目前在NeurIPS，ICML，CVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文50余篇，被引用22900余次。

曾获2016年全国百篇重大影响国际学术论文、2018年世界人工智能大会Super AI Leader（SAIL）先锋奖、2019年吴文俊人工智能优秀青年奖等多项荣誉。年仅32岁的黄高已是清华大学自动化系助理教授，博士生导师。2020年，成为国家优秀青年科学基金获得者，同年获阿里巴巴「达摩院青橙奖」。

入选2021年度《麻省理工科技评论》亚太区「35岁以下科技创新35人」。

科研最美妙的，就是尝试去拓展知识的边界

在黄高刚开始攻读博士学位时，人工智能领域深度学习的工具还在发展中。优化算法等现在看来简单到仅需一行代码的操作，当时要靠一行行编程实现。

许多研究者在探索如何通过缩减网络连接来降低模型复杂程度，黄高却另辟蹊径，希望通过增加跨层连接，使信息通道更加通畅，让模型中的信息能更快速地向前传递。

「不断摸索新的东西，做别人没做过的事情，与未知共处，才是科研最有魅力之处。」黄高说，做科研最美妙的就是尝试去触碰、拓展人类知识的边界。

2016年，黄高提出了密集连接卷积网络的大胆设想。起初并不被看好，但他与合作者始终坚持，最终突破了传统深度网络的单向直链结构，提出全局密集跨层连接范式，使神经网络实现「连接数多而计算量少」，进一步提高了运算效率。

这项具有开创性的模型，获得了首届世界人工智能大会最高奖SAIL先锋奖，被编入多本深度学习书籍，也被广泛应用于医疗影像处理、人脸识别、文本翻译、语音识别等人工智能应用场景。

以科研技术，助力抗疫工作

黄高的研究大多源于日常生活中的需求，他希望用键盘「搭建」出更多智能生活的美好场景。

新冠肺炎疫情发生之初，核酸检测还没有广泛开展，肺部CT是重要的检查手段。但由于医生数量有限，读片速度与诊断准确率均受到影响。

曾在博士后期间做过医学影像分析方面工作的黄高开始思考，如何利用人工智能技术减轻医护工作人员的压力。

收集数据、设计算法、开发系统……研究成果很快落地。黄高与解放军总医院等单位联合开发了基于人工智能技术的CT影像快速辅助诊断系统，读图快，准确率约为96%，能辅助医生更好地做出诊断。

2020年2至3月，这一系统在120多家医院完成病例分析3万余例。

赶上学科发展的浪潮，既幸福又深感压力

这些年，关注人工智能领域的研究者日益增多。黄高坦言：「赶上了一个学科发展的浪潮，对于研究者而言，既幸福又深感压力。」

之所以幸福，是因为有很多人朝向同一目标努力奔跑。人工智能领域的很多公司、学者都已开放程序源代码。开源深度学习框架、开源应用软件、开源社区的快速发展，推动了研究互相促进和协同创新。黄高设计的深度学习框架也是开放的，在他看来，「开放的、充满活力的研究环境，能孕育出更多好成果。」

之所以深感压力，是因为竞争很激烈。一台用支架高高架起的电脑、满屏算法、嘈杂高温的机房，组成了黄高的科研日常。黄高习惯站着做研究来集中精神，「面对学科领域的快速发展，每个人都要跟时间赛跑。一方面要时刻追踪最新的研究趋势，了解学术界的最新动态；一方面要有很强的行动力，一旦犹豫就很可能错失机会。」

「发展人工智能的故事才刚刚开始。」黄高介绍，人工智能领域还存在很多未解的问题，从基础理论、技术发展，到构建人工智能相关的伦理规范，都是科学家们面临的挑战。努力突破它们，正是黄高做科研的价值所在。

黄高说：「预测未来最好的方式，就是创造未来。人工智能的前景很美好，值得我们为之全力奔跑。」

--人民日报、长沙晚报、湖南教育电视台、募格学术等