推动将更多的语言结构融入深度学习，因而也被誉为“深度学习NLP领军人”，他所教授的课程《深度学习自然语言处理》与李飞飞教授的CS231一样，得到了广大学生、开发者乃至兴趣爱好者在内的热烈欢迎。

Manning 教授认为，深度学习是研究 NLP 和语言学的好方法。

Manning接受新智元专访

新智元此前对Manning教授进行了专访，在采访中，Manning 教授指出，虽然深度学习是研究 NLP 的好方法，但目前为止 NLP 从深度学习的收益更多是来自分布式词汇表示（distributed word representation），而非真正的深度学习，真正的深度学习使用更抽象的表征构建的层次来促进泛化。

但是，他对此表示乐观，“我们现在仍处于这一波深度学习复兴浪潮的初期”。同时，他认为构建深度学习系统的方法本身就很有用，不仅局限于 NLP。

Manning 也鼓励人们在工作中更多结合语言和语言结构。他认为 NLP 中的深度学习与语言学之争是很自然的现象——“当有很好用的形式化方法工具出现时，研究这些新工具的人会把它们用在各种各样的领域里，即使他们自己并不是这些领域的专家，因此往往会忽视领域中本应注意的细微精妙之处”——有争论是好事，问题将来也会自己解决。

同时，Manning 表示，NLP 是研究语言技术的领域，并不是研究什么是最好的机器学习，因此核心问题永远都将是领域专业问题。

总的来说，Manning 认为我们正处在一个非常激动人心的时代，“自然语言处理被视为机器学习和行业应用问题的核心，我们应该感到兴奋和高兴”。他鼓励大家考虑问题、架构，认知科学以及人类语言的细节，如何学习、处理以及如何变化，而不仅仅是追求最好最漂亮的数字。

最新的斯坦福人工智能实验室成员：