1986-1991年，中國(guó)科學(xué)技術(shù)大學(xué)，計(jì)算機(jī)專業(yè)，學(xué)士學(xué)位

1992-1996年，美國(guó)哈佛大學(xué)，計(jì)算機(jī)專業(yè)，碩士、博士學(xué)位。

1996-1997年，美國(guó)布朗大學(xué)，應(yīng)用數(shù)學(xué)專業(yè)，博士后。

1997-1998年，美國(guó)斯坦福大學(xué)，計(jì)算機(jī)系人工智能實(shí)驗(yàn)室，講師。

1998-2002年，美國(guó)俄亥俄州立大學(xué)，計(jì)算機(jī)系與認(rèn)知科學(xué)中心，助理教授。

2002-2006年，美國(guó)洛杉磯加州大學(xué)，統(tǒng)計(jì)系與計(jì)算機(jī)系，副教授 [終身教職]。

2006年至今， 美國(guó)洛杉磯加州大學(xué)，統(tǒng)計(jì)系與計(jì)算機(jī)系，正教授。

2020年9月，受聘擔(dān)任北大人工智能研究院院長(zhǎng)。

2017年，計(jì)算建模獎(jiǎng) [Computational Modeling Prize]，國(guó)際認(rèn)知科學(xué)學(xué)會(huì) [Cognitive Science Society]2013年，赫爾姆霍茨獎(jiǎng) [Helmholtz Test-of-Time Award]，第14屆國(guó)際計(jì)算機(jī)視覺大會(huì)頒發(fā)2008年，第二屆J.K.Aggarwal 獎(jiǎng)，國(guó)際模式識(shí)別協(xié)會(huì)。2007年，馬爾獎(jiǎng)榮譽(yù)提名，第11屆國(guó)際計(jì)算機(jī)視覺大會(huì)2003年，馬爾獎(jiǎng)，第九屆國(guó)際計(jì)算機(jī)視覺大會(huì)2001年，Sloan fellow， Sloan基金2001年，青年教授獎(jiǎng)勵(lì)基金 [Career Award]，美國(guó)國(guó)家科學(xué)基金委員會(huì)2001年，杰出青年科學(xué)家獎(jiǎng) [ONR Young Investigator Award]，美國(guó)海軍研究所頒發(fā)1999年，馬爾獎(jiǎng) [Marr Prize] 榮譽(yù)提名, 第7屆國(guó)際計(jì)算機(jī)視覺大會(huì)頒發(fā)1995年，哈佛大學(xué)工程領(lǐng)域 Ali Jury 獎(jiǎng)1992年，哈佛大學(xué)研究生院獎(jiǎng)學(xué)金

2015-2020年，第二次擔(dān)任美國(guó)視覺、認(rèn)知科學(xué)、AI領(lǐng)域跨學(xué)科合作項(xiàng)目MURI首席科學(xué)家[Principal Investigator]；

2016年，再次當(dāng)選國(guó)際計(jì)算機(jī)視覺與模式識(shí)別大會(huì)[CVPR]2019年度主席；

2013年，中國(guó)科學(xué)院海外顧問(wèn)；

2011-2013年，擔(dān)任國(guó)際模式識(shí)別協(xié)會(huì)Aggarwal 獎(jiǎng)評(píng)選委員會(huì)主席；

2012年，擔(dān)任電氣和電子工程師學(xué)會(huì)[IEEE]計(jì)算機(jī)學(xué)會(huì)會(huì)士[fellow]評(píng)選委員會(huì) 副主席；

2012年，擔(dān)任國(guó)際計(jì)算機(jī)視覺與模式識(shí)別大會(huì) [CVPR] 主席；

2011年，電氣和電子工程師學(xué)會(huì)[IEEE]計(jì)算機(jī)學(xué)會(huì)會(huì)士fellow；

2010-2015年，首次擔(dān)任美國(guó)視覺、認(rèn)知科學(xué)、AI領(lǐng)域跨學(xué)科合作項(xiàng)目MURI首席科學(xué)家；

2005年，與Harry Shum等創(chuàng)建民辦、非營(yíng)利性國(guó)際交流平臺(tái)湖北蓮花山研究院，并任院長(zhǎng)。

朱松純已在國(guó)際頂級(jí)期刊和會(huì)議上發(fā)表論文300余篇，其研究成果集中在以下四個(gè)時(shí)期和領(lǐng)域：

一、視覺的統(tǒng)計(jì)建模與計(jì)算理論 —— 為馬爾的視覺理論建立統(tǒng)一的數(shù)理模型

1995-2005年期間，朱松純教授與導(dǎo)師Mumford、UCLA同事以及博士生，為計(jì)算視覺創(chuàng)始人 David Marr 提出的早期視覺 [early vision] 概念， 包括紋理 [texture]、圖像基元 [Texton] 以及原始簡(jiǎn)約圖 [primal sketch] 等建立了一個(gè)統(tǒng)一的數(shù)理模型；提出統(tǒng)計(jì)建模的最小最大熵原理 [minimax entropy principle]；將神經(jīng)學(xué)和心理學(xué)的發(fā)現(xiàn)，植入統(tǒng)計(jì)物理的吉布斯模型 [Gibbs Model]， 從而導(dǎo)出一類新型的馬爾科夫隨機(jī)場(chǎng)的概率模型 [FRAME]，并將該模型擴(kuò)展到中層視覺模型，描述形狀與格式塔 [Gestalt] 組成原則；發(fā)現(xiàn)自然圖像的尺度不變與尺度變化的統(tǒng)計(jì)規(guī)則，將各種視覺模式及其對(duì)應(yīng)的數(shù)理模型映射到一個(gè)連續(xù)的熵頻譜 [entropy spectrum] 和信息尺度 [information scaling]；進(jìn)一步研究了各種模型之間跳轉(zhuǎn)和感知轉(zhuǎn)化 [perceptual transition] 的機(jī)制，與博士生王亦洲 [現(xiàn)為北大教授] 導(dǎo)出感知尺度空間理論 [perceptual scale space]。

在1990年代，朱松純發(fā)展了兩類新的非線性偏微分方程（PDE）。 一類用于圖像分割，將PDE連接到統(tǒng)計(jì)圖像模型的這項(xiàng)工作在ICCV 2013上獲得了赫爾姆霍茨獎(jiǎng)。另一類稱為GRADE（Gibbs Reaction and Diffusion Equations，吉布斯反應(yīng)和擴(kuò)散方程）于1997年發(fā)表，并在計(jì)算機(jī)視覺領(lǐng)域首次采用Langevin動(dòng)力學(xué)方法進(jìn)行推理和學(xué)習(xí)隨機(jī)梯度下降。（Stochastic gradient descent，SGD）。

二、實(shí)現(xiàn)圖像與場(chǎng)景的解譯（parsing）計(jì)算框架 —— 擴(kuò)展了模式識(shí)別創(chuàng)始人傅京孫先生的句法模式識(shí)別理論

1999-2010年期間，朱松純教授與其首位博士生屠卓文 [現(xiàn)為UCSD教授] 提出用數(shù)據(jù)驅(qū)動(dòng)的蒙特卡洛馬爾可夫鏈方法[Data-Driven Markov Chain Monte Carlo]求圖像分割和解譯 [Image Parsing] 問(wèn)題的全局最優(yōu)解；與其博士生Adrian Barbu [現(xiàn)為FSU 教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法，在通用的概率采樣 [sampling] 計(jì)算中，實(shí)現(xiàn)大的狀態(tài)跳轉(zhuǎn)，突破傳統(tǒng)方法計(jì)算的瓶頸問(wèn)題。該領(lǐng)域的這一進(jìn)步使拆分合并運(yùn)算符在文獻(xiàn)中首次可逆，并且比吉布斯采樣器和跳躍擴(kuò)散方法快了100倍。。這一工作獲得第九屆國(guó)際視覺大會(huì)頒發(fā)的馬爾獎(jiǎng)， 并重新激起了同行對(duì)于圖像解譯工作的興趣。

2006-2015年間，朱松純教授提出了概率隨機(jī)的與或圖 [and-or graph] 模型來(lái)表達(dá)上下文相關(guān)圖語(yǔ)法 [graph grammar]，重啟了模式識(shí)別領(lǐng)域創(chuàng)始人傅京孫先生倡導(dǎo)的句法模式識(shí)別框架；提出時(shí)空因果與或圖 [Spatial，Temporal，Causal And-or graph STC-AOG] 為物體、場(chǎng)景、事件和因果關(guān)系建立統(tǒng)一的模型，并用于場(chǎng)景與事件的解譯任務(wù)。

三、提出人工智能的“暗物質(zhì)”—— 研究視覺與認(rèn)知的物理與社會(huì)常識(shí)

自2010年以來(lái)，朱松純教授將計(jì)算機(jī)視覺與認(rèn)知科學(xué)、自然語(yǔ)音理解、機(jī)器人等學(xué)科結(jié)合。

視覺與認(rèn)知科學(xué)的結(jié)合：實(shí)現(xiàn)物理常識(shí)的推理 ， 比如物體和場(chǎng)景的物理屬性、使用功能、行為的因果率； 和社會(huì)常識(shí)的推理 ， 比如人的意圖、動(dòng)機(jī)、目的。 由此豐富了對(duì)場(chǎng)景和事件的理解的內(nèi)涵。

視覺與自然語(yǔ)言理解的結(jié)合：通過(guò)人機(jī)情景對(duì)話來(lái)獲取常識(shí)，并于2010年率先從圖像和視頻的解譯圖中自動(dòng)產(chǎn)生文本描述的I2T 【Image Parsing to Text Generation] 方法。

視覺與機(jī)器人結(jié)合：提出來(lái)自主機(jī)器人與人類深度協(xié)作的認(rèn)知構(gòu)架 [cognitive architecture] 和通訊協(xié)議， 以到共境【shared situation】、共識(shí)【shared model】、共行【shared plan】、和共同價(jià)值觀【shared value】。

四、探索邁向通用人工智能的新的研究路徑 ——“小數(shù)據(jù)、大任務(wù)”范式

朱松純?cè)?017年發(fā)表了一篇廣為流傳的文章 《淺談人工智能：現(xiàn)狀、任務(wù)、構(gòu)架與統(tǒng)一》。在文中，朱松純將行業(yè)中流行的數(shù)據(jù)驅(qū)動(dòng)型深度學(xué)習(xí)研究稱為“大數(shù)據(jù)、小任務(wù)’’范式。該范式使用大量標(biāo)注的數(shù)據(jù)為每個(gè)特定任務(wù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，導(dǎo)致AI模型無(wú)法解釋、應(yīng)用范圍狹窄等問(wèn)題。與之相反，朱松純提出了“小數(shù)據(jù)、大任務(wù)”的范式，主張以此來(lái)實(shí)現(xiàn)通用人工智能。

朱松純團(tuán)隊(duì)構(gòu)建了一個(gè)大規(guī)模、物理逼真的VR / AR環(huán)境，用于訓(xùn)練和測(cè)試負(fù)責(zé)執(zhí)行大量日常任務(wù)的自主AI智能體。這些智能體整合，語(yǔ)言，認(rèn)知，機(jī)器學(xué)習(xí)和機(jī)器人技術(shù)等領(lǐng)域的能力，在此過(guò)程中發(fā)展物理常識(shí)和社會(huì)常識(shí)，并使用認(rèn)知架構(gòu)與人類進(jìn)行交流。

2005年，朱松純教授聯(lián)合沈向洋[Harry Shum] 等多位知名科學(xué)家在湖北省鄂州市創(chuàng)建民辦、非營(yíng)利性國(guó)際交流平臺(tái)蓮花山研究院，并任院長(zhǎng)。

研究院連續(xù)5年舉辦國(guó)際學(xué)術(shù)研討會(huì)和暑期免費(fèi)講習(xí)班，為國(guó)內(nèi)年輕學(xué)者和大量學(xué)生提供了一個(gè)學(xué)術(shù)氛圍濃厚、具有國(guó)際科研水準(zhǔn)的開放式學(xué)術(shù)合作與交流平臺(tái)。為計(jì)算機(jī)視覺在中國(guó)的發(fā)展與人才的啟蒙、培養(yǎng)做出了貢獻(xiàn)。

研究院的一個(gè)先期項(xiàng)目是收集大量的圖像，手工標(biāo)注圖像中的場(chǎng)景、物體和部件、關(guān)系、功能等。其標(biāo)注的廣度和精細(xì)程度為世界領(lǐng)先，并推動(dòng)了計(jì)算機(jī)視覺的物體識(shí)別和圖像解譯任務(wù)的發(fā)展。

2005年首場(chǎng)研討會(huì)的參會(huì)人員包括后來(lái)為大量圖像數(shù)據(jù)收集與標(biāo)注做出突出貢獻(xiàn)的多為著名科學(xué)家，如 Berkeley 圖像分割數(shù)據(jù)庫(kù)原創(chuàng)者David Martin，MIT 教授、LabelMe 數(shù)據(jù)庫(kù)的原創(chuàng)者Antonio Tarroba，Stanford 教授、ImageNet數(shù)據(jù)庫(kù)原創(chuàng)者李飛飛。

2017年7月，朱松純教授在美國(guó)洛杉磯創(chuàng)立暗物智能科技DMAI，并于2018年7月落戶廣州南沙。