AIR 020 | 人工智能大拿：在工業(yè)界干，與在學術界干有什么不同？

今天的CCF-GAIR全球人工智能與機器人峰會，業(yè)界大拿分別就機器學習的學術前沿與人工智能的商業(yè)應用場景做了分享和討論。然而有趣的是，在人工智能的新浪潮下做一個“跨界”的人是怎樣的體驗呢？在峰會期間舉行的圓桌論壇上，先后在學術界與工業(yè)界乘風破浪的360人工智能研究院的院長顏水成博士回答了這個問題。

顏水成博士畢業(yè)于北京大學，也是伊利諾伊大學(UIUC)的博士后，目前加入360已經大概有10個多月了。而在加入360之前，他曾在新加坡國立大學領導機器學習與計算機視覺實驗室，并擔任副教授。他的主要研究領域是計算機視覺、深度學習，與多媒體分析。他帶領團隊提出的“Network in Network” 對深度學習產生過很大的推動力，同時他的團隊開發(fā)的”Purine”是全球第一個開源的支持多機多GPU的深度學習系統(tǒng)。

2014年，顏水成博士曾入選湯森路透（THOMSON REUTERS）發(fā)布的“2014年世界最具影響力科學家”，后來，他還被授予新加坡青年科學家獎 （YSA）和青年教授研究成就獎。

事實上，即便學界泰斗，對于轉型加入工業(yè)界參與應用研究也不免忐忑——我去了以后能不能活下來？論壇上，主持人就向顏水成拋出了這樣一個問題：“你覺得360做人工智能有哪些制約或者是你不滿意的地方？”

面對如此尖銳的提問，顏水成表示：

我想從武器的角度解釋這個問題。人工智能在學術界和工業(yè)界的玩法可以借用武術的方式打個比方。武術大家都崇向于名門正派，你不僅能把別人打敗了而且還能提煉出一些招式來，希望這些招式能幫助別人在格斗的時候獲勝。在學術界的人工智能研究與武術這一點就很像。

而在工業(yè)界，這些招式就變得不那么重要，重要的是——你能有一種武術，或者一種作合的方式能把別人打敗，把一個問題解決掉，這就是好的人工智能。

比如說，我們在解決工業(yè)界的人工智能時，憑借人工智能以152次把別人打敗，或者1000次都無所謂。重點是，你要有人工智能的思想和方法把這個問題解決。這是我覺得他們兩個的差別。

我加入360時因為它有其自身的優(yōu)勢，在當前的特殊時期，我們可以說是網絡在人工智能界稍微領先于學術界。人工智能的競賽有什么變化？直到2013年，學術界還有可能在人工智能的競賽拿到第一名或者是很好的成績，但是到了2014、2015年，我們會發(fā)現(xiàn)很好的成果都是從互聯(lián)網出來。

其實互聯(lián)網也沒有那么多計算力的資源，但是學術界一般的實驗室大概是十幾塊或者是二十幾塊，能到幾百塊的話就是奉令承教。我當時進入360的時候，智能硬件是非常關鍵的業(yè)務，現(xiàn)在直播也是非常關鍵的業(yè)務，這些事情恰好是我想做的，所以360是非常好的選擇。

從學術界到工業(yè)界如果說什么弊端，那就是首先會碰到互聯(lián)網的節(jié)奏比學術界要快很多這樣的問題。在學術界半年或者是三個月有很好的成績出來，能有一篇很好的學術論文，這也說不錯的。而作工業(yè)界，提前一個小時都是很有價值的。這對于學術界轉工業(yè)界的話來說就是很大的挑戰(zhàn)。

那么，“研究院更多的是看未來，你的老板有沒有給你具體的指標？”

“我個人的關鍵是因為在中國名企。像微軟亞洲的研究院這一類是沒有標準的。在中國，要一個好的研究院肯是有兩個路徑同時并進——一方面，要有成果能快速支持現(xiàn)有業(yè)務，讓人工智能的算法或者是思想在業(yè)務中發(fā)揮作用；此外，要有長遠的想法——一年半或者一年以后產品需要怎樣的人工智能技術，或者自己去孵化短時間就能上線的業(yè)務。這是能夠能保證研究院在名企內部生存下來的良好方式。”

最后，用一句話總結其對人工智能發(fā)展的看法的話，顏水成博士表示，人工智能讓學術界和工業(yè)界的人有了共同點，這是非常好的。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。