François Chollet

Chollet 對人工智能的興趣最初來自有關意識與智能的哲學問題。他先閱讀神經心理學，後來轉向通過構建系統理解心智，研究發展認知機器人，再擴展到計算機視覺與自然語言處理。⁠[1]

2011年，Chollet 創建藝術家社區與繪畫學習工具 Wysp，並維護至2014年。他在個人履歷中稱，該平臺在2014至2015年前後達到約2.5萬月活躍用戶。⁠[2]

Chollet 於2012年獲得 ENSTA 的工程師文憑，該文憑授予碩士學位等級。法國2013年公佈的授予2012屆文憑名單中列有其姓名。東京大學 ISI 實驗室的2012年成員記錄同時將他列為來自 ENSTA ParisTech 的實習生，並鏈接其 Wysp 網站。⁠[3][4]

2014至2015年，Chollet 開發並維護 QuickAnswers.io。系統將問題規範化後進行網絡搜索，提取相關片段，再交給 LSTM 語言模型生成答覆；該服務後來停止運營。⁠[2]

2015年2至3月，Chollet 為自然語言問答研究編寫 Keras。早期版本建立在 Theano 之上，吸收 Scikit-Learn 與 Torch 的接口設計，提供循環神經網絡和卷積網絡工具，以降低使用門檻、縮短實驗迭代時間。⁠[1]

他把易用性視為開發工具的重要價值：降低使用者的認知負擔，讓研究者和各領域從業者更快地從想法走到實驗結果。⁠[1]

Chollet 提出 Xception 卷積網絡架構，以深度可分離卷積替代 Inception 模塊。論文報告，該架構在參數量與 Inception V3 相當的情況下，提高了圖像分類表現；解釋重點在於參數利用效率，而非單純擴大模型容量。論文後來發表於 CVPR 2017。⁠[5][2]

2017年，Chollet 出版 Deep Learning with Python，面向有編程基礎的讀者介紹深度學習。書中用代碼幫助解釋數學概念，並通過圖像、文本和時間序列任務建立實踐能力；第二版於2021年出版。⁠[2][1]

2018年，Chollet 與 J. J. Allaire 合著 Deep Learning with R，將相關深度學習內容帶入 R 語言生態。⁠[2]

在2018年的公開訪談中，Chollet 介紹自己在 Google 從事軟件工程和人工智能研究。他強調研究應創造可檢驗的知識，批評弱基線、缺乏消融研究和以宣傳為導向的項目選擇；對學習者則主張先積累實踐經驗，再用理論組織理解。⁠[1]

Chollet 自2019年起擔任 Keras Tuner 項目負責人並參與開發，同年開始為 AutoKeras 作出貢獻，擴展自動調參與自動機器學習工具。⁠[2]

2019年11月5日，Chollet 發表 On the Measure of Intelligence。他認為，在單一任務上取得高分並不能充分測量智能，因為既有知識與訓練經驗會影響成績；應關注系統獲得新技能的效率，同時明確先驗、經驗和泛化難度。⁠[6]

論文提出 Abstraction and Reasoning Corpus（ARC），以接近人類基礎先驗的抽象任務檢驗泛化能力。此後 ARC 發展為 ARC-AGI 系列，成為他研究智能與評測方法的核心項目。⁠[6][7]

2024年6月11日，Chollet 與 Mike Knoop 發起 ARC Prize，以超過100萬美元的競賽獎勵推動開放的通用智能研究。競賽圍繞 ARC-AGI 展開，鼓勵研究者公開可複用的解題方法。⁠[8]

在同期與 Dwarkesh PatelDwarkesh PatelDwarkesh Patel 是播客主持人和作者，主持長篇訪談節目 Dwarkesh Podcast，關注人工智能、科技、歷史和經濟等領域。他於2020年在大學期間開始製作播客，2024年入選 TIME100 AI，並與 Gavin Leech 合作整理出版《The Scaling Era: An Oral History of AI, 2019–2025》。點擊查看完整詞條 的對談中，Chollet 區分記住解題模板與面對陌生問題即時構造新程序，認為僅擴大訓練規模不足以獲得通用智能。Patel 則以模型隨規模提升而表現出新的泛化能力提出質疑；這是雙方對研究路線的討論。⁠[9]

2024年11月13日，Google 公佈 Chollet 離職。公告同時確認，他將繼續參與 Keras 開源開發並負責其路線圖，與 Google 團隊保持合作；離開公司並不意味著退出 Keras。⁠[10]

2024年12月20日，Chollet 公佈對 OpenAIOpenAIOpenAI是2015年創立的人工智能研究與產品機構，開發GPT系列模型、ChatGPT、Codex及開發者API，並開展圖像、語音、視頻與智能代理研究。2025年重組後，非營利的OpenAI Foundation繼續控制營利主體OpenAI Group PBC。其發展涉及大規模融資與算力合作，也伴隨治理、版權、隱私及人工智能安全爭議。點擊查看完整詞條 o3 預覽系統的評測：在 ARC-AGI-1 半公開評測集上，受預算約束的配置得分75.7%，使用約172倍計算量的高計算配置得分87.5%。他稱這是適應陌生任務能力的重要進展。⁠[11]

他同時強調，較高分數仍不等於實現通用人工智能，效率和未解決的問題仍需研究。該文於2025年4月補充說明，正式發佈的 o3 與2024年受測預覽版本不同，歷史結果不能直接當作正式版成績。⁠[11]

2025年1月8日，ARC Prize 宣佈擴展為非營利基金會。Chollet 與 Knoop 繼續擔任共同創始人及董事，Greg Kamradt 出任總裁併加入董事會，負責推動基準和開放研究。⁠[12][7]

2025年1月15日，Chollet 宣佈與 Zapier 共同創始人 Mike Knoop 創辦 Ndea。實驗室的研究方向是以深度學習引導程序合成，將模式識別與形式推理結合，探索能從少量經驗中學習和適應的系統。⁠[13][14][15]

Ndea 將自動發現與科學進步作為長期目標。其設想是在程序空間搜索能夠解釋觀察數據的模型，並用深度學習降低搜索成本；這些是研究方法與目標，並非已完成通用人工智能的聲明。⁠[15]

2025年3月24日，ARC Prize 推出 ARC-AGI-2，加入更強調符號含義、組合推理和上下文規則的任務。團隊對400餘名參與者進行受控測試，以校準評測難度，並要求各項評測任務至少由兩人在兩次嘗試內解出。⁠[16]

新版本將解決任務的效率與正確率並列考慮，公開榜單同時展示得分和成本。同期開放的競賽要求符合條件的參賽者公開方法，以推動可複用研究。⁠[16]

2025年9月，Chollet 與 Matthew Watson 合著的 Deep Learning with Python 第三版出版。新版增加 Keras 3、PyTorch、JAX，以及 Transformer、語言模型和擴散式圖像生成的內容，延續以代碼和實例解釋原理的方式。⁠[17]

2026年3月25日，ARC Prize 發佈 ARC-AGI-3，將評測擴展到交互式回合制環境。智能體沒有預先給定的規則與目標說明，需要自行探索、辨認機制、發現目標，並把學到的知識用於後續關卡。同期2026年競賽公佈超過200萬美元的獎勵。⁠[18]

2026年4月，Chollet 與 Tomasz Kalinowski 合著的 Deep Learning with R 第三版出版，將從基本原理到生成式人工智能的內容帶給 R 語言讀者。⁠[19]

2026年9月3日，ARC Prize 發佈 GPT-6 Astra 的 ARC-AGI-3 評測，Chollet 參與文章前期審閱。在半公開集上，標準調用框架下的最高報告分數為62.7%，對應約2.6萬美元；保留推理狀態並壓縮長對話的廠商適配框架下，另一配置達到99.9%，對應約1.9萬美元。⁠[20]

基金會據此區分統一最小接口與廠商上下文管理能力兩種測試條件，並明確高分不等於證明實現 AGI：該基準仍限定在確定性、封閉目標的環境中，無法覆蓋現實世界的全部開放性。⁠[20]

Ndea：Chollet 與 Mike Knoop 共同創辦的人工智能研究實驗室。官網：https://ndea.com/（在新窗口打開）。⁠[14]

ARC Prize Foundation：Chollet 為共同創始人、董事及 ARC-AGI 創建者。官網：https://arcprize.org/（在新窗口打開）。⁠[7]

Keras：Chollet 創建並持續參與路線圖工作的開源深度學習項目。官網：https://keras.io/（在新窗口打開）。⁠[2][10]

Chollet 的個人網站為 https://fchollet.com/（在新窗口打開），公開 X 賬號為 https://x.com/fchollet（在新窗口打開），GitHub 賬號為 https://github.com/fchollet（在新窗口打開）。⁠[2][10]