孙健是一位中国计算机科学家和企业家，因对深度学习和计算机视觉的贡献而闻名。他最著名的身份是ResNet的共同作者，这是一种标志性的神经网络架构，显著推动了图像识别的发展，同时也是领先人工智能公司旷视科技（Megvii）的联合创始人。
孙的工作在连接学术研究与商业AI应用方面发挥了关键作用，尤其是在视觉感知和大规模机器学习系统领域。他的研究和创业努力影响了学术界和更广泛的技术行业。
学术背景与研究
孙健在微软亚洲研究院完成了博士研究，在知名研究者的指导下研究计算机视觉问题。他的早期研究聚焦于图像分割、视觉跟踪和场景理解，为后来的深度学习创新奠定了基础。
2015年，孙与同事何恺明、张祥雨和任少卿共同发表了开创性论文《Deep Residual Learning for Image Recognition》。该工作引入了ResNet架构，通过使用跳跃连接或残差块解决了极深网络中的退化问题。该架构使得训练拥有数百甚至数千层的网络成为可能，在ImageNet基准测试中取得了最先进的结果，并赢得了ILSVRC 2015分类任务的第一名。
ResNet的影响超越了图像分类，还影响了物体检测、语义分割和自然语言处理中的架构。它成为许多后续深度学习模型的基础组成部分，包括用于生成式AI系统的模型。
旷视科技与商业冒险
2011年，孙健联合创办了旷视科技（又称Face++），一家总部位于北京的人工智能公司。旷视最初专注于面部识别技术，开发了能够从图像和视频中高精度识别个体的算法。该公司的Face++平台在中国广泛应用于安全、金融和消费应用。
在孙的技术领导下，旷视扩展了其产品组合，包括面向智慧城市、自动驾驶和工业自动化的计算机视觉解决方案。该公司开发了自己的AI推理芯片和软件框架，以优化深度学习模型在边缘设备上的运行。
旷视获得了主要技术投资者的重大投资，并成为中国最著名的AI独角兽之一。该公司于2019年在香港证券交易所申请首次公开募股，但上市因外部监管压力而被推迟。截至2023年，旷视继续作为领先的计算机视觉公司运营，为全球企业客户提供服务。
对深度学习理论的贡献
除了ResNet架构之外，孙还为深度学习的其他方面做出了贡献。他在空间金字塔池化（SPP-net）方面的工作解决了卷积网络中可变尺寸输入的问题，提高了物体检测的效率。
孙还研究了网络架构设计原则，包括批归一化和初始化策略对训练稳定性的影响。他关于这些主题的出版物在机器学习文献中被广泛引用，为从业者提供了实用指导。
他的合作式研究方法，通常在大规模研究团队中进行，强调可复现的结果和严格的实证评估，帮助建立了该领域实证研究的标准。
他的工作学术影响反映在其论文的高引用次数上。尤其是ResNet论文，是计算机科学史上被引用最多的论文之一，被引用次数达数万次。
奖项与认可
孙健的贡献为他赢得了多项行业和学术荣誉。2016年，ResNet团队在IEEE计算机视觉与模式识别会议（CVPR）上获得了最佳论文奖。2019年，该团队进一步获得了IEEE模式分析与机器智能技术委员会的PAMI青年研究员奖。
孙被多家技术出版物和行业组织认可为中国领先的AI科学家之一。他的工作还曾在NeurIPS和ICML等著名技术会议上展示。
尽管公开记录中关于他个人奖项的信息有限，但他的影响力体现在ResNet-based模型在学术界和工业界的广泛采用中。许多公司，包括Google DeepMind和OpenAI，已将残差连接纳入其模型设计中。
后期工作与公众形象
近年来，孙健一直活跃在AI行业，专注于旷视的战略方向。他在各种人工智能会议上就大规模部署深度学习的实际挑战和具身AI的未来发表了演讲。
孙还参与了中国AI伦理和负责任发展的讨论，倡导兼顾创新与安全的平衡方法。他的观点通常强调特定领域解决方案相对于纯通用模型的重要性。
尽管在公众可见度上低于一些西方AI人物，孙的技术遗产继续塑造着现代深度学习实践。他的残差学习工作现已成为大多数最先进模型中的标准组成部分，包括用于大语言模型系统的模型。
参考文献与进一步阅读
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. IEEE CVPR.
- He, K., Zhang, X., Ren, S., & Sun, J. (2015). Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition. IEEE TPAMI.
- 旷视科技官方网站和发表文献档案。
注：一些个人传记细节，如确切出生日期和早期教育信息，在公开资料中并不广泛记录，本文仅反映可信公共来源的信息。