AIR 020 | 人工智能大拿：在工業界干，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，業界大拿分別就機器學習的學術前沿與人工智能的商業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，同時他的團隊開發的”Purine”是全球第一個開源的支持多機多GPU的深度學習系統。

2014年，顏水成博士曾入選湯森路透（THOMSON REUTERS）發布的“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，我們會發現很好的成果都是從互聯網出來。

其實互聯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務，現在直播也是非常關鍵的業務，這些事情恰好是我想做的，所以360是非常好的選擇。

從學術界到工業界如果說什么弊端，那就是首先會碰到互聯網的節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。而作工業界，提前一個小時都是很有價值的。這對于學術界轉工業界的話來說就是很大的挑戰。

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有業務，讓人工智能的算法或者是思想在業務中發揮作用；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展的看法的話，顏水成博士表示，人工智能讓學術界和工業界的人有了共同點，這是非常好的。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。