AI方向的实验室调研（截至18年，未更新）
目录
国内
中科院
自动化所-智能感知与计算研究中心
计算所
智能信息重点实验室
西电
清华大学
计算机系-智能技术与系统国家重点实验室
自然语言处理与社会人文计算实验室
自动化系
北大
机器感知与智能教育部重点实验室---机器学习研究室
深度学习实验室
浙江大学
计算机院
图形与并行系统实验室
南京大学
机器学习与数据挖掘研究所
香港中文大学
Multimedia Laboratory
西安交通大学
人工智能与机器人研究所
美国
麻省理工大学
MIT’s Computer Science and Artificial Intelligence Laboratory, CSAIL
Media Lab
斯坦福大学
Stanford Artificial Intelligence Laboratory
视觉实验室
The Thrun Lab
纽约大学
NYU Center for Data Science
卡内基梅隆大学
Robotics Institute
National Robotics Engineering Centre （NREC）
Language Technologies Institute （LTI）
加州大学伯克利分校（Cal）
Berkeley Vision and Learning Center
Robotics and Intelligent Machines Lab
自动化科学和工程实验室
加州理工学院（CalTech）
Department of Computer+Mathematical Science
伊利诺伊大学厄巴纳-香槟分校（UIUC）
CENTER FOR ADVANCED ELECTRONICS THROUGH MACHINE LEARNING (CAEML)
加利福尼亚大学洛杉矶分校UCLA
CCVL | Center for Cognition, Vision, and Learning
University of Illinois at Chicago UIC
artificial intelligence lab
佐治亚理工学院（Georgia Institute of Technology）
The Center for Machine Learning
The Laboratory for Interactive Artificial Intelligence
华盛顿大学
宾夕法尼亚大学UPENN
伍斯特理工学院（WPI）
Artificial Intelligence Research Group
普林斯顿大学（Princeton）
Center for Statistics and Machine Learning
3D Visione Lab
PRINCETON VISUAL AI LAB
Statistical Machine Learning Lab
Seung Lab
康奈尔大学（Cornell ）
Machine Learning Lab
Robot Learning Lab
美国南加州大学（USC）
MACHINE LEARNING CENTER
芝加哥大学（UChicago）
哥伦比亚大学（Columbia ）
Machine Learning - Columbia CS - Columbia University
加拿大
多伦多大学 （UofT）
蒙特利尔大学Université de Montréal
机器学习实验室(MILA)
滑铁卢大学（UW）
Machine Learning and Intelligence
ECE Machine Learning Lab
AI Group
Computational Statistics Research Group
麦克马斯特大学（McMaster）
McMaster.AI
英国
布里斯托大学
Intelligent Systems Laboratory，ISL
牛津大学
爱丁堡大学(Edinburgh)
Artificial Intelligence at Edinburgh
埃克塞特大学(University of Exeter)
Machine learning research
赫特福德大学(University of Hertfordshire)
MSc in AI with Robotics
瑞士
人工智能研究所SUPSI
苏黎世理工ETH
人工智能实验室
Institute for Machine Learning
意大利
锡耶纳大学
The Siena College Institute for Artificial Intelligence,SCIAI
德国
慕尼黑工业大学（TUM）
Computer Vision Group
以色列
耶路撒冷希伯来大学
The HUJI Machine Learning Lab
日本
大阪大学
智能机器人研究所
早稻田大学
加藤实验室
其它机构
AI Expriments
Research at Google
MACHINE LEARNING ADVANCED SOLUTIONS LAB
Google 量子人工智能实验室
百度
Baidu research labs
Face book research
FAIR
Microsoft
Microsoft Research Lab – Asia(MSRA)
OpenAI
国内
中科院
自动化所-智能感知与计算研究中心
谭铁牛
谭铁牛博士主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作，目前的研究主要集中在生物特征识别、图像视频理解和信息内容安全等三个方向。研究方向包括动态场景的计算机视觉监控、基于人的行为和生物特征的人物识别与身份鉴定以及数字多媒体数据的水印处理等。
模式识别国家重点实验室研究员和生物识别与安全技术研究中心主任,智能视觉物联网研发中心主任
李子青
李子青的研究领域包括统计模式识别与机器学习理论，以及生物特征识别、智能视频监控，图像处理与计算机视觉，图像与视频理解。 学术研究积极活跃，发表论文 200 多篇，撰写编写著作8 部，其中《图像分析中的马尔可夫随机场模型》 (Springer 1995, 2nd edition 2001, 3rd edition 2009) 被誉为"图像分析领域里程碑意义的工作的，他引超过2000次（by Google Scholar）。受Springer 之邀主编 《生物特征识别百科全书》(Encyclopedia of Biometrics, Springer 2009) 和《人脸识别手册》(Springer, 1 edition 2005, 2 edition 2011)。曾任IEEE Transactions on Pattern Analysis and Machine Intelligence 副主编，2004年来担任70余个国际学术会议大会主席、程序主席，或程序委员。
计算所
山世光
论文曾获国际会议CVPR2008大会Best Student Poster Award Runner-up奖。所发表论文被国内外同行引用7000余次（Google Scholar），领导课题组完成的人脸识别系统多次获得国内外人脸识别竞赛第一名，所完成的人脸识别研究成果获2005年度国家科技进步二等奖（第3完成人）。目前承担着国家基金委“优青”项目、面上项目、多个企业合作项目等。
主要研究方向及内容：
1、人类视觉系统启发的视觉计算模型
人类眼-脑视觉系统具有非凡的视觉能力，是研究计算机视觉以及机器学习的良好参照系。生物系统的哪些规律是值得借鉴的？如何借鉴它们以设计视觉计算模型？作为研究视觉计算模型的技术路线之一，我们期望通过借鉴脑科学、认知神经科学、认知心理学、心理物理学等领域的研究成果，提出新的更好的计算机视觉理论、方法和技术。
2、 数据驱动的统计视觉计算模型
如果说借鉴人类视觉系统建立视觉计算模型是知识驱动的方法，那么数据驱动则是建立视觉模型的第二途径。通过收集大量的图像或视频，采用无监督、半监督或有监督的统计学习方法，设计合理的优化目标，通过优化层级连接模型的结构和参数，学习能够满足数据的模型。为此，我们尤其关注基于小数据的深度模型学习，基于脏乱差弱标注数据的模型学习，模型的结构进化和迁移学习等问题。
3、人脸识别理论、方法与关键技术
人脸识别是典型的视觉难题，也是验证上述视觉计算模型的典型应用案例。为此，我们关注人脸识别模型的设计和学习方法，探讨人脸识别与其他物体识别问题的异同，研究针对不同应用场景的人脸识别关键技术和方法。
智能信息重点实验室
陈熙霖
近年来主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。先后主持过自然科学基金重点项目、863计划等项目的研究工作。先后获得国家科技进步二等奖三项，省部级科技进步奖7项，获得国家发明专利四项，合作出版专著1本，在包括IEEE Transactions在内的国内外刊物和会议上发表论文100多篇。担任过十多个国际学术会议的程序委员会委员。
研究方向:多模式人机交互，多媒体技术，图像理解，模式识别
西电
高新波---综合业务网理论及关键技术国家重点实验室（通信与信息安全方向）
主要从事机器学习、计算智能和视觉信息处理、分析和理解以及无线通信等领域的研究工作， 发表SCI检索的论文100余篇、EI检索的论文200余篇，其中在重要国际学术期刊和会议上发表论文80余篇，申请国家发明专利20项、软件著作权12项。
国家自然科学基金重点项目“临地空间信息栅格网理论与关键技术”
国家自然科学基金重点项目“日侧冕状极光的分类及其产生机制研究”
国家自然科学基金项目“基于广义稀疏表示的异质人脸图像变换和质量评价”
中央高校基本科研业务费专项资金资助项目“综合遥感影像一体化张量分析理论方法体系与关键技术研究”
清华大学
计算机系-智能技术与系统国家重点实验室
朱军（官网介绍http://www.tsinghua.edu.cn/publish/cs/4616/2014/20141204083315548241718/20141204083315548241718_.html ）
研究领域：机器学习、非参数化贝叶斯方法、最大间隔学习、数据挖掘
研究概况：研究工作围绕机器学习基础理论、算法和应用展开，注重理论与实际问题结合。针对复杂数据隐含结构的学习与利用中的共性问题，研究了结构学习及基于结构的统计学习中若干关键问题，提出：（1）最大熵判别式学习的PAC-Bayes理论与方法；（2）正则化贝叶斯推理及正则化非参数贝叶斯推理理论；（3）非参数化贝叶斯模型的最大间隔学习理论与高效算法等。针对互联网数据挖掘、社交网络分析、多模态数据融合、网络推荐等多个典型应用场景，将基础理论与实际问题结合，提出有效的计算模型和算法，包括：（1）将正则化贝叶斯推理用于解决大规模文本分类、社交网络分析、矩阵低秩分解、多模态数据融合等问题，提出高效推理算法；（2）将结构化最大熵判别式学习用于解决网络环境下信息抽取、实体关系抽取、多模态数据融合与检索等问题，建立了基于结构的网络数据抽取框架及包括StatSnowball在内的若干统计模型，获3项美国专利，研究成果已应用到微软的多个搜索引擎，包括人立方关系搜索引擎和学术搜索引擎等。
上述成果已连续多年在机器学习顶级国际会议和杂志ICML、NIPS、UAI、IJCAI、AAAI、 JMLR、PAMI等发表论文50余篇。受邀担任人工智能与模式识别顶级期刊PAMI的编委，担任机器学习顶级会议ICML 2014、ICML 2015、IJCAI 2015、UAI 2014、NIPS 2013等的领域主席，担任ICML 2014的地区联合主席。研究工作得到国家973计划（课题负责人）、自然科学基金优青基金和重点基金等项目的支持，入选“清华大学221基础研究人才支持计划”。
胡晓林
研究课题：国家自然科学基金（青年）: 基于KKT条件的优化递归神经网络簇设计（2009-2011）;国家自然科学基金（面上）：基于稀疏编码模型的深层学习神经网络（2013-2016）
研究概况：我目前的工作集中在计算机科学与认知神经科学的交叉方向，研究兴趣包括人工神经网络和计算神经科学。一方面，我对揭开大脑的奥秘感兴趣，尤其是大脑处理感觉信息和决策信息的机制，主要使用的工具是层次化的计算模型和贝叶斯理论。目前也在尝试用功能性核磁共振成像(fMRI)结合机器学习的方法探索大脑的工作机制。另一方面，我对受大脑启发的计算方法感兴趣。前些年，我的研究集中在设计递归神经网络求解优化相关的问题。现在正在尝试结合更多的认知神经科学方面的知识，提高深度学习模型在物体识别和检测方面的精度和效率。
近年来，我们针对大脑的视觉腹侧通路的信息处理机制做了一些工作，建立了一系列层次化模型用来解释通路上各层（包括V1, V2, IT等区域）神经元的反应特性。两个较典型的工作是对HMAX模型进行改造，加上稀疏特性和反馈连接，能更好地解释一系列的神经科学数据，相关结果分别发表在PLoS ONE (2014)和Neural Computation (2010)上。
关于受大脑启发的计算方法，在过去的近十年间，我的大部分工作集中在递归神经网络求解优化问题的理论和方法上，深入挖掘了已有模型的特点，并设计了一系列新的模型，相关成果发表在多篇IEEE汇刊上。近年来，在深度学习方面也做了一些工作。在IJCNN2013年德国交通标志检测比赛中，我们使用卷积神经网络在两类标志上获得了第2名和第4名。除了物体识别和检测，图像的显著性区域检测也是我比较关注的应用。我们借鉴心理学中的一个理论Reverse Hierarchy Theory，构建了一个层次化模型，能较好地预测人眼在图像中的注视点。该成果被计算机视觉的重要会议CVPR’14录用。
自然语言处理与社会人文计算实验室
刘知远（官网介绍 http://www.tsinghua.edu.cn/publish/cs/4616/2014/20140321155236367361792/20140321155236367361792_.html ）
主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位，已在AAAI、IJCAI、ACL等人工智能领域的著名国际期刊和会议发表相关论文30余篇，Google Scholar统计引用超过1200次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖，入选CCF-Intel青年学者提升计划、中国科协青年人才托举工程。担任中文信息学会青年工作委员会执委、副主任，中文信息学会社会媒体处理专委会委员、秘书，SCI期刊Frontiers of Computer Science青年编委。担任ACL、IJCAI、AAAI、NAACL、EMNLP、WWW、WSDM等著名学术会议的程序委员会委员以及TKDE、TOIS、JCST等著名学术期刊审稿人。
国家自然科学基金面上项目：大规模知识图谱的分布式表是学习、知识获取与推理应用(2016-2019)
国家自然科学基金青年基金项目：基于协同语义计算的社交媒体信息扩散与可信性研究(2013-2015)
自动化系
张长水 负责大眼睛实验室
模式识别，机器学习，人工智能，计算机视觉，图像处理，进化计算，复杂网络等研究领域以及和工业界的合作。近几年在国际期刊和会议上发表学术论文超过100篇，其中包括国际权威期刊Pattern Recognition，TNN，TKDE，IEEE Transaction on Multimedia，以及国际顶级会议IJCAI，AAAI，NIPS，ICML，ECML，SIGIR，CVPR等。
研究课题：指纹识别，人脸识别，生物特征识别，工业线路板检测，BBS回文网络分析，图书借阅网络的挖掘与分析
编著书籍：1. 阎平凡，张长水，人工神经网络与模拟进化计算，清华大学出版社，2000，11，北京 2.《智能信息处理和智能控制》，浙江科学技术出版社，1999，合著 3. David Zhang,Automated Biometrics: Technologies and Systems, Kluwer Acdemic Publisher, USA, June,2000。合著
北大
机器感知与智能教育部重点实验室---机器学习研究室
林宙辰
主要研究领域：机器学习，模式识别，计算机视觉，图像处理，数值计算与优化
主要学术任职：IEEE Trans. Pattern Analysis and Machine Intelligence编委（国际顶尖期刊，中国大陆第四个编委）、International J. Computer Vision编委（国际顶尖期刊，中国大陆第一个编委）、Neurocomputing编委、IEEE高级会员（Senior Member）
Area Chair: IEEE Conf. on Computer Vision and Pattern Recognition (CVPR), 2014（国际顶尖会议，中国大陆第二个Area Chair）
深度学习实验室
张志华
北京大学数学科学学院统计学教授，北京大数据研究院教授。之前曾经先后任教于上海交通大学和浙江大学，任聘计算机科学教授。主要从事于统计机器学习与人工智能领域的研究和教学。是国际机器学习旗舰刊物Journal of Machine Learning Research的执行编委，并多次受邀担任国际人工智能顶级学术会议的程序委员或高级程序委员。其网络公开课“统计机器学习”和“机器学习导论”受到广泛关注。
科研项目：深度学习：深度强化学习、自然语言处理、游戏娱乐、深度学习优化算法等；机器学习基础：贝叶斯方法、大规模机器学习模型的求解算法等；理论计算机科学：随机算法、在线博弈、区块链等；
浙江大学
计算机院
何晓飞（官网介绍 http://www.cs.zju.edu.cn/chinese/redir.php?cust=people&id=22887）
研究领域与方向：计算机视觉、机器学习、互联网数据挖掘
研究成果：近年来主要从事计算机视觉、机器学习、互联网数据挖掘等方面的研究，在流形学习、数据挖掘、图像检索等领域取得了重要进展。其提出的保局投影（LPP）是流形学习领域的代表性算法，提出的Laplacianfaces是继Eigenface、Fisherface之后基于子空间人脸识别领域的又一重要算法。目前担任IEEE Transactions on Knowledge and Data Engineering (TKDE)、IEEE Transactions on System, Man and Cybernetics – Part B (TSMCB)等国际顶级期刊编委。
蔡登（个人主页：http://www.cad.zju.edu.cn/home/dengcai/）
研究领域与方向：机器学习、计算机视觉、信息检索
图形与并行系统实验室
周昆
潘纲
中国计算机学会普适计算专委会秘书长，中国计算机学会多媒体专委会委员，中国图像图形学会多媒体专委会委员，中国人工智能学会脑机融合与生物机器智能专委会委员。分别于1998年、2004年获得浙江大学学士与博士学位，2007年美国加州大学洛杉矶分校(UCLA)访问。入选教育部新世纪优秀人才支持计划、浙江省杰出青年基金、浙江省“钱江人才”计划。主要研究方向为普适计算、计算机视觉、脑机交互等。近年来，主持国家自然科学基金、863计划、浙江省自然科学基金等科研项目20余项。已发表论文100多篇（包括IEEE TIP、IEEE TITS、IEEE IS、PLoS ONE、ACM Computing Survey等权威期刊，以及CVPR, ICCV, IJCAI, Ubicomp等国际一流会议），获授权发明专利17项。相关成果曾获国内外众多媒体报道与关注，包括中央电视台、新华社、人民日报、China Daily、凤凰卫视等华语媒体，以及《New Scientist》、《Wired》等国外知名媒体网站。担任IEEE Systems Journal编委，担任IEEE TPAMI、TIP、TVCG、PR等多个国际期刊审稿人，曾任20多个国际学术会议程序委员会委员。获国家科技进步二等奖（排名第2）。
南京大学
机器学习与数据挖掘研究所
周志华
主要从事人工智能、机器学习、数据挖掘等领域的研究工作。主持多项科研课题，出版《机器学习》(2016)与《Ensemble Methods: Foundations and Algorithms》(2012)，在一流国际期刊和顶级国际会议发表论文百余篇，被引用两万余次。主编文集多部。获发明专利二十余项。现任 Frontiers of Computer Science 执行主编，中国科学: 信息科学 等刊副主编，Machine Learning, IEEE Trrans PAMI 等刊的Associate Editor / 编委，曾任 科学通报 副主编(2008-2014)，IEEE TKDE (2008-2012), IEEE TNNLS (2014-2017), IEEE TCDS (2015-2016), ACM TIST (2009-2017), Neural Networks (2014-2016) 等刊的Associate Editor / 编委等；亚洲机器学习会议(ACML)发起人及指导委员会主席，ICDM、PAKDD、PRICAI指导委员会委员，国际人工智能联合会议(IJCAI 2015-2016) 顾问委员会委员，数十次担任国际学术会议主席
俞杨
香港中文大学
Multimedia Laboratory
多媒体实验室---计算机视觉黄埔军校
汤晓鸥
王晓刚
欧阳万里
林达华
贾佳亚
Below we list down some of the recent advances and developments in the deep learning field:
Deep Learning makes MIT Tech Review’s list of top-10 breakthroughs of 2013.
Won ImageNet 2012 challenge on recognizing 1000 different types of object.
Most of the approaches in ImageNet 2013 challenge use deep learning models.
Deep learning is becoming a mainstream technology for speech recognition at industrial scale.
Won the competition to predict job salaries from job advertisements
Find molecules for potential new drugs.
Won ICPR 2012 mitosis detection in breast cancer histological images.
Won MICCAI 2013 Grand Challenge on mitosis detection.
Best artificial offline recognizer of Chinese characters from the ICDAR 2013 competition.
Won brain image segmentation contest.
Baidu opens a deep learning lab in the Silicon Valley.
Yahoo acquires startup LookFlow to work on Flickr And ‘Deep Learning’.
Facebook is setting up a deep learning team.
Google and Baidu announced their deep learning (specifically, convolutional neural network) based visual search engines.
西安交通大学
人工智能与机器人研究所
主要进行以计算机视觉与模式识别为基础的智能信息处理结合学科发展前沿，重点进行视觉信号统计特性、初级视觉模型、计算机图形学和机器视觉信息计算模型研究；智能系统的数理机制探索与模型化；计算视频及面向图像和视频处理的超大规模专用集成电路设计；基于图像信息的智能控制与识别系统和各种图像处理方法与技术。
郑南宁
提出图像分析和视觉知识描述新方法，为构造计算机视觉系统和基于图像信息的智能控制系统，提供了理论指导和关键技术。完成了“精密装配机器人机器视觉系统”研究。发明了一种图像边缘曲线拟合的新方法。完成了“高性能机器视觉及车型与牌照自动识别系统。提出在线交互式立体测深方法，研制出“X线数字减影血管造影系统”及“DSA1250数字减影血管造影系统”。研制出具有自主知识产权的数字电视扫描制式转换及视频处理芯片。
美国
麻省理工大学
MIT’s Computer Science and Artificial Intelligence Laboratory, CSAIL
Algorithms & Theory
Foundational work that includes complexity, parallel computing and game theory
AI & Machine Learning
Spanning natural language processing, deep-learning, computer vision and more
Computational Biology
Understanding disease via epigenomics, gene regulation and bioinformatics
Computer Architecture
How CPUs, memory and other systems are designed and organized
Graphics & Vision
Teaching computers to interpret, create and animate visual data
Human-Computer Interaction
Software and hardware that let us naturally interact with technology
Programming Languages & Software
From compilers and verification to software design and engineering
Robotics
Vision, actuation, sensing and manipulation of machines
Security & Cryptography
Developing technologies to prevent and recover from cyber-attacks
Systems & Networking
From distributed systems and databases to wireless
Media Lab
Alex “Sandy” Pentland
在任职于MIT(麻省理工大学)的教授这期间，他创建多个公司，如IDcubed.org、 Sense Networks、Cogito Health、 Ginger.io等。根据他所取得的成就，福布斯（Forbes）称他是世界上最有力量的数据科学家（the ‘World’s Most Powerful Data Scientist’ ）。被任命为多个跨国公司(MNCs)的顾问(an advisor)，如Nissan、Motorola、HBR、Telefonica等。主要兴趣在机器学习、人工智能与人类计算(Human computing)等领域。
斯坦福大学
Stanford Artificial Intelligence Laboratory
人工智能实验室
成立于1962年，50多年来一直致力于推动机器人教育。由于斯坦福与硅谷的特殊联系，斯坦福的学生有更多机会将他们的发明商业化。斯坦福大学在2014年底宣布了一个长达100年的人工智能研究计划，可见其在人工智能研究方面的投入和决心。另外，斯坦福大学在网上公开了许多他们有关机器人和深度学习的课程。在斯坦福人工智能实验室的教授团队中，最为华人熟悉的是Andrew Ng（吴恩达），他是世界上machine learning（机器学习）领域的大师，在斯坦福教授的machine learning课程十分受欢迎。同时，他还曾在Google公司的“谷歌大脑”项目中担当要职，帮助谷歌建立全球最大的“神经网络”，这个神经网络能以与人类大脑学习新事物相同的方式学习现实生活。2014年，Andrew加入百度担任百度首席科学家。斯坦福的华人李飞飞参与建立了著名的ImageNet计算机视觉识别数据库及挑战赛，其每年都会吸引各大公司的图像识别程序的参加，极大促进了图像识别领域的技术发展。目前，李飞飞是斯坦福人工智能实验室的主管。
视觉实验室
DAGS，Daphne's Amazing (or Approximate) Group of Students
Daphne Koller
在攻读博士期间， 获得了很多奖项，如杰出青年科学家奖（ONR Young Investigator Award）、ACM Infosys 基金（ACM Infosys由Infosys公司创立于2007年8月。旨在奖励在计算机科学界做出杰出贡献并有深远影响的人才）、2001IJCAI计算机和思维奖 （Computers and Thought Award）、麦克阿瑟奖（MacArthur Foundatin Fellowship，俗称“天才奖”，被视为美国跨领域最高奖项之一）。她已在斯坦福大学任职了18年。她的主要兴趣领‘域是机器学习、人工智能与模式识别等。
The Thrun Lab
We are a team of expert computer scientists with the singular aim of significantly helping society through artificial telligence technologies, and are constantly on the lookout for high-impact projects.We have worked on robotics, self-driving cars, automated homes, healthcare, drones, and a number of other applications.We currently focus on three areas: AI for healthcare, AI for people-prediction, and smart-homes.
Sebastian Thrun
Udacity的创始人与CEO。在此之前，他创建了Google X并作为副总裁（Vice President，VP）在Google工作了7年，并在斯坦福大学担任研究教授（Research Professor）。他旨在大众化教育，让每个人都有机会学习世界各地的课程。他的梦想是让世界上每个人接受到更好的教育是这个世界更加美好。他的主要研究领域是机器学习与人工智能。
纽约大学
NYU Center for Data Science
数据科学中心
Data science creates meaning from vast amounts of complex data.Using automated analytical methods, it reveals patterns humans alone might never see. Data science combines aspects of: COMPUTER SCIENCE，APPLIED MATHEMATICS，STATISTICS，MACHINE LEARNING，VISUALIZATION
Yann Lecun
他是Hinton的学生，在皮埃尔玛丽居里大学获得了计算机科学博士学位，期间提出后向传播算法。他如今在Facebook带领团队进行人工智能工作，即他是Facebook人工智能实验室的负责人。他在纽约大学任职了12年，是纽约大学的终身教授，是纽约大学数据科学中心的负责人。为了表彰他在深度学习领域里所作出的贡献，IEEE计算机学会颁给他着名的“神经网络先锋奖”，在2014年北京计算智能大会上授予。在加盟Facebook之前，Lecun已在贝尔实验室工作超过20年，期间他开发了一套能够识别手写数字的系统，叫作LeNet，用到了卷积神经网络(Cnvolutional Neural Networks, CNN)，已开源。他研发了很多关于深度学习的项目，并且拥有14项相关的美国专利。他甚至开发了一种开源的面向对象编程语言Lush，比Matlab功能还要强大，并且也是一位Lisp高手。他在机器学习、深度学习、计算机视觉、计算神经科学领域进行了深度研究。
卡内基梅隆大学
Robotics Institute
机器人学院
1979年成立了，专门在机器人科技领域进行实践和研究，这个学院还是全世界第一个推出机器人PHD项目的大学。RI在无人驾驶，智能制造，图形，视觉以及空间、医疗机器人等各个领域全面开花，成为了全美最老牌和最成功的机器人学院之一。
National Robotics Engineering Centre （NREC）
与政府及商业机构合作，进行高端项目研究。同时，卡内基梅隆大学还是NASA航空航天科研任务的主要承制单位之一,该校的机器人研究所从事过自动驶车、月球探测步行机器人,单轮陀螺式滚动探测机器人的研究。目前Rachel Burcin是卡内基梅隆大学的全球项目主管
NREC develops and matures robotics technologies and solutions from concept to commercialization. Our unique expertise places us at the forefront of unmanned ground vehicle design, autonomy, sensing and perception, machine learning, machine vision, operator assistance, 3D mapping and position estimation. NREC also leads in educational outreach through its Robotics Academy, which creates robotics curricula and software for K-12 and college-level students.
Language Technologies Institute （LTI）
语言技术研究所
在机器翻译、信息检索方面实力强劲。其余研究方向包括计算语言学、信息检索、语音识别与合成、计算生物学、机器学习、文本挖掘、知识表示法、计算机辅助语言教学、智能语言辅导等。曾帮助IBM开发沃森系统，其中，做出了两个直接贡献：一是来源扩展算法，用于确定用来回答关于既定主题的问题的最佳文本资源，二是答案评分算法，该算法增进了沃森用来判断某个修选答案在何时可能正确的能力。
MLD更倾向于基础的机器学习算法，模型的研究，相对于MLD，LTI更偏向于把机器学习的模型应用到实际问题上来。
Jurgen Schmidhuber
自然语言处理学者与专家， 是国际计算语言协会（ACL）的首批Fellow，曾任ACL2001年主席。他主要的研究工作是机器学、RNN（Recurrent Neural Networks，递归神经网络）、深度学习、计算机视觉以及自然语言处理等。他早机器翻译、自动文摘、自动问答、文本理解等领域作出了杰出的贡献。他自述目前自己最感兴趣的两个方向是语言计算机理解：计算机对一篇整体的文本而不是对一个个句子进行孤立的理解，这中间需要进行指代消解、实体解析和实体链接 等很多工作。另一个是社会媒体，他目的并不是研究连接网络的拓扑结构，而是研究流经网络的海量的实时化的内容，从而发现人的性格、角色和特长等。他的研究 已广泛应用于Google、Microsoft、IBM、Baidu、Facebook、Twitter等公司，特别是在递归神经网络中作出的贡献，如广 泛使用的LSTM(Long Short-Term Memory，长短时记忆)与最新的据说胜过LSTM的CW-RNN(Clockwork RNN，时钟驱动递归神经网络)。他已经发表了333篇论文，有7篇最佳论文。获得了2013年国际神经网络社会（International Neural Networks Society）的Helmholtz奖（亥姆霍兹奖），并获得2016年该会议的先锋奖。
加州大学伯克利分校（Cal）
Berkeley Vision and Learning Center
很多牛人，其中Pieter Abbeel做强化学习比较厉害
Robotics and Intelligent Machines Lab
机器人和智能机器实验室
致力于用机器人复制动物的行为。
自动化科学和工程实验室
Demonstrate Cam Demonstrate Cam Demonstrate Cam
Berkeley Laboratory for Automation Science and Engineering
从事广泛的机器人功能的研究，如机器人辅助外科手术和自动化制造。还有计算机可视化小组，学生可以学到如何帮助机器人能“看的见”。加州大学伯克利分校研发的一个机器人可以自己拧开瓶盖。
加州理工学院（CalTech）
Department of Computer+Mathematical Science
关于机器学习的项目:
Related research groups & Centers ：CDS, CD3, Center for Data Science and Technology, CMI, CNS, DOLCIT, RSRG
DOLCIT
-- statistical decision theory, machine learning, and optimization
Computational Vision
-- computer vision, perception, and behavior studies
Yisong Yue
Center for Autonomous Systems and Technologies (CAST)
2017年10月份新开的一个drone Lab，相关新闻 http://www.latimes.com/local/lanow/la-me-caltech-drone-lab-20171024-htmlstory.html
伊利诺伊大学厄巴纳-香槟分校（UIUC）
此校机器学习研究的所有相关介绍，包括项目、课程等： http://ml.cs.illinois.edu/
Research Groups：
Cognitive Computation Group
Database and Information Systems Laboratory
Knowledge Representation & Reasoning Group
UIUC Speech and Language Engineering Group
Zhi-Pei Liang's Research Group
The Teacher Research Group
Environmental Management and Systems Analysis (EMSA) Research Group
Illinois Genetic Algorithms Laboratory (IlliGAL)
CANIS: Community Architectures for Network Information Systems
UIUC Agents and Multi-Agents Group (AMAG)
Computational Systems Neuroscience Group
Language Production Lab
Automated Learning Group (NCSA)
此校计算机院人工智能研究的所有相关介绍，包括项目、课程等： https://cs.illinois.edu/research/artificial-intelligence
ARTIFICIAL INTELLIGENCE RESEARCH EFFORTS AND GROUPS：
Beckman Institute
Natural Language Processing Group
Speech and Language Engineering Group
CENTER FOR ADVANCED ELECTRONICS THROUGH MACHINE LEARNING (CAEML)
CAEML’s vision is to enable fast, accurate design and verification of microelectronic circuits and systems by creating machine learning algorithms to derive models used for electronic design automation. The center aims to speed up the design and verification of microelectronic circuits and systems, reducing development cost and time-to-market for manufacturers of microelectronic products, especially integrated circuits.
T. Huang
My research lies in two related areas: Multimodal (esp. audio and visual) human computer interaction; and Multimedia (images, video, audio, text) annotation and search. Research projects in the first area include: Visual hand tracing and gesture recognition; audio-visual recognition of gender, age group, and emotion. Projects in the second area include: Web-based face annotation and recognition; multimedia profiling of broadcast news anchors.
加利福尼亚大学洛杉矶分校UCLA
CCVL | Center for Cognition, Vision, and Learning
Leo Zhu，依图的创始人
University of Illinois at Chicago UIC
artificial intelligence lab
佐治亚理工学院（Georgia Institute of Technology）
主要在做的是College of Computing的School of Interactive Computing，开设了很多相关课程。对人工智能、机器学习、机器人都有比较广泛的研究。
The Center for Machine Learning
涉及各个方面（ http://ml.gatech.edu/research）：
Dynamic Data and Decision Making
Neural Computation
Data Mining and Anomaly Detection
Interactive Machine Learning
Medical and Healthcare Data
Education Data
Logistics and Operational Data
Physical Data
Social Computing Data
Information Systems, Security, and Privacy
Financial Markets
The Laboratory for Interactive Artificial Intelligence
华盛顿大学
Wpaul G.allen （School of Computer Science& Engineering）
机器学习的项目： https://www.cs.washington.edu/research/ml/projects
人工智能的项目： https://www.cs.washington.edu/research/ai/projects
需要注意的是他们做深度网络的加速做得比较火热
宾夕法尼亚大学UPENN
School of Engineering & Applied Science
Intelligent Systems incorporates the following areas:( http://www.cis.upenn.edu/about-research/)
Machine Learning
Faculty: Yoseph Barash, Eric Eaton, Michael Kearns, Alexander Rakhlin, Lyle Ungar
Natural Language Processing
Faculty: Chris Callison-Burch, Aravind Joshi, Mark Liberman, Mitch Marcus, Ani Nenkova, Charles Yang
Robotics
Faculty: Dan Koditschek, Katherine Kuchenbecker, Vijay Kumar, Dan Lee, Max Mintz, George Pappas, CJ Taylor
Computer Vision
Faculty: Kostas Daniilidis, Jean Gallier, Ladislav Kavan, Jianbo Shi, CJ Taylor
Computer Graphics and Animation
Faculty: Norm Badler, Jean Gallier, Ladislav Kavan
Penn Research in Machine Learning
The following are some representative research areas investigated by PRiML.upenn members:
Computational and statistical learning theory (Agarwal, Kearns, Rakhlin, A. Roth)
Fairness in machine learning (Kearns, A. Roth)
Machine learning in computational biology and bioinformatics (Agarwal, Barash, Jensen, Ungar)
Machine learning in computer vision (D. Roth, Shi)
Machine learning in natural language processing (D. Roth, Ungar)
Machine learning methods for ranking and choice modeling (Agarwal, Jensen)
Online learning, game-theoretic learning, multi-armed bandits (Agarwal, Guha, Kearns, Rakhlin, A. Roth, Vohra)
Optimization for machine learning (Hassani, Rakhlin, Ribeiro, Su)
Reinforcement learning (Eaton, Lee)
伍斯特理工学院（WPI）
Artificial Intelligence Research Group
AIRG members share interests in the theory and applications of AI and knowledge-based systems. Current and past research interests include intelligent tutoring, data mining, knowledged-based design, intelligent interfaces, multi-agent systems, machine learning, computer vision, case-based reasoning, iconic interfaces, knowledge acquisition, and the validation & verification of expert systems.
普林斯顿大学（Princeton）
Princeton 的计算机专业下设机器学习的研究方向，该方向的教授有美国文理学院院士Sanjeev Arora，Elad Hazan等教授。
Center for Statistics and Machine Learning
Department of Computer Science
Projects:
Learning with partial feedback
Online Convex Optimization
Projection free learning
Sublinear Optimization
WordNet
3D Visione Lab
3D Deep Learning
Autonomous Driving
RGB-D Recognition & Reconstruction
Scene Understanding
PRINCETON VISUAL AI LAB
Video understanding: [CVPR 2016], [IJCV 2017], [CVPR 2017], [CVPR 2017]
AI-human interaction: [CVPR 2015], [ECCV 2016], [CVPR 2017]
ImageNet challenge: [IJCV 2015], [CHI 2014], [ICCV 2013]
Object detection: [PhD Thesis 2015], [CVPR 2015]
Image segmentation: [ECCV 2016]
Reinforcement learning: [CVPR 2016], [CVPR 2015], [CVPR 2017]
Visual question answering: [CVPR 2017]
Image and video annotation: [IJCV 2015], [HCOMP 2016], [FoundationTrends 2016], [CHI 2014]
Education and diversity: [SIGCSE 2016]
Statistical Machine Learning Lab
› Nonparametric graphical model
› Transelliptical modeling and robust Inference
› Nonconvex statistical optimization
› Post-regularization inference
› High dimensional nonparametrics
› Fundamental limits of a computational model
Seung Lab
康奈尔大学（Cornell ）
Cornell 计算机专业下设AI，并在二十世界九十年代早期成立里AI领域的研究团队。这些团队涉及机器学习，自然语言处理，知识表示和推理，游戏和决策理论等。领域内教授包括Kavita Bala，Serge Belongie，Ronald Brachman，Claire Cardie等。
特色：系成立较早；AI为博士课程研究方向之一
此校机器学习总述( http://machinelearning.cis.cornell.edu/index.php)
计算机院人工智能总述（ https://www.cs.cornell.edu/research/ai）
Machine Learning Lab
Robot Learning Lab
美国南加州大学（USC）
南加州计算机科学系研究生学院内置人工智能、代理、自然语言与数据、机器人学等课程。该校的机器人研究实验室，鼓励本科生在教师指导下亲手参与机器人研究。毕业生会被邀请参与机器人的制造。该校的人工智能技术在多个领域不断创新，如去年，其研究人员开发出了一种叫做Sim Sensei的工具，该工具能够利用Kinect读懂人类的肢体语言，并诊断出检测对象是否出现有神经紧张、焦虑等抑郁症现象。
MACHINE LEARNING CENTER
USC Viterbi | Department of Computer Science
此校所有的与Artificial Intelligence, Agents, Natural Language, Vision相关的实验室都可以在这里找到： https://www.cs.usc.edu/research/research-areas-labs/
芝加哥大学（UChicago）
machine learning @ uchicago
美国芝加哥大学的计算机系是美国最强的计算机系之一，现有19位终身教授。芝加哥大学计算机系的研究方向众多，主要有：计算机理论，计算机复杂度，组合数学，人工智能，计算机视觉，图像处理，分布式系统，网格，云计算，超级计算机，程序语言设计，生物信息学，计算科学。
哥伦比亚大学（Columbia ）
哥大的优势在于它提供了东海岸几乎最好的研究设施。
Machine Learning - Columbia CS - Columbia University
机器人实验室
自然语言处理（NLP）实验室
计算机视觉实验室
加拿大
多伦多大学 （UofT）
Machine Learning at UofT
多伦多——远远领先于Google开始研究无人驾驶汽车，领先亚马逊设计语音交互的智能家用设备。前段时间，多伦多大学成立了向量学院，以更好地扶植加拿大人工智能产业的发展。
Geoffrey E. Hinton
将BP算法应用到神经网络与深度学习中人员之一，并且是主导者(co- inventor). Hinton 提出了“Dark Knowledge”黑暗知识概念(“Dark Knowledge”这本书籍已经出版，亚马逊上面有卖，288RMB，可见其nb性)，该概念是受小概率比率事件中的“大部分知识”对于训练与测试中的 代价函数是没有影响的。Hinton在人工智能领域中无人不知无人不晓是因为其在人工神经网络(Artificial Neural Networks)中所作出的贡献。Hinton在爱丁堡大学获得了人工智能的博士学位，现为多伦多大学的特聘教授。在2012年获得了加拿大 2012年基廉奖（Killam Prizes，Killam Prizes是有“加拿大诺贝尔奖”之称的国家最高科学奖）。在2013年，他加入Google，并带领一个AI团队，目前正进行着Google Brain项目。
蒙特利尔大学Université de Montréal
机器学习实验室(MILA)
Yoshua Bengio
CIFAR项目的负责人之一，负责神经计算和自适应感知器等方 面。又是加拿大统计学习算法学会的主席，并且是NSERC-Ubisoft主席以及其它。在蒙特利尔大学任教之前，他是AT&T & MIT的一名机器学习研究员。他的主要贡献在于深度学习与人工智能等领域。
滑铁卢大学（UW）
Machine Learning and Intelligence
ECE Machine Learning Lab
The whole lab out for dinner.The University of Waterloo ECE Machine Learning Lab (UWECEML) carries out work on a variety of topics within Artificial Intelligence and Machine Learning with a focus on using real world problems to discover computationally hard problems of modelling uncertainty, learning predictive models and enabling decision making. Below are some of the topics, domains and concepts of ongoing and prior work in the lab.
AI Group
The Artificial Intelligence Group conducts research in many areas of artificial intelligence. The group has active interests in: models of intelligent interaction, multi-agent systems, natural language understanding, constraint programming, computational vision, robotics, machine learning, and reasoning under uncertainty.
Computational Statistics Research Group
麦克马斯特大学（McMaster）
McMaster.AI
McMaster.AI brings together leaders from industry, academia and government to engage in discussions about the future of AI and its potential benefits. Come hear what forward thinkers have to say about this emerging area, new technologies, and discover new innovation and commercial opportunities.
McMaster University has a distinguished history in the evolution of smart systems, including the development of cognitive approaches, and smart optimization processes. We are bringing a smart-systems and cognitive approach to a broad range of problems and industries.
英国
布里斯托大学
Intelligent Systems Laboratory，ISL
智能系统实验室
研究领域涵盖了机器学习，数据分析和挖掘，图像识别等多个领域，除了专精计算机科学和工程学外，布里斯托大学还非常注重计算机科学在其他领域学科中的交叉应用。去年3月，该实验室由人工智能教授尼洛·克里斯蒂亚尼（Nello Cristianni）所带领的团队在一项新的研究中首次使用算法分析了13万多篇网上有关2012年美国总统大选的媒体报道，总结出了大选年媒体的表达规律从而判断出他们对政党的态度。这是一项典型的大数据与社会学的综合研究。ISL的负责人目前是Colin Campell
牛津大学
没有专门的人工智能实验室，但其在深度学习方面的实力也不容小觑，14年谷歌先是收购了人工智能公司DeepMind，然后在年底展开了与牛津大学的合作，雇佣了7位深度学习领域的专家，其中3位仍然保留牛津大学教授的职称。正是这些人和DeepMind一起研制出了后来名扬天下的AlphaGo。
Visual Geometry Group Home Page
著名的VGG就出自这里。还有Nando de Freitas也非常年轻有为，网课很火
爱丁堡大学(Edinburgh)
Artificial Intelligence at Edinburgh
Research activity in the School of Informatics is organised within six research institutes. To find out about AI research in Edinburgh please visit our research pages or the web sites of the following institutes :
- Centre for Intelligent Systems and their Applications (CISA)
- Institute for Perception Action and Behaviour (IPAB)
- Institute for Communicating and Collaborative Systems (ICCS)
- Institute for Adaptive and Neural Computation (ANC).
人工智能专业(MSc in AI)
该专业的主要课程有：大脑处理和人工学习系统、计算机视觉、移动和转配机器人以及音乐感知和可视化处理等。
埃克塞特大学(University of Exeter)
Machine learning research
应用人工智能专业(MSc in Applied AI)
着重于人工智能在工业和商业中的应用。在前沿研究组织工作的程序员和研究人员，正在广泛的寻找有关于人工智能的理论和编程技术，实用知识，如 进化计算(遗传算法，遗传编程)和神经网络等一切有用的理论和实践知识。
赫特福德大学(University of Hertfordshire)
BSc (Hons) Computer Science (Artificial Intelligence)
MSc in AI with Robotics
人工智能与机器人
课程将提供学生信息计算工作系统构建、人工智能与机器人、人工生命、神经网络、以及计算机与机器人进化方面的理论和实践技巧。该课程得以于与国际知 名研究机构与赫特福德大学的合作计划，课程将为有志于投身人工智能领域研究与工作的人士提供充足的准备。该专业的核心课程包括：生物计算、人工生命、计算 机与机器人进化等。
瑞士
人工智能研究所SUPSI
Dalle Molle
一个非营利性的人工智能研究机构，隶属于卢加诺大学信息学院，瑞士意大利语区高等专业学院信息技术部以及瑞士南方的应用科学大学。研究所致力于机器学习，包括人工神经网络和强化学习，目前，该实验室正在研制一种用于无人机搜救的人工智能系统，可以识别出复杂的从林中需要救助的对象，如迷路的人或登山队员。
苏黎世理工ETH
人工智能实验室
在机器视觉和深度学习、机械工程等方面有深厚的积累。培养出了无数人工智能领域的人才。国内外的许多AI公司的CTO都毕业于该校的计算机视觉领域。在其人工智能实验室成立25周年之际，苏黎世理工展示了他们建造的最新的一款人形机器人，其结构设计看起来同人类的肌肉-骨骼系统颇为相似。其分布式自动控制实验室甚至制造出过一款带有球拍的、可以用来打球的四旋翼无人机系统“Quadrators”。
Institute for Machine Learning
The institute includes four research groups:
Information Science and Engineering (Prof. Joachim Buhmann)
Data Analytics (Prof. Thomas Hofmann)
Learning and Adaptive Systems (Prof. Andreas Krause)
Biomedical Informatics (Prof. Gunnar Rätsch)
意大利
锡耶纳大学
The Siena College Institute for Artificial Intelligence,SCIAI
人工智能研究所
它与布里斯托大学一样比较重视计算机科学与其它科学，如经济学、社会学、医学等领域的联合应用。并且它还比较重视有关AI的伦理问题和AI应用后对社会可能的冲击的研究。我们认为后者应该属于AI领域的基础理论研究
德国
慕尼黑工业大学（TUM）
Computer Vision Group
以色列
耶路撒冷希伯来大学
The HUJI Machine Learning Lab
拥有世界上第一家技术转让公司Yissum，独家负责希伯来大学发明创造的商业化应用。希伯来大学最著名的发明应该数自动驾驶系统Mobileye，它于今年被Tesla采用，视为在自动驾驶领域对抗谷歌的武器。
日本
【主要是机器人学】
大阪大学
智能机器人研究所
该研究所的仿人机器人非常出名，在2014年5月5日，大阪智能机器人研究所研制出一款智能机器人，该机器人外形机器极其逼真，能够完成点头、眨眼等动作，并可以进行简单的交谈。大阪大学的机器人研究在很早以前就开始了，2010年，日本大阪大学智能机器人学教授石黑浩带领的科研小组开发出可模仿人类表情的女性替身机器人，并于4月3日在大阪市公开展示。这个名叫“GeminoidTMF”的机器人以一位日本年轻女性为原型，坐着时高140厘米，重量大约为30千克。在12个控制器的作用下，她可以同步模仿真人的表情。通过一个表情遥控器，你可以让她时而露齿微笑，时而眉头紧皱。
早稻田大学
加藤实验室
对于两足机器人的研究对机器人的发展做出了卓越的贡献。纵观早稻田大学的机器人发展史几乎可以说是加藤实验室的研究史。可以说早稻田大学的机器人研究是日本最早的，1973年，WABOT1号机器人，于“早大”有关研究室协作下完成。该机器人身高约2米，体重160公斤。有两只手，两条腿，在胸部有2个眼睛、耳朵和嘴巴。全身共有26个关节，手上还装有触觉传感器。2009年6月23日，日本早稻田大学推出了一款情感丰富的机器人—KOBIAN。据说该款机器人是世界上首款能够同时利用表情和动作与人进行全面情绪互动的机器人。早稻田大学的人形机器人非常出名，“日本机器人之父”加藤一郎教授是开创两足步行机器人研究的先驱，70年代研发了人工肌肉驱动的下肢机器人，90年代研发了以液压、电机驱动的WL系列下肢机器人，90年代WABIAN系列开始带有上肢才具有拟人形，高西淳夫研究室是原加藤实验室的延续。
其它机构
AI Expriments
Research at Google
MACHINE LEARNING ADVANCED SOLUTIONS LAB
Google 量子人工智能实验室
量子计算机来执行机器学习。机器学习适用于某些计算机模型，而量子计算机的概念就是让你可以找到更适合或更有效的方式。John Martinis透露，虽然目前发展的状况还不及量子化学，但是有一些好的想法可以让机器学习与量子计算机整合。内部已经有相关计划正在打造量子神经元（quantum neuron），他们发现量子化学领域有一个算法相当近似量子机器学习，或者是量子神经网络（quantum neural net），因此机会是很大的。已有不少公司着眼此领域，包括 IBM 、微软、阿里巴巴，因此对于量子机器学习的发展他也持乐观态度。
希望更多人投入算法--由于量子计算机的理论与现今计算机不同，未来想要走入应用阶段，也有赖工程师们学习新的编程方法。对此，John Martinis 表示，他的团队主要在设计硬件、控制软件，很希望外界的人学习如何编程量子计算机。现在的工程师不需要知道互补式金属氧化物半导体（CMOS）等积体电路的制程，只需要了解作业系统及程序语言就可以写出应用程序，虽然量子计算机很难，但在学理上如数学、物理学等还是有一致性，他们只要知道背后的原理、如何使用算法，就能触类旁通。
百度
Baidu research labs
Adam Coates
Coates在斯坦福大学获得计算科学博士学位。目前，他被任命为百度硅谷人工智能实验室的高级主管。他的研究兴趣主要是机器学习、深度学习、控制和机器人（Control & Robotics）。
Face book research
FAIR