最受欢迎北大AI公开课！360集团颜水成：人工智能行业观察与实践
本文由 AI 前线（ID：ai-front）独家整理首发，未经授权请勿转载
AI 前线导读：人工智能领域存在着工业界与学术界的分别，近年来，随着 AI 高速发展，在这两个不同的世界里，分别发生了哪些大事件？作为一家以安全为主要业务的企业，360 又是如何在人工智能时代发挥作用？本期北大公开课请到了 360 副总裁，首席科学家，人工智能研究院院长颜水成教授，他将从 AI 观察者和实践者两个角度谈谈他对人工智能领域的洞察。
北京大学最受欢迎的 AI 公开课“人工智能前沿与产业趋势”于 2019 年 2 月20 日正式开课。本学期的课程邀请到了商汤科技副总裁沈徽、驭势科技 CEO 吴甘沙、微软亚洲研究院副院长周明、360 人工智能研究院院长颜水成、YC 中国创始人及 CEO、百度集团副董事长陆奇等 14 位来自产业界的大咖进行授课，AI 前线作为 独家合作媒体 将全程跟进并对北大这 14 场公开课进行整理，敬请关注！
更多干货内容请关注微信公众号“AI 前线”（ID：ai-front）
课程导师：雷鸣， 天使投资人，百度创始七剑客之一，酷我音乐创始人，北大信科人工智能创新中心主任，2000 年获得北京大学计算机硕士学位，2005 年获得斯坦福商学院 MBA 学位。
特邀讲师：颜水成，360 集团副总裁，360 人工智能研究院院长，IEEE Fellow、IAPR Fellow 及 ACM 杰出科学家。他的主要研究领域是计算机视觉、机器学习与多媒体分析，发表 600+ 篇高质量学术论文，论文引用过 4 万次，H-index 94。2014、2015、 2016 、2018 四次入选全球高引用学者 (TR Highly-cited researchers )。
北大 AI 公开课第六讲回顾：《微软亚洲研究院周明：NLP 进步将如何改变搜索体验》
以下为 AI 前线独家整理的颜水成老师课程内容（略有删减）
对 AI 领域的观察今天的分享主要分为两部分。
首先，作为一个 AI 领域的观察者，我想谈谈在学术界、工业界和创业的团队里，发生了一些什么事情，以及我个人对这些事情的一些看法；另外，作为一个 AI 实践者，我想为大家分享一下 360 在大安全概念的指引下，AI 发展的走势和进展。
在过去的将近一年多的时间里面，我觉得有两件事情对 AI 的影响是非常大的。
第一件事情是，在去年年初的时候，区块链和比特币爆发的时间点，很多 VC（风投）突然一下，好像对人工智能丧失了兴趣，把精力和投资的欲望完全转向了区块链，就像上面左侧这张图描述的那样。当然，这件事情也不完全是坏事，有一个好处是：大家对区块链和比特币有了更清楚的认识。
另一件事情发生之后，AI 又渐渐地开始回暖。今年，深度学习的三架马车：Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun，拿到图灵奖之后，又为 AI 注入了一个强心针，大家有更强烈的热情去推动 AI 往前发展。
在学术界，我第一个观察到的是什么呢？大家可以看到，AI 的论文的数目已经完全超越了所有学者能够阅读的极限。今年恰好我是 ICCV、CVPR、AAAI 和 IJCAL 四个会议的 area chair。其中，AAAI 已经结束了，收到投稿量是 7095 篇，接收了 1150 篇；CVPR 是在 2 月底开的这个 area chair Meeting，收到了 5100 多篇论文，接收了 1300 篇，ICCV 和 IJCAL 还在审稿当中，分别至少有四千多篇的投稿。
过去我们参加一个会议，基本上利用四天左右的时间扫一遍会上感兴趣的文章，是完全没有问题的。但是现在每天发表的论文的速度，让学者完全没有时间去把它进行通读，这对于学者来说是一个非常大的挑战。很多人也希望利用 AI 来进行辅助，筛选自己感兴趣的 AI 论文，以利于我们能够更好学习 AI。
有一个人利用业余时间写了一个叫 Arxiv Sanity Preserver，希望用人工智能的方法，把读者感兴趣的论文给筛选出来，同时可以相应的去推荐一些用户可能会感兴趣论文，非常像信息流的推荐系统。我觉得如果 AI 能够帮助我们更好的读 AI 论文，也是一个非常有趣的事情。
第二个观察是，门派已经逐渐消失了。以计算机视觉为例，我在读书的时候，有 Adaboost 派、有 Deformable Model 派、有特征设计派，也有理论功底比较深的 And-Or Graph 派，但现在已经完全改变了，全民都想只用一招，就是 Hinton 的深度学习。
第三个观察到的现象是，现在论文的影响力出现了资源 Biased 的现象。什么意思呢？像 Google、Facebook、微软这样的大公司，也包括国内 BAT 这样的公司，要写一篇好的论文，可以调用的 GPU 的数量可能是成百的，甚至更多，但是在高校里面，一般一个学生只能分到一块到两块 GPU，情况好点的话，也许有八块 GPU 可以去做一篇论文。
可以看到，最近发表的这些原创的有影响力的论文，它使用的 GPU 的资源是非常令人惊讶的，比如谷歌这篇 NASNet 的论文，它花了 83 个 GPU-Days；另外一篇 Facebook 的论文，用了 7382 个 GPU-Days，这在学校里面是基本上不可能做到的事情；前不久发布的 BERT，用了 256 个 TPU-Days。
大家可以看到，这些工作确确实实都开创了一个新的时代，或者说一个新的方向，都非常有价值，但这些工作从某种意义上来说，已经是学术界没有办法去做的了。这个情况对于学校的研究者，以及 AI 研究公平性方面要引起反思，当然我们不能说它好或不好，但是事情都已经发生了，我们大家还是需要注意的。
第四个观察是，在近一年时间里出现的重要的进展，它们的落地性还不是特别的好，所以我们用了一个词叫：让子弹再飞一会。比如今年的 BigGAN 和 StarGAN，它的效果是确实非常好，但是我们也没有想清楚这个东西到底可用来干什么，到底有什么样的商业场景。
这可能是在接下来的一年或者更长的时间里面大家所需要思考的，比如今天的 BERT 效果非常的好，但是它的功耗实在太大了，还暂时没有办法直接在产品中使用，怎么样去降低功耗，让 BERT 模型仍然能够达到比较好的效果，是需要进一步往前推进的事情。
另外一个就是强化学习。Big GAN 花了很多的人力在做这个方向的研究，但其实，GAN 在其他场景的价值，还没有得到充分的彰显。我们也曾经尝试，让它去解决比如像广告推荐、金融风控等方面的问题，但是后来跟其他的公司进行探讨的时候，我们发现强化学习在其中发挥的价值还是非常的小。这些东西都非常有价值，但是在实际的商业场景中，可能还需要让子弹再飞一会，或许还需要更长的时间，才能让它发挥出价值来。
另外一个观察是，在端上的高效的模型已经成为热点，而且是刚需。也就是说，现在深度学习已经从“可以用”时代逐步进入到“用的起”时代了。所以在过去这一年里，大家可以看到有非常多的相关工作和研究在进行，比如：怎么把硬件的特性考虑进去，可以让模型在端上能够有实时性？
学术研究 VS 工业研发从学术界的角度来看，我们基本的目标是希望能有一些优质的论文发表，能在比赛上获得更好的成绩。我认为在学术界的研究更像是一种个人的冲锋战，但是到了工业界之后，特别是成熟的公司，他们的目标不只是做算法研究，或者说纯粹的发表论文，而是需要把技术放在一个闭环里面。
现在工业研发中，有两个维度非常重要，一个是价值闭环，一个是数据闭环。
“价值闭环”我第一次看到是在《创新者的窘境》这本书里面，它在里面讲了四个纬度：技术、产品、客户和体验。为什么有一些好的技术，在传统的大企业里面，反而落地非常困难？一个主要的原因是：技术虽然能够带来价值的增加，但是对于消费者、销售商、客户或者企业，如果有一方的利益没有增加，那他就没有动力去利用这项新技术。所以一定要把技术放在一个闭环里，让闭环里每个维度的人都感受到价值的增加，这样的话，才有可能让一项技术在传统的企业里被大量的采用。但这是非常困难的。
而据我们的观察，最近很多的互联网的产品，除了这四个纬度之外，还有一个维度也变得非常重要，就是社会价值观。当有一个产品的社会价值观没有起到正向的推动作用，往往这个产品也很可能会走向失败。
在闭环中，企业、技术、产品、客户、价值观，他们之间是相互依存的。我举一个例子来说明。
首先我们肯定是通过技术创新来孵化新的产品，但是我们会在真实产品中，去收集有效的数据，用这些数据来迭代和优化我们的技术，最终技术又进一步的提升产品的体验。
我们来看看用户的 feedback 会对我们的产品产生什么样的有意义的价值。
我们 360 做了一个扫地机器人，扫地机器人纯粹依靠传感器来转向有时候不是那么精确，有时候需要依靠碰撞的方式来确定是不是到边界了。我们其实一开始并没有在机器人外面做缓冲装置，而是有个用户，他自己在扫地机器人上面加装了这个东西，这样的话，当机器人碰到一些比较脆弱的，或者比较珍贵的家具的时候，就起到了一个很好的保护作用。
这些东西在公司里面，可能很少有人会这么去想，但是我们有这么多的用户，用户会根据他真实碰到的问题，有些时候会产生一些非常创新的想法，这个想法返回到我们企业里，有可能会给我们的产品带来进一步的改良和优化。
第二，数据闭环。这其实是非常重要的，特别是对算法来说，我们一定要建立起数据闭环。我们一般会专注在算法模型的部分。算法模型和产品本身产生的这个数据，以及用户在使用过程中产生的各种交互的数据，要把它形成一个闭环。
比如：算法模型为智能产品提供一个功能，同时智能产品又为用户提供服务，用户在使用过程中，又会有很多反馈信息，它们合在一起，形成一个闭环，这个闭环是我们发现问题、解决问题和不断的去迭代产品的一个过程。
以 360 的一款门铃产品为例，这款产品有人脸识别，或者人形检测等等功能，这项功能部署在云端或者本地端，产品就会进行实时的分析，而这些分析的结果，就会发送到用户的手机上，用户在使用手机的时候，可能一开始并不知道是哪些人，但是收集到的数据比较多之后，系统就会把人聚堆，用户也可以对某个人进行标注，系统也可能会帮用户把标注内容分成几个小的聚堆。这些信息反馈回来之后，我们可以用这些数据去进一步提升人脸识别，或者人形识别的精确度。
那么为什么要建立一个闭环呢？我觉得一个核心是：因为 AI 没有完美的算法，比如设计一个人脸识别的算法，并不一定在所有场景都能取得很好的效果。至于为什么人脸识别的一些公司能存活下来？我认为主要原因是：每家公司都在特定的一些场景下，有自己的数据优势，可能在某个场景下，A 公司能一统天下，别的公司就没有办法能够进来。
另外，特定场景的数据，还可以不断的优化算法。最关键一点：产品算法模型的优劣并不是产品成败的直接决定因素，产品的设计、用户交互的友好性等等都要不断的考虑进去。这些因素可以在用户的反馈和数据的生成过程当中逐步得到，最后能形成一个非常有竞争力的产品出来。
对于学术界研究和工业界研发的差别我有一个小的总结：我认为学术界更像是两个人在谈恋爱，工业界更像是结婚后的男女。
如何理解呢？学术界的研究，每天一点点的进步都会让你非常的开心，比如你有一个 idea，发表了一篇论文，同时还希望达到新的境界，希望发一堆论文出来，看到的全是好的一面，而且你可以自由的憧憬，为什么？因为暂时没有人催你生孩子（产品），你可以梦想如果我用这些技术打造出一个产品会多么的美好，而且你会认为这个产品一定会是世界上最好的产品，因为反正你不用真的把这个孩子给生出来。这就是学术界的情况。
但是到了工业界，更像是结婚后的男女，你发现生孩子（产品）成了你最首要的任务，因为你的老板天天会催着你生孩子。你以为生出来的孩子很乖巧，特别是刚从学术界出来的时候，会认为我做出来的产品肯定是世界上最好的，但是来到工业界之后，你会发现一堆的问题，一堆的毛病，有很多问题你之前根本没有想过，比如供应链、销售等等，有各种各样的问题，都是你没有想到的。以前你不关心的因素，后来成为了最关键的因素。
用户不喜欢产品，你就要不停的根据经验和用户反馈来调整，最后这个产品越来越好了，你的头发也白了，身体也坏了，但是看着自己的孩子还是一脸的幸福。这确实是学术界和工业界的差别。
成熟企业 VS 创业公司我觉得创业公司，其实有些相似性，特别在技术的维度。所以我把关于初创企业的一些观察，和成熟企业的观察就放在一起了。
首先对于初创公司来说，AI 不是一个最终的产品，它必须要跟具体的场景和业务相结合才有价值。我们总是要明白，AI 只是在一个闭环里面的一个子链条或者一个加速器，它并不能算是一个产品。
比如做一个智能硬件，除了算法之外还有产品的工程化、设计、市场销售、服务器，还要考虑 AI 的硬件化，让它能够更加的高效。但是我们往往更没有想到的是供应链和售后到底会发生什么事情。这些是我们刚开始不会想事情。
第二点，我们要承认 AI 技术已经不是孤品了，它已经不存在什么真正意义上的必杀技。我在观察的时候，突然想起我看过的《马达加斯加》，感觉非常形象：在纽约时代，这匹斑马就是一个孤品，因为没有别的同类，它所会的一切技能就是必杀技；但是当他回到草原的时候发现不是这样了，其他的同类也都会同样的技能。这段视频非常好的描述了当前的 AI 的状况，AI 技术已经不再是孤品，那么大家也不必幻想 AI 存在必杀技。我们现在更多的需要考虑，AI 怎么样能跟商业闭环融合在一起，逐步形成它的壁垒。
另外，AI 是没有完美的算法的，但是我们又希望有毫无瑕疵的用户体验。去年我也分享过，想做一款好的产品，纯粹的算法科学家是不够的，你需要有产品的工程师来帮助你去用不完美的算法，产生无瑕疵的用户体验。
举个例子，比如说你有人脸方面的各种技术，如果你只是想用它换脸肯定效果不行，但是如果你想用它来，在人脸上加上一些装饰，就能做得非常好，而且效果也会非常的不错。
另外一方面，如果 AI 没有完美的算法，那么人机协同，或者人在闭环，往往也有一些商业模式能够建立起来。一般的做法是：先人在闭环，再逐渐的 AI 化。
举个例子，我原来在新加坡的时候去评测过的一家叫 TRAX 的公司，这是一家以色列的公司，它所做的工作是识别货架上的商品，而且要识别到子类，同样是洗发水，它要知道洗发水的尺寸等等。
它的动机是什么呢？商场里面每年有大量的商品，由于样式太多，人工没有办法去实时监督商品数量，导致每年损失高达五百多亿美金；另外，货架上的商品怎么样摆放，也是有严格要求的，如何摆放才能让客户去购买的可能性最大。
这家公司通过摄像头，去自对识别货架上商品的量有多少，以及它的位置是什么样的。有一些供应商，为了能够得到这个数据是愿意付费的，因为他们会经常派人，去不同的超市商店里检查自家产品的摆放等等，这个工作人工的成本非常高，如果能把它自动化，一些公司肯定是非常愿意的。
但是目前物体识别的精度只有 96%，怎么办？这家公司就在印度和马来西亚，召集了一批实时调度人员，先用自动算法做分析，再用人工来进行修正，通过人机协同的方式，运行起来了这样的商业模式。随着数据收集越来越多，它的精度可以逐步的提升，人工校对的人数也会随之减少。
所以，人机协同也是解决人工智能算法不完美的一种很好的方法。
另外，现在大家都在想，还有没有新的元素，能够去推进 AI 技术往前走？我个人觉得，5G 和 AI 芯片应该是 AI 两个巨大的推动力。
首先，5G 的下载速度快，据说能达到一秒钟下载 1.7G 的数据；第二个特点是高接入量，5G 的设备的数量，可能是现在的几十倍，或者更多；另外很重要的一点是低时延。
有了这些特性之后，比如在 VR 领域，如果带宽提升了，那么用户的体验就会变得更好；此外，高接入量对 IOT 有非常大的帮助；至于低时延，对于 AI 和自动驾驶是非常有价值的，因为自动驾驶车辆的设备，以及车和车之间的连接都需要具备低时延的特点。5G 对于这些场景的落地有非常好的推动作用。
而 AI 芯片最大的好处是什么呢？如果 IOT 设备的计算全部靠云端的话，那么在时延和隐私性方面可能会不那么好，如果端上智能设备的算力足够，比如家里的摄像头，那么就可以把图像通过本地进行处理，不需要上传到云端。
如果把对于学术界、成熟的企业和初创企业的这些观察总结起来的话，大家可以看到，对 AI 不只是去讨论它的三要素，也不只是说 AI 要落地，而是说现在大家已经开始要关心 return or investment（投资与回报），AI 也真的开始回归商业的本质，跟之前的互联网、移动互联网时代一样，商业回报是大家最关心的问题。
以上是我过去大概一年多的时间里面的一些观察。
大安全下的人工智能接下来，我跟大家分享一下，360 在过去一年里面，AI 的布局和进展是什么样的。
大安全与安全大脑360 去年明确提出来一个“大安全”的概念。其核心思想是：安全已经不只是局限在网络空间里面的信息安全，攻击也不只发生在网络空间，由于智能的控制的发展，原本存在于网络空间的攻击已经对物理世界产生了危害。
所以，安全公司希望的是，给大家提供一种安全感，包括安全、安心、安康等多个维度。
在此基础之上，360 人工智能的布局主要分成两个部分。
现在 360 的业务布局叫“一体两翼”。“一体”是核心安全，就是传统的安全业务；“两翼”一个是 IOT 业务，一个是互联网业务，比如 360 的搜索引擎、浏览器、信息流等业务。
一方面，360 去年提出了 360 的安全大脑，希望用人工智能和大数据的技术，去打造分布式的智能安全器，其主要目的是防御网络的攻击；另外一方面，是基于 360 的人工智能的平台打造四个引擎，分别是运动引擎、交互引擎、视觉引擎和决策引擎。这四个引擎一个方面是支撑 IOT 业务所需要的智能分析能力，同时还可以支持互联网的业务，因为这里有一些比较难的问题，或者可以进一步提升的问题，希望能够通过决策引擎去支持。
安全大脑的提出，是因为攻防的严重的不对等。防御方面，我们对网络所有的可能性，所有的地方都要防范；但是进攻的话，只要找到一点漏洞，就能攻进去。那么在这个时候，就会产生攻防的严重的不对等。
比如说在安全领域，每年都会有一个事故数据泄露调查报告，他们发现：黑客要进行攻击的话，如果初步得手，则需要跟踪，开始有泄露，也需要跟踪，但是网络安全人员要发现这个数据泄露了，他需要有足够的时间去启动跟踪环节措施，这是一个非常漫长的过程。
从这里可以看得到：攻击很快，防守很慢，防守环节也很慢。与此同时，网络攻击也越来越自动化和智能化，防守能用 AI，攻击当然也能用 AI。这时候就意味着我们需要对安全的响应速度比以前更快，也就需要大量技术娴熟的网络安全人员。
但是事实上，中国的网络安全人员是严重的缺乏，所以 360 希望是把多年积累的网络安全能力，形成感知学习推理决策和预测的能力，希望能为有安全需求的场景提供一站式的服务。
首先这是一个人机协同的系统，为什么？因为 AI 再怎么强，很多的场景还是需要白帽子，而且很多时候，AI 的价值是协助白帽子发现其中的问题。同时，它也是一个开放的生态，360 的网络安全人员目前不能解决所有问题，我们希望接入第三方的能力和速度，让安全大脑变成一个分布式的协同作战的武器。
此外，要把这些能力开放给第三方，让它有能力去沉积一些和安全相关的国家和企业的项目。在 2018 年的上半年，360 的安全大脑，拦截的恶意的程序就有 396 亿次，拦截钓鱼攻击 200 多亿次，拦截垃圾短信 48 亿条，拦截骚扰电话接近 200 亿次。
半年的时间，可以看到它所涉及到的面和量都是非常巨大的。
四个 AI 引擎下面主要来给大家分享四个 AI 的引擎。
第一个引擎叫 交互引擎。 以 360 儿童手表为例，小孩需要跟手表利用语音交互通话，后台就需要有一个用于交互的引擎，同时 360 今年刚发布的 AI 音箱也是通过这个交互引擎来提供人机交互的能力，这个引擎叫做 NXOS。
第二个引擎叫 运动引擎。 这个引擎主要是希望智能硬件能够自主和安全的运行，现在主要是在支持 360 的扫地机器人。
第三个 视觉引擎 算是 360 的强项，主要是希望对家庭还有小区的安防提供统一的解决方案。
第四个引擎叫 决策引擎，依靠的是 data intelligence（数据智能），希望用 360 积累的大数据对未来的趋势进行智能的判断，用来做大数据的风控和广告，还有信息流、短视频的智能的推荐。
总 结最后做一个小的总结。
我觉得从学术界、成熟企业以及初创企业的观察来看，大家不再只是考虑 AI 长远的落地，更加关注 AI 的 ROI，也就是说，AI 正在回归它的商业本质了，这个是迟早的事情。
那么在实践的维度，360 在大安全的指导下，用 360 的安全大脑来支撑 360 的网络安全，用四大人工智能引擎去支撑 360 的 IOT 业务，和互联网业务。
同时我觉得因为三架马车获得了图灵奖，在接下来的两年，甚至更长的时间里面，跟 AI 相关的行业应该会继续具有强大的生命力，谢谢大家。
问答环节雷鸣：对于 GAN、强化学习和 BERT，你觉得未来会有一些什么样的突破，以及这个突破会带来什么样的一些商业机会呢？
颜水成：我觉得 GAN，应该对于图像和视频的生成，肯定会有很多的回应的点。打个比方，你在社交媒体里面想用一个头像，现在网上直接下载的图像很多都有版权的问题；或者你在进行文字创作的时候，肯定会希望有一些配图，如果你到网上去买，不一定买的到，同样如果直接下载，那么版权问题的风险是非常的大的。用自动生成的方式，可以让创作产生更大的价值，而且现在有个趋势，不只是图像，连视频也能生成，这样发展的空间就更大了。当然这是指好的一面。
不好的一面就是，通过自动生成可以生成任何人，所以可能将来在网络上看到的新闻图片有些是自动生成的，这样反而会带来一些混乱。从安全的角度来说，利用 AI 判断到底哪些图片是真实的，哪些是虚假的，由此引发的相关研究也是很有前景的。
至于 BERT，我个人是非常看好它的前景，但是它的训练代价太大，最近有很多团队在用 BERT 刷榜，但如果你仔细去看会发现，刷榜的人都没有对 BERT 重新训练，都是用之前训练好的模型；当然也有一些团队在探索，有什么办法能够在真正的业务里面用上这个模型，还需要一些时间，但前景我非常的看好。
而强化学习可能前景就更不清晰了，我们看到了它确实是解决很多的问题，比如用来做模型的生成，像 GAN 这样的模型也在广泛的使用。如果公司是用它来瞄准长期的收益，这个东西可能会是很好的，但我觉得有如果公司比较愿意保障当前的收益，可能就没有办法立刻看到它的价值。
雷鸣：有一个观点认为，深度学习的发展跟算力是捆绑的，随着算力的提升，很多问题都解决了，如果没有算力大幅度的提升，很多问题仅靠调整模型可能是解决不了的，对于这个观点你是怎么看的？AI 的未来真的就是暴力求解吗？
颜水成：我的个人感觉当前确实是比较依靠算力和有效的数据，比如说，图像和语音的问题都解决的不错了，但为什么 NLP 问题没能解决的特别好？我们当时有一些探讨：
可以把这些问题看成不同的数据空间，比如语音更多的是一维的空间，很容易就能够全覆盖到；而图像的数据空间相对语音来说会更大一些，随着社交媒体的丰富，像 ImageNet 这样的数据集也越来越多，图像的数据空间也开始逐渐变得更加充分了；但是 NLP 领域，就好比要把所有的词汇全部考虑进去，包括排列组合等等，它所拥有的空间比图像空间更大，因此可能需要的样本更多，如果再把多轮对话、人机交互等等问题考虑到的话，数据空间就更大了。
现当前的状况，几乎没有这么大的数据能把整个 NLP 空间的话有效的覆盖，这也是为什么现在人机交互的过程中，机器仍然很笨的一个主要原因。假设将来收到越来越多的日常高频的人机交互数据，你或许会发现机器人变得越来越智能。也许到将来的某个时间点，平常我们能见到的一些交互，就都不成问题了。
那么要处理这些东西，首先算力要足够。大家也知道之前 OpenAI 最新开源的模型 GPT 2.0 已经可以自己生成文章，这也是靠海量的数据和大量的计算资源堆出来的结果。
也许随着数据的增加，和计算能力的增强，解决 NLP 问题会比以前解决的更好。但是我是觉得，可能还会有差别，至少现在与智能音箱对话的人机交互方式，跟两个人类交流的方式还是差别很远的，所以至少在这个维度，应该是暂时没有办法让这个机器达到一个与人类接近的地步。
雷鸣：现在也出现一种叫多模态融合的方向，要理解视频内容，还要跟自然语言有关，前段时间微软也推出一个在图片上，通过语言去寻找某个东西的模型，对于这个方向你是怎么看的？
颜水成：我是比较悲观的。大家都在讲通用智能，我也有朋友是做这个方向的，比如按照某个方式去让智能体去接触外部环境进行学习，虽然能够从理论上证明，最后会具备强人工智能的能力，但是我觉得还是有些弱。这类实验也非常简单，有点像一个非常原始的游戏，去模拟这个过程，所以我个人觉得达到强人工智能的时间还是有些漫长。
而多模态融合现在也没有看到特别的好的方法，之前也有一些研究想要弄明白，人类大脑的视觉和听觉到底是如何协同工作的，但是到 2017 年也基本上没有任何实时性的进展。
当时在多媒体领域，有一个很好的梦想是希望能把图像、语音和文字，三个模态的信息能融合在一起去做一些事情，但是，如果去看这些论文，会发现其实它的融合机制还是比较简单的，而中间是怎样交错，并影响到最后的结果，我觉得还缺少一层比较好的机制，现在的多模态，做得还是很简单。至少从我自己有限的研究里看，多模态发展需要时间还特别长。
雷鸣：你觉得在视觉上，未来有哪些产业还会落地或者发展？
颜水成： 第一，我觉得教育还是一个比较重要的方向。现在的教育资源确实不够，要么把老师叫到你这边来，要么把孩子送到补习的地方去，可是有个现实问题，路上交通的时间成本太高了。我是觉得从视觉角度来说，通过基于视觉的交互，可以完成比如作业的批改，或者是在学习过程中，利用视觉技术分析孩子当前学习的状态等等。
另外由于 5G 的出现，一定会有新的内容产生出来，用视觉的方法去帮助用户产生适合在 5G 形态上的内容，肯定会催生很多新的公司。当然不仅仅是我们现在见到的短视频产品，可能会是别的视频产品，这块是视觉比较强的地方。
雷鸣：你对自动驾驶是怎么看待的，是偏乐观一点的观点，还是偏悲观的？
颜水： 我有一个观点是，希望做任何事情，经常有阶段性产品出来。但是自动驾驶的话感觉，在我看来是比较难有阶段性产品出现。因为我是从学术界来到工业界，所以我内心还是希望比较快速能看到一些有效的项目出现。另外，自动驾驶的周期比我们想象的要长，今年很明显，大家开始比较少的去谈一些 L4 或者 L5 的产品，开始想要在一些受限场景下尝试产品的落地了。但是我个人还是觉得这个方向是非常这个值得投入，也是未来应该关注的一个方向，也许需要更多的年轻人做这个事情。
下期预告4 月 17 日 周三晚 18:40，北京大学“人工智能前沿与产业趋势”第八讲，将由好未来 AI 业务负责人杨松帆为大家授课。
感兴趣的小伙伴可以添加 AI 前线编辑微信：caifangfang842852，备注“北大听课 + 公司名称 + 职位 or 学校 + 专业”，通过后可进入课程活动群，第一时间获取直播链接、视频回放、课程内容整理、北大 AI 公开课系列课程信息，以及与其他小伙伴互动交流。祝大家听课愉快~
学习资料点击“阅读原文”，即可观看本期公开课视频。
在 AI 前线微信公众号（ID：ai-front）后台回复关键词“北大 AI 公开课”，可获取往期课程文字材料 + 视频回顾等学习资料。
你也「在看」吗？👇