纽约州立大学石溪分校帝国创新教授凌海滨全职加入西湖大学
纽约州立大学石溪分校帝国创新教授凌海滨全职加入西湖大学
2024年6月，在西雅图召开的CVPR会议上，凌海滨偶遇了博士同窗郑冶枫。彼时，郑冶枫已决定全职加入西湖大学，正着手筹建医学人工智能实验室。
“海滨，我下个月就去西湖大学了。”郑冶枫开门见山，“你要不要考虑一起回国？”
这句话，如同一枚石子，精准地投入了凌海滨平静的心湖。在美国学术界深耕十五年，从博士生一路成长为资深教授，他确实开始思考人生的下一篇章。
郑冶枫的邀请来得恰逢其时。
2025年3月，凌海滨初次踏进西湖大学的校园。在云谷校区，他背着重重的书包，快步穿行在实验室之间，与一众已经入职的PI深入交流，看到了正在建设中的实验室、充满活力的年轻面孔，凌海滨心中已然有了确切的答案。
2025年夏，纽约州立大学石溪分校帝国创新教授、IEEE Fellow凌海滨全职加入西湖大学工学院，受聘讲席教授，牵头创立智能计算与应用实验室。
数学带来的正反馈
这不是凌海滨第一次“换地方”生活了。
18岁之前，他跟随父母，生活在贵州山区。谈及家乡的偏远，凌老师担心我们没听说过，特意补充道，黄果树瀑布你们知道吧？我家就在附近。
贵州安顺，60年代初，是国家三线建设中很多厂矿的所在地。为了支援国家建设，父母从祖籍湖南举家搬迁至贵州，年幼的凌海滨在安顺的工厂里度过了平静的童年时光。父母投身于车间的忙碌，对他的学业顾不上太多。母亲对成绩比较关注，考试考不好，便会重重地批评几句，但也仅限于此了。辅导学习是奢侈的，从解题到学习规划，路径都得靠自己摸索。
小学，老师在讲解循环小数时，凌海滨提出一个困扰自己的问题：“1/3等于0.3的无限循环，三个1/3相加等于1，那么三个0.3的无限循环相加得到0.9的无限循环，它和1之间是什么关系？”受限于山区教育资源的匮乏，这个小小的追问，“难”倒了站在讲台上的年轻老师。
到了初中，凌海滨对数学的兴趣逐渐变得清晰。“感觉这东西有‘想头’，像游戏一样可以琢磨。”他这样形容。解题的过程带来直接的愉悦感，想出解题方法、考试获得高分、得到老师表扬，形成了一个正向反馈循环。他用自己的研究领域做比喻：“在强化学习里，这叫奖励机制。你尝到甜头，就更有动力投入，自然就越做越好。”凌海滨并不将此归结于特别的天赋，而相信是兴趣加上一点努力所带来的结果。
于是，晦涩难懂的数学题，成了他眼中有趣的游戏。凭着这股琢磨的劲头和乐此不疲的练习，凌海滨自然而然地走向了数学竞赛的道路。高三那年，他便拿到数学奥林匹克冬令营的资格，提前保送北京大学。
“当时，在北京大学和清华大学之间犹豫了一下，班主任的儿子在北京读书，听他说北大环境比较宽松，就选了北大。”凌海滨这样描述选择大学的原因，对大学、对北京的模糊概念，只能靠返乡人带来的一点点消息，就这样，“小厂青年”懵懵懂懂地踏入了燕园。
从西南山区到未名湖畔，跨越的不仅仅是地理距离。
“第一学期数学摸底大考，班上几个拿金牌的，半个小时交卷了，我到最后都没做完。”他回忆道。当时北大每年都有学生因无法适应巨大的落差而陷入自我怀疑，严重的还会出现心理问题，凌海滨也去探望过生病的同学。谈到如何面对落差，他说：“接受就好，只要自己努力了，能做到多少算多少，不需要勉强自己。”
这种“接受现实，专注当下”的态度，后来成为凌海滨面对许多人生选择时的性格底色。
在热门的浪潮外
在北大完成从数学到计算机的专业跨越后，凌海滨开始着手选择博士研究方向。
2000年代初，当生物信息学凭借人类基因组计划的东风成为学术界的绝对焦点时，他却选择了一个在当时看来颇为“冷门”的方向：如何教会计算机识别形状多变的树叶，属于计算机视觉的研究范畴。
“那时候生物信息学有多热？”凌海滨回忆道，“一位刚入职的教授，已经有几十篇顶刊论文，也发了Nature，他的课连过道都站满了人。”整个学术界都在追逐基因测序的浪潮，顶级期刊上相关论文层出不穷。
凌海滨也曾尝试接触过这个热门领域。“我去听过那些课，但说实话，我听不进去。”那种感觉，就像他后来描述的，有些问题虽然热门，却无法真正点燃他内心的好奇。一位刚找到教职的师兄坦诚相告：“学术界的热点变得很快，你现在跟风，等四五年后毕业时，这个方向可能就不热了。”因此，他选择跟随自己的兴趣，研究树叶识别这个“小而美”的问题。
博士期间，凌海滨跟随导师与美国史密森尼博物馆的植物学家合作，为野外考察的专家开发一个辅助工具：拍一张树叶照片，就能快速鉴定它的种类。这个任务最大的挑战在于树叶形状的复杂多变性。同一种树叶，在不同季节、不同树龄、甚至不同部位，其轮廓、大小以及是否带有附属的小叶片都有可能天差地别。传统的图像匹配方法在面对这种“非刚性形变”时，显得力不从心。
如何为这些变幻无穷的树叶形状，找到一个稳定、可靠的描述方法？
凌海滨最初的灵感，源于对“距离”这一基本概念的重新思考。他打了个比方：要描述一个形状，最基本的就是描述其上各个点之间的关系，而点和点之间最直接的关系就是距离。但问题来了，如果直接用两点间的直线距离（即欧式距离）来测量，结果会极其不稳定——比如一片枫叶的两个叶尖，当叶片卷曲时，它们在三维空间中的直线距离很近；当叶片舒展时，这个距离又变得很远。计算机无法理解这其实是同一片树叶。
很快，凌海滨找到了解题方法。他为“距离”加了一个巧妙的约束条件，创造性地提出了“内距离”这一概念。想象一下，你不是在空中测量两个叶尖的直线距离，而是要求测量的尺子必须沿着叶片的内部来走。这样一来，无论这片树叶如何弯曲、折叠，只要它的拓扑结构没变，那么其内部两点间的“内距离”就保持了相对的稳定性，更进一步，在此基础上构建的形状描述也能保持相对稳定。无论树叶在四季变化的影响下如何形变，计算机都能精准识别它们的种类。
这个始于“如何识别一片树叶”的朴素思考，最终结晶为“内距离”理论，成为凌海滨叩开学术界大门的重要研究成果之一。而当时的他或许没有料到，这把为解决树叶识别而打造的“新尺子”，很快便量出了远超实验室围墙的广阔天地。