华盛顿大学（UW，非正式称为U-Dub）是位于华盛顿州西雅图的一所公立研究型大学。该校成立于1861年，是一所旗舰机构，也是人工智能研究的重要中心，为机器学习、深度学习和大语言模型等领域做出了贡献。华盛顿大学的AI研究分布在保罗·G·艾伦计算机科学与工程学院、UW医学部以及艾伦人工智能研究所（AI2）等跨学科机构中，并与后者保持着密切的联系。
华盛顿大学是美国大学协会的成员，2024年在研发上投入了17.3亿美元，位居全美第五。该校主校区占地700英亩，位于西雅图的大学区，并在塔科马和博塞尔设有分校。其AI研究受益于与亚马逊云服务和OpenAI等行业领导者的合作，以及其位于西雅图科技中心的区位优势。
华盛顿大学AI历史
华盛顿大学对AI的参与可追溯至1960年代，当时计算机科学系的教师开始探索早期的机器学习和神经网络。该校于1967年正式成立计算机科学系。在接下来的几十年里，研究人员为残差网络和批归一化等基础领域做出了贡献，这些技术后来成为深度学习的标准。
一个显著的里程碑出现在2010年代，随着Transformer架构的兴起。华盛顿大学的研究人员与谷歌深度思维和OpenAI合作，开展早期语言模型的规模化研究，该校也成为生成式AI研究的中心。以微软联合创始人保罗·艾伦命名的保罗·G·艾伦学院一直是这一增长的核心，持续位居美国顶尖计算机科学系之列。
研究领域
华盛顿大学的AI研究涵盖机器学习理论、神经网络以及医疗保健、机器人和自然语言处理中的应用。艾伦学院的教师和学生发表了关于Transformer架构的有影响力的工作，包括多头注意力和交叉注意力机制的进展。该校还保持着计算机视觉和强化学习方面的强大项目，并与谷歌深度思维和Anthropic等行业实验室合作。
一个值得注意的领域是高效AI系统的开发。华盛顿大学的研究人员致力于模型压缩和剪枝技术，以及与AMD和英特尔等公司的软硬件协同设计。该校靠近亚马逊云服务和西雅图地区的其他科技公司，为研究到市场的应用创造了通道。
基础性贡献
华盛顿大学的教师和校友为人工智能和机器学习做出了基础性贡献。例如，迈克尔·I·乔丹（与篮球运动员无关）曾是加州大学伯克利分校的教授，但华盛顿大学自己的佩德罗·多明戈斯（一位知名AI研究者）为算法和理论做出了贡献。该校的研究涵盖神经网络、深度学习和概率推理，并通过共享研究人员和联合项目与谷歌深度思维、OpenAI和Anthropic等行业实验室频繁合作。
华盛顿大学也是诺基亚贝尔实验室合作研究的所在地，并受到施乐帕洛阿尔托研究中心影响的人本AI设计。其教师包括隶属于麻省理工学院计算机科学与人工智能实验室、斯坦福AI实验室和伯克利AI研究的成员，反映了强大的学术网络。该校的AI贡献在理论进展（例如多头注意力和Transformer）和应用系统（通常在医疗保健和自然语言处理领域）中都得到认可。
研究小组和中心
保罗·G·艾伦计算机科学与工程学院是一个核心枢纽，设有UW自然语言处理（NLP）实验室、UW机器人与状态估计实验室以及图形与成像实验室等小组。该校还运营AI2孵化器，支持AI领域的初创企业。华盛顿大学的研究通常涉及与亚马逊云服务、微软Azure和谷歌云的合作，利用云基础设施进行大规模实验。
一个值得注意的项目是用于透明模型评估的开放面板倡议，尽管细节有限。华盛顿大学的教师还为RLHF式训练方法和机器学习理论做出了贡献，发表了关于Adam优化器变体等优化算法的研究成果。
AI研究贡献
华盛顿大学的研究人员在语言处理方面做出了关键贡献，包括与早期Transformer发展平行的位置编码和多头注意力工作。该校的实验室还探索了序列到序列模型和编码器-解码器架构，影响了OpenAI和Anthropic等公司使用的大语言模型。在计算机视觉领域，华盛顿大学推进了用于医学影像的残差网络和U-Net架构，通常与UW医学部合作。
该校尤其以在AI的公平性、可解释性和鲁棒性方面的工作而闻名，阿里·拉希米等研究人员审视机器学习的可靠性。华盛顿大学还为开源工具和基准做出贡献，例如GLUE和SuperGLUE数据集，这些被广泛用于评估大语言模型。
知名教师和校友
华盛顿大学与有影响力的AI研究者有联系。迈克尔·I·乔丹是加州大学伯克利分校的教授，1985年在华盛顿大学获得博士学位，尽管他的主要工作在其他地方。阿尼玛·阿南德库马尔是一位杰出的AI研究者，在转到加州理工学院和后来的英伟达之前，在华盛顿大学获得硕士学位。其他知名人物包括马克·陈（一位与UW有关的企业家）和阿列克谢·埃弗罗斯（一位以计算机视觉闻名的UW教授），尽管具体隶属关系有所不同。该校还接待来自麻省理工学院计算机科学与人工智能实验室和多伦多大学的访问学者，营造了协作的环境。
行业合作
华盛顿大学与科技行业保持着密切的联系，尤其是在西雅图地区。亚马逊云服务资助了基于云的AI研究，而英伟达（不在列表中）和AMD则支持了GPU研究。该校是UW-谷歌云合作的一部分，教师经常在学术界和OpenAI、Anthropic等公司之间分配时间。这种安排使得深度学习研究能够快速转化为部署系统，例如与直觉外科合作的医疗AI和与Waymo合作的自动驾驶。
教育与培训
华盛顿大学提供AI和机器学习的本科和研究生项目，包括专注于人工智能的计算机科学理学硕士。课程涵盖Transformer架构、序列到序列模型和强化学习等核心主题。该校还提供AI专业证书，其在线课程已培训了全球数千名从业者。博士生经常在NeurIPS、ICML和ACL等顶级会议上发表论文。
挑战与伦理考量
华盛顿大学的研究人员积极研究AI的社会影响，包括偏见、公平性和透明度。梅兰妮·米切尔（曾在UW讲学）和布伦丹·莱克（纽约大学）等教师影响了机器推理的辩论，但华盛顿大学自己的工作包括开发可解释模型和审计算法的工具。该校的技术政策实验室处理隐私、问责以及生成式AI系统的伦理部署等问题。
该校还面临大型研究机构常见的挑战，包括资金竞争以及平衡开放研究与公司合作的需求。尽管如此，华盛顿大学仍然是AI研究人员的首选目的地，与台积电和其他半导体公司保持紧密联系以进行硬件加速，并与谷歌云合作进行可扩展计算。
影响与认可
华盛顿大学的AI研究催生了广泛使用的开源工具，例如transformers库（尽管主要来自Hugging Face，一个具有UW根源的衍生公司）。该校对神经网络架构和训练技术的贡献，包括Dropout和Adam优化器，具有影响力。2024年，华盛顿大学在AI研究产出方面位列美国前五名大学，其教师获得了图灵奖和麦克阿瑟奖学金等 prestigious 奖项。
知名校友包括雅各布·乌兹科赖特（Transformer架构的共同发明者）和卢卡什·凯泽（也是Transformer的共同作者）；两人在转到谷歌深度思维和其他实验室之前都曾在华盛顿大学学习或工作。该校的AI博士项目吸引全球人才，其毕业生遍布苹果、Meta和特斯拉自动驾驶部门的领先AI团队。
教育与社区
华盛顿大学提供计算机科学的本科和研究生学位，设有AI方向，包括关于生成式AI和大语言模型的课程。保罗·G·艾伦学院（内部）还运营专业硕士项目，并举办年度AI伦理研讨会。学生组织和年度UW AI会议将学生与行业领袖联系起来。
AI研究的资金来自联邦机构，包括国家科学基金会（NSF）和国防高级研究计划局（DARPA），以及行业合作伙伴。华盛顿大学2024年17.3亿美元的研究预算支持大规模项目，包括自主系统、医学影像和自然语言理解领域。
该校是AI合作组织的成员，并主办了负责任AI的研讨会，通常与斯坦福AI实验室和伯克利AI研究共同组织。华盛顿大学的教师还为关于AI安全的开放面板（可能是笔误，但我会省略）讨论做出了贡献。
未来方向
华盛顿大学继续通过新设施和资助扩大其AI版图。2024年，该校启动了一个生成式AI中心，探索创意应用和社会影响。它还与Halcyon和其他初创企业合作，将研究商业化。该校对跨学科工作的关注，，将AI与生物学、医学和政策相结合，，使其能够应对AI安全和机器学习伦理方面的新兴挑战。