机器学习大潮气势如虹，科技巨头们如何乘风破浪？CCF-GAIR大会首场圆桌论坛围绕这个话题进行了热议。微软亚洲研究院主管研究员郑宇担纲主持，小米联合创始人黄江吉先生、360人工智能研究院院长颜水成博士、腾讯优图创始人黄飞跃博士、今日头条科学家李磊博士参与讨论。（内容有删减）
郑宇：分享一下360最近在人工智能领域取得了哪些进展，并且在未来有什么样的布局。
颜水成：我加入之前360在人工智能方面已经做了很多事情，基本视觉、语音、语义还有大数据。除了传统业务以外，还有两个业务对人工智能的使用非常多，一个是智能硬件，一个是老周特别喜欢的直播。
从研发角度来说，我们主要做了两件事：一方面是当我们有了大数据之后怎样更加快速的把这个模型训练出来？另外是从智能硬件的层面来说，除了传统的人工智能，在云上的使用还有一个很重要的场景是端上的人工智能。
端上的人工智能有两个层面可以做事情，一个层面是你怎么样从算法的角度把模型变得更好，把复杂度降到更低，用很少的资源把好的人工智能用到端上；另外是从面上，比如提升深度学习芯片的计算能力。但是在中国的特定场景下，用户对产品的价值很在意，在我个人来看，从算法上降低计算的复杂度是非常有价值的，所以在过去一段时间我们在这方面花的时间和精力非常多。
对于将来的布局，我觉得主要有两个层面：一个是业务层面，继续围绕360公司的核心基因安全业务，用人工智能为其提供服务。从研究的层面来说，一方面我们会继续专注打造更好的模型、算法提升端上人工智能的能力；另一方面利用大数据来提升深度学习的能力。
360人工智能研究院院长颜水成
郑宇：第二个问题我想问腾讯优图黄飞跃博士，听众们对这个部门并不是很了解，请你先介绍一下这个部门，以及在人工智能领域你们都做了什么工作及其特点。
黄飞跃：优图现在是腾讯旗下的部门，团队成立于2012年，最初的是社交网络事业群下面的一个团队，到今天我们已经自发成长为一个部门，我们是做人工智能和相关算法的研发和业务落地，目前已经拥有数十项先进的技术以及数千亿规模的图像计算的能力……
优图虽然是定义做相关研发，但我们的所有研发都是依托业务的实际需求，这样会形成一个比较良好的业务、算法落地的闭环，可以及时知道我们业务的好和坏，及时更新我们的算法。
现在团队比较看好的方向和主要从事业务有识别类的相关领域。比如说像生物特征识别，我们比较看好的首先是人脸识别、声纹识别，再往后到指纹识别等一系列的识别：内容识别、图片和语音识别等等。人脸识别技术层面上我觉得相对比较成熟，相信在往后的几年中人脸验证有机会从互联网走到线下，这样的识别场景比现在的人脸识别有更大的价值。又比如图像识别，它的概念和领域相对更广，我相信后几年图像识别会有一个爆发式的增长。
最新的像增强现实、聊天机器人这些技术也是我比较看好的，这些技术真实改善了人类的生活体验，同时它也能够在线下和线上有非常好的结合，更贴近应用，更容易产生比较实际的价值和成果。
我们希望通过用人工智能的一些技术真正改变互联网用户的生活品质。与此同时，我们也将把最新的一些研发成果通过开发平台和腾讯云对外输出，保证相关的技术能够真正给互联网用户带来生活品质的提升。
腾讯优图创始人黄飞跃博士
郑宇：李磊是交大毕业，刚开始去的是百度，现在到了今日头条，从你个人的角度看在人工智能这个领域里，百度和今日头条各有什么优势和不足，尤其是不足要讲清楚。
李磊：我到头条之前在百度的深度学习研究院工作了两年，工作的内容基本上围绕深度学习和自然语音理解，到了头条之后我在头条实验室工作，工作的内容是围绕深度学习、自然语音理解和计算机学习，前后比较，内容上我现在做得更多了。
我觉得两家公司最大的共同点是它们都是人工智能为主的公司。百度毫无疑问，在人工智能方面投入非常大，语音识别和无人驾驶都是代表；大家传统的观念认为今日头条是新闻客户端，但如今头条是所有信息、内容分享创作的平台。这个平台的一边是内容创作者，另一边是内容消费者，为了把最好的内容推荐给最需要的读者，需要的是机器学习的技术。从这一点上来讲这两家公司都是以人工智能技术为核心的公司。
不同点主要在于发展阶段和体量。百度和谷歌、微软步调一致，很早就已经开始在这个领域进行研究：微软在2009年开始语音识别；谷歌在2012年用1000台计算机，16000个CPU做猫脸识别；百度做深度学习研究所，做的事情是语音识别和图像识别，几乎可以做人工智能所有领域。
今日头条和这几家公司不一样，自2012年创立至今只有4年，大家可以想想成立4年的时候那些大公司在做什么？Facebook有研究院；百度没有实验室；谷歌还在做搜索。今日头条在2014年的时候整个团队就有这个意识说要在最前沿的技术上做非常大的投入。在人工智能这个前沿技术上，不管是现在立刻能用到，还是说为了技术储备而做前沿研究，这点上今日头条的理念是非常非常好的。
今日头条科学家李磊
郑宇：小米很多都是人工智能，但是我们想知道小米有哪些不是人工智能，是非常的烂的？因为在座的有很多的小公司代表，你们做不好的地方可能是他们的机会。你就说说什么东西你想做，但是做不好，很难做，不足是什么？
黄江吉：这是个很好的问题。很多人说现在是人工智能的春天，对很多创业公司来说是弯道超车的好机会，我觉得这个是一个事实。但是其实这个弯道和过去任何一个弯道一样本质上并没有改变创业的难度。我认为如果要创业成功你依然要很深刻的了解用户的痛点是什么，如何让你的产品更好地满足用户的痛点。不是因为仅仅掌握了一种新技术，就可以自然而然地获取海量用户。我觉得今日头条是一个很好的案例，不断使用新技术去解决用户的痛点。这是我对创业公司机会的理解。
再回答刚才郑宇的问题，我觉得不是说小米在人工智能领域的哪些方面做得比较烂，我觉得大家应该问的是我们在哪些现有我们做的产品上面功能也好，用户体验也好，整体的产品的满足度，哪些做得比较烂，我认为这些都是机会。如果你关起门来问我的话，我觉得全部产品做得都不够智能，我们做的只是冰山一角，还有很长的路要走。
小米联合创始人黄江吉
微软亚洲研究院主管研究员郑宇
郑宇：很多高校的老师或者是在研究机构的人想去工业界做，但是心中有很多的忐忑，我去了以后能不能活下来，所以我想问一个挑衅一点的问题，你觉得360做人工智能有哪些制约或者你不满意的地方？
颜水成：我一般解释问题喜欢从武术的角度出发，我觉得在学术界，人工智能的研究的方法挺像，希望你是一个名门正派，打败了别人，还能提炼一些招式出来，这些招式在和别人格斗时能打赢别人；在工业界这种招式变得不那么重要，重要的是你有一种武术，用一种合作的方式把别人打败，把一个问题解决掉，这就是好的人工智能。
问题的重点是你要有人工智能的思想和方法把这个问题解决。我加入360是因为他有他的优势，在当前的特殊时期，我们可以说是网络在人工智能领域稍稍有点领先学术界，人工智能的资源有很大的优势。
我加入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。如果说有什么弊端的话，就是互联网的节奏比学术界要快得多，比如说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，但这显然不适合工业界。
郑宇：研究院更多的是看未来，老板有没有给具体的指标？
黄江吉：像微软亚洲的研究院是没有标准的，在中国一个好的研究院肯定是两条腿同时并进。当你有什么成果的话需要快速支持现有的业务，让人工智能的算法或者是思想在业务中发挥作用。另外你要有一个长远的想法，一年半或者一年以后产品需要什么样的人工智能技术；或者自己去孵化这样的业务，但要能在很短时间内上线的。这是一个很好的方式，能保证研究院在名企内部生存下来。
郑宇：AI在语音和视觉上都取得了很大的进步，但是在文本上没有很大的进步，有什么样可能的技术方向去解决这个问题？
黄江吉：我的感受是用深度学习在处理自然语言和自然语言理解方面做出的成果是远远比以前多了，而且今年几乎2/3以上的论文是用深度学习来做的，所以刚才那一个前提说我们好像没有看到深度学习在自然语言方面像语音技术和图像技术那样有很大的成功，其实不是，只是晚了一些，现在有很大的进步。
颜水成：我个人是做图像和大数据做得比较多，对于自然语言的理解研究得不是特别多，人是怎么处理语言这一块，跟我们现在所使用的方式其实还是不一样的。从人的角度来说，现在的整个方向，跟人的方式是有本质的差别，有很大的变革。另外一方面从图像的角度，如果你想做一般性质的这种图像搜索的话其实还是非常困难的，无论是谷歌还是百度。
郑宇：最后每位专家用一句话总结人工智能发展。
黄江吉：我认为机器学习有可能改变了一个工程师开发产品的方法论，完全颠覆了，跟以前完全不一样。
颜水成：人工智能让学术界和工业界的人有了共同语言，这个是非常好的。
黄飞跃：大家不要将人工智能等同于机器学习，机器学习也不等同于深度学习。我们不应该把我们的实业仅仅局限于一个问题上，而我们要解决的问题比有监督的学习更复杂，我们要让计算机去学习一些简单的问题，但是也要让计算机学会逻辑推理，学会在复杂的环境下怎么去跟环境交互，同时也学会怎么样用最少的能量去掌握新的技能。
李磊：一句话就是润物细无声，人工智能就像十几年前的互联网融入我们生活一样，它能够融入我们日常生活，能够改善我们的生活品质，而我们人对无所不在的人工智能没有察觉。
正在生成分享图...
乔燕薇