弗朗索瓦·肖莱

维基
, , , ,
1

法裔AI研究员、开源工程师、Ndea联合创始人，以创建Keras和设计衡量通用智能的ARC-AGI基准测试而闻名。

简介
出生 1989年10月20日，法国
国籍 法国
现任机构 Ndea（联合创始人）；ARC Prize基金会（联合创始人）
研究领域 深度学习、计算机视觉、抽象推理、形式化推理、通用人工智能、程序合成
教育背景 工程师文凭（MEng），巴黎高等先进技术学院（ENSTA Paris）/ 巴黎理工学院（2012）
个人网站 fchollet.com
X / Twitter @fchollet
GitHub fchollet
Google Scholar François Chollet — 被引用73,000余次
Substack fchollet.substack.com

概览

François Chollet是一位法国软件工程师和AI研究员，他在谷歌的十年间催生了现代深度学习领域两个最具影响力的成果：Keras框架——它已成为全球构建神经网络的主流高级API；以及ARC-AGI基准测试——它重新定义了该领域衡量通用智能进展的方式。他的Xception架构是CVPR会议论文集中被引用次数最多的十篇论文之一，引用量超过18,000次，他的著作《Python深度学习》销量超过100,000册。在谷歌工作超过九年后，他于2024年11月离职，共同创立了Ndea——一个致力于通过深度学习引导程序合成实现AGI的研究实验室——以及ARC Prize基金会，这是一个非营利组织，旨在协调和资助通往通用智能的开放研究进展。他是该领域中对“扩展大型语言模型足以实现AGI”这一观点最著名的怀疑者之一。

早年生活与教育

Chollet于1989年10月20日出生于法国。他于2012年获得巴黎理工学院旗下精英院校——巴黎高等先进技术学院（ENSTA Paris）的工程师文凭（相当于工程学硕士）。毕业后，他早期的独立项目展现了异常广泛的技术范围：他构建了Wysp——一个面向艺术家的社交网络和学习平台，在2014-2015年间月活跃用户数达到约25,000人的峰值；以及QuickAnswers.io——一个问答引擎，它采用的技术——标准化查询、执行网络搜索、提取相关片段并将其传递给LSTM语言模型——后来被称为检索增强生成（RAG）。这两个项目都反映了他早期对帮助人们学习和获得更大自主权的系统的兴趣，这一主题贯穿了他整个职业生涯。

职业生涯

谷歌（2015-2024）

2015年，Chollet在发布Keras后不久便开始在谷歌工作。他曾担任高级员工工程师，主要负责Keras，并为TensorFlow和更广泛的Google Brain研究项目做出贡献。

Keras。 于2015年3月27日发布，Keras被设计为用户优先的高级神经网络API。其明确的理念——API设计是一种用户体验设计，开发者的时间和认知负荷至关重要——使其成为深度学习从业者和研究人员的主流入门层，尤其是在TensorFlow的低级接口构成显著进入壁垒的时期。Keras后来被采纳为TensorFlow的官方高级API，并为包括YouTube、Waymo、Spotify、Uber和Netflix在内的公司的AI开发提供支持。随着Keras 3（2023年）的发布，它变得与后端无关，支持TensorFlow、JAX和PyTorch。

Xception。 他2016年的论文《Xception: Deep Learning with Depthwise Separable Convolutions》发表于CVPR 2017，提出了用深度可分离卷积替代标准卷积层——这一思想已隐含在Inception架构中，但Chollet将其形式化并推至逻辑终点。该论文是CVPR会议论文集中被引用次数最多的十篇论文之一，引用量超过18,000次，并影响了包括MobileNet和EfficientNet在内的后续架构。

形式化推理研究。 除了框架工作，Chollet还为谷歌的深度学习应用于数学推理项目做出了贡献，包括DeepMath（NeurIPS 2016，与Alemi、Szegedy等人合作）关于定理证明的前提选择，以及HolStep（ICLR 2017，与Kaliszyk和Szegedy合作）——一个用于高阶逻辑的机器学习数据集。他还合著了关于深度可分离卷积用于神经机器翻译的论文（ICLR 2017，与Kaiser和Gomez合作），并为Tensor2Tensor库做出了贡献。

ARC-AGI基准测试。 2019年，Chollet发表了《论智力的度量》（arXiv 1911.01547），这是一篇理论性论文，将智力形式化定义为在新任务上的技能获取效率，并引入了抽象与推理语料库（ARC-AGI）作为基准测试。ARC-AGI专注于流体智力——推理和解决新问题的能力——而非基于累积知识的晶体智力，并且仅限于所有人类从早期发展就具备的核心知识先验。该基准测试被特意设计为对人类容易，而对依赖训练数据插值的AI系统困难。

2024年，Chollet发起了ARC Prize——一个旨在解决ARC-AGI基准测试的100万美元竞赛。当OpenAI的o3模型在高计算量下达到ARC-AGI-1约87%的准确率时，该竞赛引起了广泛关注，Chollet承认这是一项意义重大的突破，与他一直倡导的程序搜索方向一致。ARC Prize系列此后已扩展到ARC-AGI-2和ARC-AGI-3，逐步增加难度的迭代。

Chollet在谷歌工作超过9年后，于2024年11月离职。

Ndea / ARC Prize基金会（2025年至今）

2025年1月，Chollet与Zapier联合创始人Mike Knoop共同创立了Ndea，这是一个新的AI研究实验室，其既定目标是通过深度学习引导的程序合成来构建AGI。Ndea这个名称源自希腊语中直觉理解（ennoia）和逻辑推理（dianoia）的概念，反映了其双重技术方法。Ndea完全采用远程办公，并在组建一支它所说的世界级程序合成研究团队。2025年初，Chollet还将ARC Prize扩展为一个成熟的非营利基金会，以指导和加速通往AGI的研究进展。

主要贡献

  • Keras——创建并领导了2015年3月发布的Python深度学习框架，现已成为全球最广泛使用的深度学习库之一。其API优先、以用户为中心的理念为机器学习工具的可及性树立了新标准。Keras 3将其扩展以支持TensorFlow、JAX和PyTorch后端。

  • Xception: Deep Learning with Depthwise Separable Convolutions（CVPR 2017）——CVPR会议论文集中被引用次数最多的十篇论文之一，引用量超过18,000次。形式化了随后十年许多最高效卷积网络所依据的架构原理。

  • ARC-AGI基准测试（《论智力的度量》，arXiv 2019）——提出了一种严谨、可操作的智力定义，即技能获取效率，并引入ARC-AGI任务集作为测量工具。已成为评估AI系统通用推理能力的事实标准参考基准。

  • ARC Prize（2024年至今）——2024年发起的100万美元竞赛，旨在加速ARC-AGI的开放进展，随后扩展为一个基金会（ARC Prize基金会）和一系列不断发展的基准测试（ARC-AGI-1, 2, 3）。

  • 《Python深度学习》（Manning出版社，2017年；第二版2021年；第三版2025年）——销量超过100,000册，并被翻译成至少十二种语言；是该领域阅读最广泛的入门教材之一。

  • DeepMath（NeurIPS 2016）——与Alemi、Szegedy等人合著；将深度序列模型应用于形式定理证明的前提选择，这是深度学习在数学推理任务上的早期展示。

  • HolStep（ICLR 2017）——与Kaliszyk和Szegedy合著；引入了一个用于高阶逻辑定理证明机器学习研究的大规模数据集。

  • QuickAnswers.io（2014年，已停用）——检索增强生成（RAG）的早期原型，建于此术语被创造多年之前，它标准化用户查询、检索网页片段，并通过LSTM语言模型生成上下文相关响应。

  • Keras Tuner——面向Keras的开源超参数调优库，于2019年发布，简化了从业者的神经架构搜索。

奖项与认可

  • TIME100 AI（2024年）——被《时代》杂志评为AI领域最具影响力的100人之一。
  • 全球瑞士AI奖（2021年12月）——因AI突破性进展而获奖。
  • Google Scholar引用——所有出版物总计超过73,000次引用。
  • CVPR被引次数前十的论文——Xception是CVPR历史上被引用次数最多的十篇论文之一。
  • Keras的采用——该框架被主要公司用于生产环境，并已成为世界各地数百所大学课程中教授深度学习的首选工具。

主要关系

  • Mike Knoop——Ndea和ARC Prize的联合创始人；Zapier联合创始人，为该事业带来系统构建和产品经验。
  • Christian Szegedy——在谷歌期间在形式化推理、定理证明和深度学习数学基础方面的频繁研究合作者（DeepMath, HolStep）。
  • Łukasz Kaiser——深度可分离卷积用于神经机器翻译和Tensor2Tensor库的合著者。
  • J. J. Allaire——《R语言深度学习》（Manning出版社，2018年）的合著者；这次合作将Chollet的教育使命扩展到了R语言统计计算社区。
  • Jeff Dean——作为Google Brain的负责人，他倡导将Keras集成为TensorFlow的官方高级API，极大地扩展了Keras的影响力。
  • Lex Fridman——主持了与Chollet的两次长篇对话（2019年、2020年），向广大公众展示了他对深度学习局限性和智力本质的思考。
  • Elizabeth Spelke——哈佛大学发展心理学家，其关于先天认知先验的核心知识理论直接影响了ARC-AGI的设计理念，并在该基准测试的 rationale 中被明确引用。

个人风格

在一个通常由基准测试追逐和产品公告主导的领域中，Chollet是一位格外有原则的散文家：《深度学习的局限性》（2017年）、《智力爆炸的不可信性》（2017年）和《我对AI的担忧》（2018年）等文章在他所预见的辩论成为主流之前的数年，就提出了明确且往往是反传统的立场。他的技术文章兼具精确性和哲学性，将关于智力的抽象问题扎根于具体的操作性定义。在公共话语中，他始终倡导AI工具的民主化——这一价值观已经内建在Keras的设计中——并一直批评AI权力集中在大型科技公司手中。他创作音乐（在SoundCloud上）和视觉艺术，这些兴趣与他的技术工作并存而非分离，并影响了他的观点，即智力、创造力和泛化之间的关系比狭隘的基准测试表现所暗示的要深刻得多。

参考资料