近日，AI领域著名学者、残差神经网络ResNet发明人何恺明在个人网站上宣布即将回归学界，加入麻省理工学院（MIT）担任教职。
何恺明的主要研究领域为计算机视觉和深度学习，他的ResNets论文是2019年、2020年和2021年Google Scholar Metrics所有研究领域中被引用最多的论文，并建立了现代深度学习模型的基本组成部分。在深度学习模型Transformers、AI围棋工具AlphaGo Zero、AI蛋白质结构预测工具AlphaFold中都有使用ResNet。
今年3月，何恺明在MIT的一场演讲中透露，接下来的研究方向会是AI for science（人工智能用于科研），将聚焦计算机视觉、NLP（自然语言处理）和self-supervised（自监督学习）。作为目前Facebook AI Research（FAIR）的研究科学家，他已经在个人网站中换上了全新的头像，并在置顶的声明中表示，“作为一位FAIR研究科学家，我将于2024年加入麻省理工学院（MIT）电气工程与计算机科学系EECS担任教职。”
2003年，何恺明以标准分900分获得广东省高考总分第一，被清华大学物理系基础科学班录取。毕业后，他进入香港中文大学多媒体实验室攻读博士学位，师从香港中文大学教授汤晓鸥。何恺明曾于2007年进入微软亚洲研究院视觉计算组实习，实习导师为孙剑博士。
2011年博士毕业后，何恺明加入微软亚洲研究院任研究员。2016年，他加入Facebook人工智能实验室，任研究科学家至今。
何恺明的研究曾数次获奖。2009年，汤晓鸥教授、孙剑博士和当时博士研究生在读的何恺明共同完成的论文《基于暗原色的单一图像去雾技术》拿到了国际计算机视觉顶会CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议）的最佳论文奖，也是该会议创办25年来首次有亚洲学者获得最高奖项。
2016年，何恺明凭借ResNet再获CVPR最佳论文奖，此外，他还有一篇论文进入了CVPR 2021最佳论文的候选。何恺明还因为Mask R-CNN（实例分割算法）获得过ICCV（ IEEE International Conference on Computer Vision，即国际计算机视觉大会） 2017年的最佳论文马尔奖（Marr Prize），同时也参与了当年最佳学生论文的研究。
根据Google Scholar的统计，何恺明一共发表了73篇论文，H Index数据为67。截至2023年7月，何恺明的研究引用次数超过46万次，并且每年以超过10万次的速度增长。