朱松純

1996-1997年，美國布朗大學，應用數學專業，博士后。

1997-1998年，美國斯坦福大學，計算機系人工智慧實驗室，講師。

1998-2002年，美國俄亥俄州立大學，計算機系與認知科學中心，助理教授。

2005年，與Harry Shum等於湖北創建民辦、非營利的國際交流平台蓮花山研究院，並任院長。

2002-2006年，美國加州大學洛杉磯分校，統計系與計算機系，副教授 [終身教職]。

2006年至2020年，美國加州大學洛杉磯分校，統計系與計算機系，正教授。

2020年11月至今，北京通用人工智慧研究院院長。

2021年2月至今，任清華大學通用人工智慧研究院（籌）院長、講席教授。

2015-2020年，第二次擔任美國視覺、認知科學、AI領域跨學科合作項目 MUR I首席科學家 [Principal Investigator]。

2016年，再次當選國際計算機視覺與模式識別大會 [CVPR] 2019年度主席。

2013年，入選中國科學院海外顧問。

2011-2013年，擔任國際模式識別協會 Aggarwal 獎評選委員會主席。

2012年，擔任電氣和電子工程師學會 [IEEE] 計算機學會會士 [fellow] 評選委員會 副主席。

2012年，擔任國際計算機視覺與模式識別大會 [CVPR] 主席。

2010-2015年，首次擔任美國視覺、認知科學、AI領域跨學科合作項目MURI首席科學家。

2010年，入選中國中組部。

2007年，入選中國國家自然科學基金 [NSFC]“海外傑青”。

2006年，入選中國教育部“長江學者”講座教授。

2021年4月25日，北京大學、清華大學聯手建立通用人工智慧實驗班，該通班均由北京大學人工智慧研究院院長、北京大學講席教授、清華大學基礎科學講席教授朱松純領銜。

1995-2005年期間，與導師Mumford、同事吳英年 [UCLA教授] 以及博士生，為計算視覺創始人 David Marr 提出的早期視覺 [early vision] 概念，包括紋理 [texture]、圖像基元 [Texton] 以及原始簡約圖 [primal sketch] 等建立了一個統一的數理模型；提出統計建模的最小最大熵原理 [minimax entropy principle]；將神經學和心理學的發現，植入統計物理的吉布斯模型 [Gibbs Model]，從而導出一類新型的馬爾科夫隨機場的概率模型 [FRAME]，並將該模型擴展到中層視覺模型，描述形狀與格式塔 [Gestalt] 組成原則；發現自然圖像的尺度不變與尺度變化的統計規則，將各種視覺模式及其對應的數理模型映射到一個連續的熵頻譜 [entropy spectrum] 和信息尺度 [information scaling]；進一步研究了各種模型之間跳轉和感知轉化 [perceptual transition] 的機制，與博士生王亦洲 [現為北大教授] 導出感知尺度空間理論 [perceptual scale space]。

1999-2010年期間與其首位博士生屠卓文 [現為UCSD教授] 提出用數據驅動的蒙特卡洛馬爾可夫鏈方法 [Data-Driven Markov Chain Monte Carlo] 求圖像分割和解譯 [Image Parsing] 問題的全局最優解；與其博士生Adrian Barbu [現為FSU 教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛演演算法，在通用的概率採樣 [sampling] 計算中，實現大的狀態跳轉，突破傳統方法計算的瓶頸問題。

徠2006-2015年間提出了概率隨機的與或圖 [and-or graph] 模型來表達上下文相關圖語法 [graph grammar]，重啟了模式識別領域創始人傅京生先生創導的句法模式識別框架；提出時空因果與或圖 [Spatial，Temporal，Causal And-or graph STC-AOG] 為物體、場景、事件和因果關係建立統一的模型，並用於場景與事件的解譯任務。

自2010年以來將計算機視覺與認知科學、自然語音理解、機器人等學科結合。與認知科學的結合：通過常識推理 [如物體和場景的物理屬性、使用功能、行為的因果] 和社會推理 [人的意圖、動機、目的] 來豐富場景和事件的理解；與自然語言理解的結合：通過人機情景對話來獲取常識，並於2010年率先從圖像和視頻的解譯圖產生文本描述的I2T [Image Parsing to Text Generation] 方法；與機器人結合：研究自主機器人與人類深度合作的認知構架 [cognitive architecture]。