學界與工業(yè)界的AI研究：有哪些重要不同？

我之前在學術界，現(xiàn)在在工業(yè)界?，F(xiàn)在不少學界的科學家都到公司里面做研發(fā)，通常遇到的一個問題是：在工業(yè)界從事研發(fā)和以前在學界究竟有哪些不同？很多關心研發(fā)的人會有這樣的疑問。我想從自己的經(jīng)歷出發(fā)，談一下我的體會，希望能提供一些借鑒。

去年，我們講到人工智能有“三要素”：算法、算力和數(shù)據(jù)。從今年開始，我們把場景加入進來，開始用“四元分析”的方式來理解人工智能。

為什么要加入場景？去年大家對人工智能非常熱情，包括學校、企業(yè)都在討論。但是，一年過去了，大家在想人工智能到底給我們帶來了什么實實在在的價值？其實，加入場景非常重要的原因是人工智能終究是一種技術，人工智能必須要落實到精準的場景，才有它實實在在的價值。

我們現(xiàn)在來看一下，在學術界是怎么做人工智能。因為人工智能的概念實在太大了，現(xiàn)在深度學習熱，那我們就看下在學術界里研究深度學習，會做一些什么事情。

一般情況下，學術界是把問題設立好之后，去思考研究一些新的算法，然后在具體的問題上，力圖在精度上達到極限。從深度學習上設計更好的模型結構方面，大家可以看到在過去這些年，像初的Hinton用基本的網(wǎng)絡結構，到谷歌的GoogleNet，微軟的殘差網(wǎng)絡（ResNet），到今年我們參加比賽所設計的模型，可以看到基礎網(wǎng)絡結構是推動學術界往前走的核心。但是除了基本的網(wǎng)絡結構之外，更大的網(wǎng)絡、更深的網(wǎng)絡以及不同的網(wǎng)絡模型的融合，也是大家追逐精度的常用方法。

另一方面，我們要訓練這些網(wǎng)絡，可能需要更多的計算資源，比如像圖形處理器集群（GPU Cluster），比如說我們希望有更便捷的訓練平臺，比如說像Caffe、MxNet、Tensorflow等等。當然，更重要的是大家在一點點往前推動的同時，積累了很多小的經(jīng)驗，這些經(jīng)驗通過學術報告，通過論文的形式來分享。大家都站在巨人的肩膀上在一步一步往前走。當然，還有怎么樣用其它的非標注的數(shù)據(jù)來提升解決問題的能力。所有的一切都合在一起，在解決具體問題的時候，能夠把精度達到極限。

學術界很多時候研究的目的，是要有成果論文發(fā)在優(yōu)質的學術雜志上，也希望這些算法能夠具有普適性，除了能解決自己的問題，其他人也能借鑒，較好能開源，所有的人都可以去使用，這樣就能很好的提升自己在這個領域的影響力。

剛剛說的像深度學習去解決圖像識別的很多問題，大家可以看到在過去的幾年，錯誤在一點一點的降低，這正是大家在追逐精度的極限。

但是工業(yè)界不是這樣。工業(yè)界要去探索商業(yè)，注定要有經(jīng)濟上的考慮，思考盈利模式，那對人工智能的考慮就會不一樣。

在工業(yè)界里待過就會明白，人工智能本身并不是一個產品，不是單純靠人工智能就能獲得利益，必須要通過與自己的業(yè)務和場景相結合，才能發(fā)揮它的價值，核心算法只是其中的一個模塊而已。無論是往前端走，還是往后端走，還是需要很多不同類型的人，才可以做出一個產品。

重要的是，人工智能并不是一個靜態(tài)的東西。比如說訓練出來的模型，要用到某個業(yè)務場景里面，業(yè)務場景里產生新的數(shù)據(jù)，這些數(shù)據(jù)進一步提升人工智能模型的能力，再用到場景里面，這是一個閉環(huán)和不斷迭代的過程。

另一方面，也是很多從學術界到工業(yè)界的教授和學者經(jīng)常很容易犯的一個很嚴重的錯誤。就是認為技術在真正推動產品，但其實，用在具體的場景里面，技術只是起到一個非常小的作用，如果說它的貢獻大概到30%到40%就不錯了。

一個成功的產品，還需要產品工程師和非常多的人，大家一起才能做出一個非常的用戶體驗的產品出來。一個核心點就是我們做技術的人，做研究的人，要明白永遠沒有的算法，算法永遠是有瑕疵存在的，我們一定要和場景工程師在一起，通過好的產品設計，把這些算法上的瑕疵避免掉，產生沒有瑕疵的用戶體驗。

比如說有一個很現(xiàn)實的場景，人臉的檢測和定位的技術之后，大家都想做一些非常有趣的增強現(xiàn)實的應用。早期的時候，我們特別享受技術有多么牛，比如早期產品的設計模式，會看一張圖能不能把我的臉換成劉德華的臉，即使在臉動的時候，在張嘴閉嘴的時候，看起來都像劉德華?？墒牵芏鄷r候如果產品的定位是這樣子，技術永遠都不可能做得非常好，為什么呢？人臉的場景，光照條件或者是姿態(tài)不一樣，就會產生一種燒傷臉的感覺，不會產生很好的效果。但是，像我們，還有國外的一些創(chuàng)業(yè)公司，他們的想法就是沒有必要把人臉全都換掉，只要利用人臉定位的技術，可以在臉上加一些花卉，有蝴蝶飛，這樣即使人臉定位的技術還不是很，還有一些抖動的情況，產生出來的視覺效果，還是可以接受的。這是一個典型的例子，需要算法和產品相互結合才能產生沒有瑕疵的用戶體驗。

我佩服的應該是Snapchat, 他們的技術是做算法的和做工程設計的人在一起，一個一個的效果不停地打磨。他們用的人臉的技術，像分割的技術，像SLAM（simultaneous localization and mapping， 即時定位與地圖構建）技術，這些技術都不是的。在這種情況下，通過工程師的產品設計，把每一個都做的非常有意思，非?？帷?/span>

此外，除了考慮用戶體驗，工業(yè)界設計一個產品還會考慮其它方面。比如，當前把視覺，語音和相關的技術用在智能硬件上的時候，可能會想，到底這個產品是不是能滿足某種高頻的剛需？

我原來在新加坡每年寫很多文章，一年寫50、60篇的文章都有可能。那時候有一個很明顯的特點，在寫文章的時候我們會造一個場景，這個場景從用戶需求來說，根本就不存在；從寫文章的角度來說是有價值的，從產品的角度來說，不一定有價值。工業(yè)界還會考慮一款產品用到的技術有沒有成熟？比如說家用機器人，可以端茶送水，可以聊天，這是不可能的，技術上還有一個過程。

另外，工業(yè)界還會考慮技術成熟了，但有沒有壁壘？假設沒有技術壁壘的話，今天做一個產品出來，比較前沿的大公司，都有專家團隊，你把這個產品做出來立馬又失掉了，技術上的壁壘也一定要有。

另外一方面，就是學術界想得少的：我們做一個場景，一定要有變現(xiàn)的模式。沒有一個變現(xiàn)的模式，我們的產品出來了，但是今后掙不了錢，也不可能讓這個公司維系下去。這些都是工業(yè)界和學術界思考的點不一樣的地方。

總的來說，學界進行人工智能，深度學習的研究，一直是在追求精度和極限。用四元分析的方法來說就非常有意思，即我們的場景和數(shù)據(jù)確定了，然后設定一個問題，設定一個數(shù)據(jù)集，假設有足夠多的計算機資源，怎么樣設計新的算法，讓精度能夠達到極限？

我們知道有很多的數(shù)據(jù)集，比如ImageNet，號稱人工智能的；人臉研究界有LFW（Labeled Faces in the Wild，人臉圖片的數(shù)據(jù)庫，用來研究不受限的人臉識別問題）；在視頻領域有美國組織的TRECVID；語音的話有Switchboard。他們共同特點就是：問題和數(shù)據(jù)都是確定的，用盡量多的計算機資源，去設計不同的算法，終是希望達到精度的上限。

但是我們不得不承認，這里面很多的成果是沒有辦法商業(yè)化的。為什么？在ImageNet上，假設訓練了1000多層的網(wǎng)絡，把9個或更多網(wǎng)絡全部合在一起能達成一個很好的精度，在現(xiàn)實的場景下是不可能用這么大的模型和這么多的資源去做一件事情。所以，很多的成果，是假設將來計算能力達到一定的程度，精度能夠達到這個上限。

AI研究的另外一個維度是追求用戶體驗的極限。用四元分析的方法，是把場景和算力固定了。這是什么意思？假設我們要做一個機器人，這個機器人希望它能識別你，這時候場景是確定的。算力確定了是說，這個場景推出的時候，用什么樣的芯片和什么樣的硬件，其實已經(jīng)確定了。我們要做的事情是在這樣一個確定場景和算力的情況下，怎么樣去提升數(shù)據(jù)和算法，跟具體的應用場景去形成一個閉環(huán)，去不斷地迭代，去提升它的性能。這跟學術界把場景和數(shù)據(jù)固定是不一樣。在這種場景下，可以不停的用收集到的新數(shù)據(jù)不停提升和優(yōu)化模型，在數(shù)據(jù)，算法和場景形成一個閉環(huán)。雖然我們能把所有的問題解決，但是在具體的場景下，也有可能逐步地提升它的性能。

這時候做的事情很有意思，要做很多數(shù)據(jù)的清洗、標注。為了把產品的價格降低，比如用一個很差的CPU就能夠去做計算，肯定要不停地去優(yōu)化模型的速度。另一方面，很多時候，滿足這種體驗的需求會有一些新的問題出來。

如果我們仔細想一想，學術界多數(shù)做的事情是在思考，在想它的極限在哪，主要用腦；工業(yè)界并不是強調用腦，而是用心——就是怎么樣能把這個場景做出來，并不一定要有非常高大上的算法，就是要從用戶使用產品的維度上，讓用戶感覺這個產品非常好。

學術界和工業(yè)界又不是割裂的：工業(yè)界敢去提某一個產品的設想，是看到了在學術界有一些前沿的成果，可以在工業(yè)界來用。同時，工業(yè)界也在逐步提煉它的問題，扔給學術界，希望他們去做這種前沿的探索。比如說工業(yè)界可以想，三年、五年以后會往哪些方向去推動，他就可以把這些任務推給學術界。

現(xiàn)在有很多公司，在中國和在美國紛紛建立AI實驗室，其實有兩種目標。一方面是長期希望能瞄準將來前沿的領域，做技術的積累；另一方面是要追求產品更好的落地，所以現(xiàn)在很多公司就建起了自己人工智能的實驗室。

在人工智能深度學習的研究，學術界和工業(yè)界的差別還是很大的，同時也相互作用，相互增強。學術界和工業(yè)界一起合作，研究和產業(yè)相結合，一定會把人工智能帶上另外一個階段。