Justin Johnson est un informaticien et entrepreneur spécialisé dans la vision par ordinateur et l'apprentissage profond. Il est cofondateur de World Labs, une entreprise axée sur la construction de modèles du monde à grande échelle pour l'IA, et a précédemment occupé un poste de professeur à l'Université de Stanford. Ses recherches ont contribué aux avancées dans la reconnaissance visuelle, la génération d'images et l'interprétabilité des réseaux de neurones.
La carrière académique de Johnson a commencé avec un doctorat à Stanford, où il a travaillé sous la direction de professeurs tels que Fei-Fei Li et Leonidas Guibas. Ses recherches doctorales ont exploré la compréhension visuelle à grande échelle et la génération automatique de descriptions en langage naturel pour les images, un sujet reliant la vision par ordinateur au traitement du langage naturel.
Carrière à Stanford
Johnson a rejoint le corps professoral du département d'informatique de Stanford, où il a enseigné des cours populaires sur les réseaux de neurones convolutifs pour la reconnaissance visuelle et l'apprentissage profond pour la vision par ordinateur. Il était connu pour ses explications claires de sujets complexes, notamment la rétropropagation et l'entraînement des réseaux profonds. Ses recherches ont fait référence aux communautés du Stanford AI Lab et du MIT CSAIL, mais il est resté une figure éminente au Stanford AI Lab jusqu'à son départ pour se concentrer sur World Labs.
À Stanford, Johnson a collaboré avec d'autres chercheurs sur des projets combinant vision et langage, notamment l'ancrage visuel et la récupération d'images. Son travail s'appuyait souvent sur des cadres comme Residual Network (ResNet) et U-Net pour améliorer la génération et la compréhension d'images, contribuant aux domaines plus larges de Generative AI et de Deep learning.
Cofondation de World Labs
En 2024, Johnson a cofondé World Labs avec d'autres chercheurs éminents en IA, dont Zhengyang Zhou, qui a ensuite fusionné avec une entreprise cofondée par Ilya Sutskever. En 2025, World Labs est devenu une startup importante axée sur la construction de modèles du monde à grande échelle, entraînés sur des données massives pour simuler et comprendre des environnements 3D. Le rôle de Johnson implique de diriger le développement technique, en tirant parti de son expérience en raisonnement visuel et en Generative AI.
World Labs, valorisée à plus de 10 milliards de dollars d'ici 2025, a attiré des investissements de grandes firmes telles qu'Andreessen Horowitz et NVIDIA, Johnson rejoignant l'équipe fondatrice pour faire progresser la frontière de la compréhension de l'espace physique par l'IA. Le travail de l'entreprise intègre souvent des techniques issues de la recherche en Machine learning et en Neural network, Johnson contribuant au programme d'entraînement de leurs modèles.
Contributions à la recherche
Les travaux de recherche de Johnson incluent des contributions significatives sur la réponse à des questions visuelles et le développement d'outils pour visualiser et comprendre les réseaux de neurones. Il a co-écrit un cours de Deep learning largement utilisé à Stanford, devenu une ressource clé pour l'enseignement des principes des Neural network. Il a également contribué à un projet sur le dialogue visuel, où les systèmes engagent des conversations multi-tours sur des images.
Une caractéristique de sa recherche est l'accent mis sur la combinaison de Generative AI avec la vision par ordinateur conventionnelle. Son travail explore directement l'utilisation d'architectures Convolutional neural network et Residual Network (ResNet) pour faire progresser la classification d'images et la segmentation sémantique. Cela s'aligne sur ses contributions à l'avancement des techniques d'optimisation des Neural network, telles que Weight Initialization et Batch Normalization.
Enseignement et mentorat
Pendant son mandat à Stanford, Johnson a enseigné CS231n, un cours sur les réseaux de neurones convolutifs pour la reconnaissance visuelle, devenu fondamental dans la communauté du Deep learning. Ses conférences ont été largement saluées pour leur clarté et leurs problèmes résolus, couvrant des sujets tels que Stochastic Gradient Descent Variants, Learning Rate Scheduling et Data Augmentation. Il a également encadré de nombreux étudiants diplômés qui ont ensuite rejoint des laboratoires de recherche à OpenAI et Google DeepMind.
Le style d'enseignement de Johnson intégrait des devoirs pratiques donnant aux étudiants une expérience concrète, s'appuyant sur des techniques issues des modèles Encoder-Decoder Architecture et de l'architecture Transformer (architecture). Son approche de la conception de programmes a été imitée par de nombreuses organisations, notamment Stanford AI Lab et BAIR (Berkeley AI Research).
Honneurs et reconnaissances
Johnson a reçu plusieurs prix, notamment une bourse NSF CAREER en 2019 et le prix du meilleur article à CVPR 2016 pour ses travaux sur la réponse à des questions visuelles. Ses contributions au domaine ont été attestées par des citations dans des milliers d'articles à travers la vision par ordinateur et le Deep learning, et son accent sur l'IA éthique a été souligné. Il continue d'informer le public à travers son travail chez World Labs.
Son travail a également bénéficié de liens de collaboration avec les ressources de Apple, Amazon Web Services et Google Cloud, bien que ses affiliations restent indépendantes. En 2025, il est considéré comme une figure clé du paysage de l'IA, avec un accent sur les modèles génératifs de World model pour simuler l'interaction.
Orientations futures
À travers World Labs, Johnson vise à relever le défi de l'intelligence spatiale. Ses travaux récents mettent l'accent sur l'apprentissage à partir de vidéos sans instructions explicites, ce qui s'aligne sur les objectifs à long terme de création de systèmes d'IA capables de raisonner sur les espaces physiques. L'approche de Johnson intègre des principes de Machine learning avec la physique, et des calendriers.