Jitendra Malik (geboren am 11. Oktober 1960) ist ein indisch-amerikanischer Akademiker und Arthur J. Chick Professor für Elektrotechnik und Informatik an der University of California, Berkeley. Er ist bekannt für seine Forschung im Bereich Computer Vision, die visuelle Erkennung, Segmentierung und Robotik umfasst, und hat das Feld sowohl durch technische Beiträge als auch durch Führungsrollen geprägt.
Maliks Arbeit hat computergestützte Modellierung und biologische Vision miteinander verbunden und dabei auf Psychologie und Neurowissenschaften zurückgegriffen. Er hat über achtzig Doktoranden und Postdoktoranden betreut, von denen viele heute akademische und industrielle Forschungsgruppen leiten. Seine Beiträge wurden mit zahlreichen Auszeichnungen gewürdigt, darunter der IEEE Computer Society Computer Pioneer Award 2019.
Akademische Biografie
Malik wurde am 11. Oktober 1960 in Mathura, Indien, geboren. Er absolvierte seine Schulbildung an der St. Aloysius Senior Secondary School in Jabalpur. 1980 erwarb er einen BTech-Abschluss in Elektrotechnik am Indian Institute of Technology Kanpur und 1985 einen PhD in Informatik an der Stanford University. Im Januar 1986 trat er der UC Berkeley bei, wo er Arthur J. Chick Professor in der Abteilung für Informatik des Fachbereichs Elektrotechnik und Informatik (EECS) wurde. Er hat außerdem Fakultätstermine in Bioingenieurwesen sowie in den Gruppen für Kognitionswissenschaft und Sehwissenschaft inne. Von 2002 bis 2004 war er Vorsitzender der Informatikabteilung und von 2004 bis 2006 sowie von 2016 bis 2017 Vorsitzender des EECS-Fachbereichs.
Malik war 2015–2016 Gastwissenschaftler bei Google. Später trat er der Fundamental AI Research (FAIR) von Meta bei und war dort Forschungsdirektor und Standortleiter in Menlo Park, bevor er 2025 Vizepräsident für Robotikforschung wurde. 2026 wechselte er zu Amazon als Vizepräsident und Distinguished Scientist im Labor für Frontier AI and Robotics (FAR), blieb aber weiterhin mit der UC Berkeley verbunden.
Forschungsüberblick
Malik ist seit mehreren Jahrzehnten ein führender Kopf in der Computer Vision und hat zu vielen grundlegenden Ergebnissen beigetragen. Sein Ansatz lässt sich häufig von Psychologie und Neurowissenschaften inspirieren und trägt zu computergestützten Modellen biologischer Vision bei. Er formulierte die zentralen Probleme der Computer Vision als die „3 R“ - Erkennung, Rekonstruktion und Reorganisation - und betonte deren enge Kopplung. In jüngerer Zeit hat sich seine Gruppe der Robotik zugewandt und bedeutende Beiträge zur Navigation und zur Fortbewegung mit Beinen geleistet.
Visuelle Erkennung
Die späten 1990er Jahre markierten einen Übergang von geometrischen zu lernbasierten Techniken für die visuelle Erkennung. Maliks Gruppe war Vorreiter bei handgefertigten Merkmalen wie Textons (vektorquantisierten Filterausgaben) und Formkontexten (relativen Anordnungen von Punkten) sowie bei neuartigen maschinellen Lerntechniken wie schnellen Schnittkernen und SVM-KNN. Diese ermöglichten Weltrekordleistungen bei Aufgaben wie der Erkennung handgeschriebener Ziffern (2001), dem Knacken von CAPTCHAs (2002), Caltech101-Kategorien (2005–07) und der Personenerkennung (2009). Die Methode des Formkontexts erhielt den Helmholtz-Test-of-Time-Preis und hat über 9.000 Zitationen.
Im Jahr 2012 startete die „AlexNet“-Arbeit von Geoff Hintons Gruppe die Deep learning-Revolution. Malik spielte eine katalytische Rolle, indem er Hinton ermutigte, zu beweisen, dass Deep Learning besser funktioniert, indem er an Standard-Benchmarks für visuelle Erkennung, insbesondere ImageNet, teilnahm. Nach AlexNet blieb die Gemeinschaft skeptisch hinsichtlich der Allgemeingültigkeit, da ImageNet keine Objektlokalisierung erforderte. Girshick et al. erfanden die R-CNN-Methode, die bewies, dass dies durch Vorabtraining auf ImageNet-Klassifikation gefolgt von Feinabstimmung für die Objekterkennung erreicht werden konnte. Diese Arbeit, die in ihrer CVPR-2014-Version über 44.000 Zitationen aufweist, erhielt den Longuet-Higgins-Test-of-Time-Preis. R-CNN-Varianten dominierten die Objekterkennung fast ein Jahrzehnt lang, bis sie von Vision-Language-Modellen abgelöst wurden.
Segmentierung
Visuelle Gruppierung und Figur-Grund-Unterscheidung wurden erstmals vor über einem Jahrhundert von der Gestaltschule untersucht. Maliks Gruppe hat das Gebiet über zwei Jahrzehnte (1995–2015) von einer bunten Sammlung von Techniken zu einer empirisch basierten Wissenschaft transformiert. Sie erstellten den Berkeley Segmentation Data Set (BSDS), bei dem mehrere menschliche Beobachter wahrgenommene Grenzen markierten, was Konsistenz mit einem hierarchischen Segmentierungsmodell zeigte. Die BSDS-Arbeit hat über 10.000 Zitationen und erhielt den Helmholtz-Test-of-Time-Preis.
Mit diesem Datensatz entwickelten Malik et al. eine Rationalisierung verschiedener Gestalt-Hinweise als „optimal“, wenn sich die menschliche Vision evolutionär an die Statistiken der natürlichen Welt angepasst hat. Dies ermöglichte einen quantitativen Vergleich von Segmentierungsalgorithmen anstelle von ausgewählten Beispielen. Die Idee des Benchmarkings auf Standarddatensätzen wurde zur Norm, insbesondere in der Objekterkennung, angeführt von Perona (Caltech 101) und Everingham et al. (PASCAL VOC).
Einfluss und Vermächtnis
Maliks Einfluss reicht über seine eigene Forschung hinaus. Er hat mehr als achtzig Doktoranden und Postdoktoranden betreut, von denen viele führende Akademiker an Institutionen wie MIT, UC Berkeley, Carnegie Mellon University, Cornell University, University of Illinois Urbana–Champaign, University of Pennsylvania und University of Michigan geworden sind, sowie Industrieforscher bei Google, Meta und anderen großen Organisationen. Seine Arbeit hat die Entwicklung der Computer Vision geprägt, von der frühen Merkmalsentwicklung bis zur Deep-Learning-Ära, und beeinflusst weiterhin Robotik und künstliche Intelligenz.