百度、小米、旷视、美团AI大佬论道：人工智能产业的下一个十年
以下内容根据现场发言整理，略有删减——
孙剑表示，有两件事对他影响最大，一个是 2012 年 Alex 开发 AlexNet，一个是 2013 年 Google 的 Google Picasa 上的深度学习，他当时把自己手机单反照片几百张上传上去检验，结果发现大多数做得都是对的，这个给他非常大的震撼。因为在之前虽然也在做一些非深度学习的图像识别，但是没有想到大多数的结果能推广得这么好。
夏华夏接着说道，人工智能相关的企业、研究院在 2013、2014、2015 年左右如雨后春笋般接连出现，无论是旷视，还是商汤；无论是 IDL 深度学习研究院，还是美团的算法团队。
以美团为例，2013 年下半年才开始做用户画像，希望通过对用户的理解去给用户做更好的推荐和搜索，那是在美团第一个人工智能相关的项目，做到现在，2013 年到 2020 年，7 年过去，人工智能几乎已经渗透到美团的每一个业务。外卖是其中一个，除了推荐搜索之外，会做智能配送调度、人脸认证和识别、文字识别、智能语音交互、智能语音客服，也会做无人车、无人机等等，这种变化让人非常兴奋，做人工智能的同学都应该非常高兴生在这个快速发展的年代。
崔宝秋则认为 AIOT（智能物联网）是一个机遇，几乎所有的 AI 能力都可以在 AIOT 这个生态环境中应用。总结过去十年明显的重要突破集中的是深度学习，但是要挖掘一个技术的价值，还要看应用领域，比如刚才讲的搜索、推荐、调度等等这些领域，我们要更细更深一层看这个事情。对于搜索公司来讲 AI 的第一个应用是搜索。
崔宝秋补充道，搜索推荐是值得探寻的一个方面。AIot 是一个很大的风口。过去十年有几个代表性的产业上的里程碑，包括 2014 年亚马逊的和前几年无人驾驶技术的出现代表深度学习和大数据新一代技术在语音、视觉、自然语言上的突破。AIot 领域是 AI 行业一个很大的机会，几乎所有的 AI 能力都能够在 AIot 这个大生态中得以应用。严格来讲，智能手机未来会成为 AIot 中的一个 T。
哪些因素可能成为大变量，改变 AI 产业格局？
王海峰从两方面解释，一方面是技术，一方面是产业。
他相信未来 10 年在小样本、低能耗的学习机制上一定会有突破。另外，现在的主流人工智能技术都是基于数据量较大的数据，但人工智能是智能离不开知识，所以对知识的挖掘、掌握和充分利用，基于知识的多模态的语义理解，会成为一个重要的突破方向。
另一方面是 AI 以及深度学习的可解释性问题，从产业角度，他也很同意 AIot 这个方向，认为人工智能和硬件的软硬一体的方向一定会产生很多突破。所有突破产业角度都离不开应用，故不管什么样的 AI 技术，最终会跟各种各样的应用场景相结合，而跟应用场景深度结合过程中也会产生非常多突破。
除了算法之外，夏华夏补充了另外的三个点。他用了三个电影和书来举例子：
第一个是电影《机器人总动员》，举这个例子是说未来人工智能和硬件结合之后，会大幅度提升我们的工业自动化水平，这是他觉得的一个大的趋势和方向；
第二个例子是叫《黑客帝国》的一个电影，它通过跟我们脑部的连接，给人营造一个完全虚拟的影像，完全虚拟的一个感受，这是未来娱乐特别终极的一个形态。由于是纯数字化，所以直接给你的脑发信号就可以了，跟这些年特别流行的脑科学的研究对人的认知的理解密切相关，这方面如果能够去有所突破的话，对娱乐、学习、教育等很多方面都会产生很大影响；
第三个是阿西莫夫的《银河帝国》这本书，在七部曲里最后一部曲，把银河系每个星球每个人，每一个生物和非生物都连到了一起，每个星球都有了意识，有了思考，所有人都连到一块，这个非常像万物互联这个趋势。他觉得现在随着 5G 的普及和推广，随着物联网技术的发展，未来有大量的数据会连到网里来，AI 技术怎么去处理这么多数据和这么多非生物的意识，这会是一个很有意思的挑战；
他举这 3 个例子，说明未来 10 年在这 3 个领域和方向应该都会取得很大进展。
而关于未来 10 年这种专业做AI的公司产业格局，孙剑分享了自己看好的小方向或者小变化，第一个比较热的是目前比较热的自监督学习，从去年年底到现在已经有了可喜的进展；另外一个非常看好的是芯片算法的协同演化和协同设计。
另外，训练数据都在各行各业企业里，很多数据拿不出来，数据安全训练或者隐私安全训练的进展也会成为关注热点，这方面如果有一定的突破，就很可能为第三方提供一个高安全、高可信的机器学习环境，在客户那里真正把各行各业的数据价值挖掘出来。他们内部叫客户侧训练，怎样有这样的研发团队和方式能够帮助用户把数据安全高可信的能够训练起来。
崔宝秋对王海峰老师的两个观点表示认同，他说跟自己的两个观点非常相像，第一个是小数据 AI，未来能不能突破，今天的大数据 AI 有些比较笨的办法，未来能否基于小样本小数据，结合过去 AI 技术，学到新的学习能力，做到通用的人工智能，这是他希望有一个大的变量在里面，另外一个关于广义的开源，还有一些变量是 AI 和其他技术的融合，包括 AR、VR 的融合，能做到人机交互，变得非常自然，这些是非常吸引人的，从 GUI 到 VUI 的质变，个体到整体的质变，因为我们买 IoT 设备不再是单个功能而是整体功能，以人为中心的整体智能服务这个质变。
基础有几方面，如果还是深度学习这个方向，一个是编程基础，用好 Python，至少熟练用一个深度学习框架。第二个是因为我们深度学习还是一个很实践性的学科，涉及很多优化，所以也推荐大家对优化的基本理论场景算法能够比较好的熟悉，他推荐了一本自己上学时候读的书，叫做《数值算法大全》，并推荐大家去研究，这些对深度学习做 AI 帮助非常大。另外，还是要全方面的建立培养科研素质等等，不迷信权威，挑战前沿智慧等等。
崔宝秋补充了两个观点：第一个，AI 的春天刚刚开始，尤其从 AIot 角度看，有很多应用场景还都没有把今天的 AI 能力充分发挥出来。所以产品的创新、智能场景的创新会带来很多技术的创新，AI 这个春天能持续多久，在于所有从业人员去呵护。第二是很多东西基础技术的研究需要坚持，如果大家很在意一个领域火不火、要不要进去，这反映了今天人们面临的一个问题，有点急功近利、挑肥拣瘦，这方面需要研究人员能够坚持。
刘江在最后的总结中说道，在 AI 的大发展中，现在还是一个比较早期，未来还有很大发展的一个阶段。而且之前深度学习等等为代表的很多技术的红利，在应用层，在非常多的层面还刚刚开始，从工程技术人员来讲还有很多可以做的。
当然，对于学校的老师同学来讲，因为社会尤其这次疫情能够看到非常多，现在是数字化、无人化，进展进度在加快过程中，在这个前景下还有非常多事情、非常多场景值得我们科研人员去做的，所以大家不用担心。但是大家也要注意，要看清楚整个事情的本质，不能说什么东西热，就去干什么，不能人云亦云，要关注基础，要关注一些本质的事情，真正把这些东西搞清楚，还不能急功近利，要长期，要有耐心。