AIR 020 | 人工智能大拿：在工业界干，与在学术界干有什么不同？

今天的CCF-GAIR全球人工智能与机器人峰会，业界大拿分别就机器学习的学术前沿与人工智能的商业应用场景做了分享和讨论。然而有趣的是，在人工智能的新浪潮下做一个“跨界”的人是怎样的体验呢？在峰会期间举行的圆桌论坛上，先后在学术界与工业界乘风破浪的360人工智能研究院的院长颜水成博士回答了这个问题。

颜水成博士毕业于北京大学，也是伊利诺伊大学(UIUC)的博士后，目前加入360已经大概有10个多月了。而在加入360之前，他曾在新加坡国立大学领导机器学习与计算机视觉实验室，并担任副教授。他的主要研究领域是计算机视觉、深度学习，与多媒体分析。他带领团队提出的“Network in Network” 对深度学习产生过很大的推动力，同时他的团队开发的”Purine”是全球第一个开源的支持多机多GPU的深度学习系统。

2014年，颜水成博士曾入选汤森路透（THOMSON REUTERS）发布的“2014年世界最具影响力科学家”，后来，他还被授予新加坡青年科学家奖 （YSA）和青年教授研究成就奖。

事实上，即便学界泰斗，对于转型加入工业界参与应用研究也不免忐忑——我去了以后能不能活下来？论坛上，主持人就向颜水成抛出了这样一个问题：“你觉得360做人工智能有哪些制约或者是你不满意的地方？”

面对如此尖锐的提问，颜水成表示：

我想从武器的角度解释这个问题。人工智能在学术界和工业界的玩法可以借用武术的方式打个比方。武术大家都崇向于名门正派，你不仅能把别人打败了而且还能提炼出一些招式来，希望这些招式能帮助别人在格斗的时候获胜。在学术界的人工智能研究与武术这一点就很像。

而在工业界，这些招式就变得不那么重要，重要的是——你能有一种武术，或者一种作合的方式能把别人打败，把一个问题解决掉，这就是好的人工智能。

比如说，我们在解决工业界的人工智能时，凭借人工智能以152次把别人打败，或者1000次都无所谓。重点是，你要有人工智能的思想和方法把这个问题解决。这是我觉得他们两个的差别。

我加入360时因为它有其自身的优势，在当前的特殊时期，我们可以说是网络在人工智能界稍微领先于学术界。人工智能的竞赛有什么变化？直到2013年，学术界还有可能在人工智能的竞赛拿到第一名或者是很好的成绩，但是到了2014、2015年，我们会发现很好的成果都是从互联网出来。

其实互联网也没有那么多计算力的资源，但是学术界一般的实验室大概是十几块或者是二十几块，能到几百块的话就是奉令承教。我当时进入360的时候，智能硬件是非常关键的业务，现在直播也是非常关键的业务，这些事情恰好是我想做的，所以360是非常好的选择。

从学术界到工业界如果说什么弊端，那就是首先会碰到互联网的节奏比学术界要快很多这样的问题。在学术界半年或者是三个月有很好的成绩出来，能有一篇很好的学术论文，这也说不错的。而作工业界，提前一个小时都是很有价值的。这对于学术界转工业界的话来说就是很大的挑战。

那么，“研究院更多的是看未来，你的老板有没有给你具体的指标？”

“我个人的关键是因为在中国名企。像微软亚洲的研究院这一类是没有标准的。在中国，要一个好的研究院肯是有两个路径同时并进——一方面，要有成果能快速支持现有业务，让人工智能的算法或者是思想在业务中发挥作用；此外，要有长远的想法——一年半或者一年以后产品需要怎样的人工智能技术，或者自己去孵化短时间就能上线的业务。这是能够能保证研究院在名企内部生存下来的良好方式。”

最后，用一句话总结其对人工智能发展的看法的话，颜水成博士表示，人工智能让学术界和工业界的人有了共同点，这是非常好的。