我之前在学(xue)术界，现在在工(gong)业界。现在不(bu)(bu)少学(xue)界的科学(xue)家都到(dao)公司里面做研发，通常遇到(dao)的一个问题是：在工(gong)业界从(cong)事(shi)研发和以前在学(xue)界究竟有哪些不(bu)(bu)同？很多关心研发的人会(hui)有这样的疑问。我想从(cong)自己的经(jing)历(li)出发，谈一下我的体会(hui)，希(xi)望能(neng)提供一些借鉴。

去年，我们(men)讲到(dao)人(ren)工智能(neng)有“三要素”：算法、算力和(he)数据(ju)。从今年开始(shi)，我们(men)把场景(jing)加(jia)入进来，开始(shi)用“四元分(fen)析”的方式来理解(jie)人(ren)工智能(neng)。

为什(shen)(shen)么要(yao)加(jia)入场(chang)景？去年大家(jia)对人(ren)工智(zhi)能非常热情(qing)，包括学校、企(qi)业都在(zai)讨论。但是，一(yi)年过(guo)去了，大家(jia)在(zai)想人(ren)工智(zhi)能到(dao)底给(ji)我们带来了什(shen)(shen)么实(shi)(shi)实(shi)(shi)在(zai)在(zai)的价(jia)(jia)值？其实(shi)(shi)，加(jia)入场(chang)景非常重要(yao)的原因(yin)是人(ren)工智(zhi)能终究是一(yi)种技术，人(ren)工智(zhi)能必(bi)须要(yao)落实(shi)(shi)到(dao)精准的场(chang)景，才有它实(shi)(shi)实(shi)(shi)在(zai)在(zai)的价(jia)(jia)值。

我(wo)们(men)现在(zai)来(lai)看一下，在(zai)学(xue)术界是怎么做人工(gong)智(zhi)能。因为人工(gong)智(zhi)能的概念实在(zai)太大了(le)，现在(zai)深度学(xue)习热，那我(wo)们(men)就看下在(zai)学(xue)术界里研(yan)究深度学(xue)习，会做一些什(shen)么事情。

一(yi)般情况下，学术界是(shi)把问(wen)题(ti)设(she)立好之后(hou)，去思(si)考研究一(yi)些新(xin)的(de)(de)(de)(de)(de)算(suan)法，然后(hou)在(zai)(zai)具体的(de)(de)(de)(de)(de)问(wen)题(ti)上，力图(tu)在(zai)(zai)精度(du)上达到极(ji)限。从(cong)深(shen)度(du)学习上设(she)计更(geng)好的(de)(de)(de)(de)(de)模(mo)型(xing)(xing)结(jie)(jie)构方面，大家可(ke)以(yi)看(kan)到在(zai)(zai)过去这些年(nian)(nian)，像初(chu)的(de)(de)(de)(de)(de)Hinton用(yong)基本(ben)的(de)(de)(de)(de)(de)网(wang)(wang)(wang)(wang)络(luo)(luo)结(jie)(jie)构，到谷歌的(de)(de)(de)(de)(de)GoogleNet，微软的(de)(de)(de)(de)(de)残(can)差网(wang)(wang)(wang)(wang)络(luo)(luo)（ResNet），到今年(nian)(nian)我(wo)们参(can)加比赛所设(she)计的(de)(de)(de)(de)(de)模(mo)型(xing)(xing)，可(ke)以(yi)看(kan)到基础(chu)网(wang)(wang)(wang)(wang)络(luo)(luo)结(jie)(jie)构是(shi)推(tui)动学术界往前走的(de)(de)(de)(de)(de)核心。但是(shi)除了(le)基本(ben)的(de)(de)(de)(de)(de)网(wang)(wang)(wang)(wang)络(luo)(luo)结(jie)(jie)构之外(wai)，更(geng)大的(de)(de)(de)(de)(de)网(wang)(wang)(wang)(wang)络(luo)(luo)、更(geng)深(shen)的(de)(de)(de)(de)(de)网(wang)(wang)(wang)(wang)络(luo)(luo)以(yi)及不同的(de)(de)(de)(de)(de)网(wang)(wang)(wang)(wang)络(luo)(luo)模(mo)型(xing)(xing)的(de)(de)(de)(de)(de)融合，也(ye)是(shi)大家追逐精度(du)的(de)(de)(de)(de)(de)常用(yong)方法。

另一(yi)方面，我们要训练(lian)这些(xie)网络，可能(neng)(neng)(neng)需要更多的(de)(de)(de)(de)计算资源，比如像(xiang)图形(xing)处理器集群(qun)（GPU Cluster），比如说我们希望有更便捷的(de)(de)(de)(de)训练(lian)平台，比如说像(xiang)Caffe、MxNet、Tensorflow等(deng)等(deng)。当(dang)然，更重要的(de)(de)(de)(de)是大家(jia)在(zai)(zai)一(yi)点点往前推动的(de)(de)(de)(de)同(tong)时，积(ji)累(lei)了很多小的(de)(de)(de)(de)经验(yan)(yan)，这些(xie)经验(yan)(yan)通过学(xue)术报告，通过论文(wen)的(de)(de)(de)(de)形(xing)式来(lai)分享。大家(jia)都站在(zai)(zai)巨人的(de)(de)(de)(de)肩膀上在(zai)(zai)一(yi)步一(yi)步往前走。当(dang)然，还(hai)有怎么样用(yong)其它的(de)(de)(de)(de)非标注的(de)(de)(de)(de)数据来(lai)提升解(jie)决问题(ti)的(de)(de)(de)(de)能(neng)(neng)(neng)力。所(suo)有的(de)(de)(de)(de)一(yi)切都合在(zai)(zai)一(yi)起，在(zai)(zai)解(jie)决具体问题(ti)的(de)(de)(de)(de)时候，能(neng)(neng)(neng)够(gou)把精度达到极限。

学术(shu)界(jie)很多时(shi)候(hou)研究的(de)(de)(de)目的(de)(de)(de)，是要有成果论文发在优(you)质的(de)(de)(de)学术(shu)杂志上(shang)，也希望这(zhei)些算法能(neng)够具有普适性，除了能(neng)解决自(zi)己的(de)(de)(de)问(wen)题，其他人也能(neng)借(jie)鉴，较(jiao)好能(neng)开源，所有的(de)(de)(de)人都可以(yi)去(qu)使用，这(zhei)样就能(neng)很好的(de)(de)(de)提升自(zi)己在这(zhei)个领域(yu)的(de)(de)(de)影响力。

刚刚说(shuo)的(de)像深度学习(xi)去解决图像识(shi)别的(de)很多问(wen)题(ti)，大(da)家可以看到在过去的(de)几年，错误在一点一点的(de)降低，这正是大(da)家在追逐精度的(de)极限。

但是(shi)工业(ye)界不(bu)是(shi)这样。工业(ye)界要(yao)去探索商业(ye)，注定要(yao)有经济上(shang)的考(kao)虑(lv)(lv)，思(si)考(kao)盈利模(mo)式，那对(dui)人工智能的考(kao)虑(lv)(lv)就会(hui)不(bu)一样。

在工(gong)业界里待过就会明白，人工(gong)智(zhi)能本(ben)身并不是一个产(chan)品，不是单纯靠人工(gong)智(zhi)能就能获得利益，必须要(yao)通过与自己的业务和(he)场景相结合，才能发挥它的价值，核心算法只是其中的一个模块而已。无论是往前端走，还(hai)是往后(hou)端走，还(hai)是需要(yao)很多不同类型的人，才可以(yi)做出一个产(chan)品。

重要的(de)是(shi)，人工(gong)智(zhi)能并(bing)不(bu)是(shi)一(yi)(yi)个静态(tai)的(de)东西。比如说训练出来的(de)模型，要用到某个业务(wu)场(chang)景(jing)(jing)里(li)面，业务(wu)场(chang)景(jing)(jing)里(li)产生新(xin)的(de)数据(ju)，这些数据(ju)进一(yi)(yi)步提(ti)升(sheng)人工(gong)智(zhi)能模型的(de)能力，再用到场(chang)景(jing)(jing)里(li)面，这是(shi)一(yi)(yi)个闭(bi)环和不(bu)断(duan)迭代的(de)过(guo)程。

另一方面(mian)，也是很多(duo)从(cong)学术界(jie)到工业界(jie)的教授和(he)学者经常(chang)很容易犯的一个很严重的错误。就是认(ren)为技(ji)术在真正推动(dong)产品，但其实(shi)，用在具(ju)体(ti)的场景(jing)里面(mian)，技(ji)术只是起(qi)到一个非常(chang)小(xiao)的作用，如果说(shuo)它的贡献大概到30%到40%就不错了。

一(yi)个成功的(de)(de)(de)(de)产(chan)(chan)品(pin)(pin)(pin)，还需(xu)要(yao)(yao)产(chan)(chan)品(pin)(pin)(pin)工程(cheng)师(shi)和非常(chang)多的(de)(de)(de)(de)人，大家一(yi)起才能做出(chu)一(yi)个非常(chang)完(wan)美的(de)(de)(de)(de)用(yong)(yong)户(hu)体(ti)验的(de)(de)(de)(de)产(chan)(chan)品(pin)(pin)(pin)出(chu)来。一(yi)个核(he)心点就是(shi)我(wo)们做技术的(de)(de)(de)(de)人，做研究的(de)(de)(de)(de)人，要(yao)(yao)明白永远没(mei)有(you)完(wan)美的(de)(de)(de)(de)算(suan)法(fa)(fa)，算(suan)法(fa)(fa)永远是(shi)有(you)瑕疵(ci)存在的(de)(de)(de)(de)，我(wo)们一(yi)定要(yao)(yao)和场景工程(cheng)师(shi)在一(yi)起，通过(guo)好(hao)的(de)(de)(de)(de)产(chan)(chan)品(pin)(pin)(pin)设计(ji)，把这(zhei)些(xie)算(suan)法(fa)(fa)上(shang)的(de)(de)(de)(de)瑕疵(ci)避免掉，产(chan)(chan)生没(mei)有(you)瑕疵(ci)的(de)(de)(de)(de)用(yong)(yong)户(hu)体(ti)验。

比如说有(you)(you)一(yi)(yi)个(ge)很现(xian)实(shi)的(de)(de)(de)(de)(de)场(chang)景，人(ren)脸(lian)(lian)的(de)(de)(de)(de)(de)检测和(he)定位(wei)的(de)(de)(de)(de)(de)技术(shu)(shu)之后，大(da)家(jia)都(dou)想(xiang)做一(yi)(yi)些非常有(you)(you)趣的(de)(de)(de)(de)(de)增强现(xian)实(shi)的(de)(de)(de)(de)(de)应用。早期的(de)(de)(de)(de)(de)时候(hou)，我(wo)(wo)(wo)们特别享受技术(shu)(shu)有(you)(you)多(duo)么牛(niu)，比如早期产品(pin)的(de)(de)(de)(de)(de)设计模式，会(hui)(hui)看一(yi)(yi)张(zhang)图(tu)能不(bu)能把我(wo)(wo)(wo)的(de)(de)(de)(de)(de)脸(lian)(lian)换成(cheng)刘德(de)华的(de)(de)(de)(de)(de)脸(lian)(lian)，即使在脸(lian)(lian)动(dong)的(de)(de)(de)(de)(de)时候(hou)，在张(zhang)嘴(zui)闭嘴(zui)的(de)(de)(de)(de)(de)时候(hou)，看起来都(dou)像(xiang)刘德(de)华。可(ke)是(shi)，很多(duo)时候(hou)如果产品(pin)的(de)(de)(de)(de)(de)定位(wei)是(shi)这(zhei)样子，技术(shu)(shu)永远都(dou)不(bu)可(ke)能做得非常好，为什么呢？人(ren)脸(lian)(lian)的(de)(de)(de)(de)(de)场(chang)景，光照条(tiao)件或者是(shi)姿态不(bu)一(yi)(yi)样，就会(hui)(hui)产生一(yi)(yi)种(zhong)烧伤脸(lian)(lian)的(de)(de)(de)(de)(de)感觉，不(bu)会(hui)(hui)产生很好的(de)(de)(de)(de)(de)效(xiao)果。但是(shi)，像(xiang)我(wo)(wo)(wo)们，还(hai)有(you)(you)国外的(de)(de)(de)(de)(de)一(yi)(yi)些创业公司，他们的(de)(de)(de)(de)(de)想(xiang)法(fa)就是(shi)没有(you)(you)必要把人(ren)脸(lian)(lian)全都(dou)换掉，只要利用人(ren)脸(lian)(lian)定位(wei)的(de)(de)(de)(de)(de)技术(shu)(shu)，可(ke)以在脸(lian)(lian)上加一(yi)(yi)些花卉，有(you)(you)蝴蝶飞(fei)，这(zhei)样即使人(ren)脸(lian)(lian)定位(wei)的(de)(de)(de)(de)(de)技术(shu)(shu)还(hai)不(bu)是(shi)很完(wan)美，还(hai)有(you)(you)一(yi)(yi)些抖动(dong)的(de)(de)(de)(de)(de)情况，产生出来的(de)(de)(de)(de)(de)视觉效(xiao)果，还(hai)是(shi)可(ke)以接(jie)受的(de)(de)(de)(de)(de)。这(zhei)是(shi)一(yi)(yi)个(ge)典型的(de)(de)(de)(de)(de)例(li)子，需要算法(fa)和(he)产品(pin)相互结合才能产生没有(you)(you)瑕疵(ci)的(de)(de)(de)(de)(de)用户体验(yan)。

我佩服的(de)(de)(de)应(ying)该是Snapchat, 他们的(de)(de)(de)技(ji)术是做算(suan)法的(de)(de)(de)和做工程(cheng)设(she)计的(de)(de)(de)人在(zai)(zai)一(yi)(yi)起，一(yi)(yi)个(ge)一(yi)(yi)个(ge)的(de)(de)(de)效果不停地打(da)磨。他们用的(de)(de)(de)人脸的(de)(de)(de)技(ji)术，像分割的(de)(de)(de)技(ji)术，像SLAM（simultaneous localization and mapping， 即时定位(wei)与地图构(gou)建）技(ji)术，这些技(ji)术都(dou)不是完美的(de)(de)(de)。在(zai)(zai)这种情况下，通过(guo)工程(cheng)师的(de)(de)(de)产品设(she)计，把每(mei)一(yi)(yi)个(ge)特效都(dou)做的(de)(de)(de)非常有意思，非常酷。

此(ci)外(wai)，除(chu)了(le)考虑用户(hu)体验(yan)，工(gong)业界设计(ji)一个产(chan)品还(hai)会(hui)考虑其(qi)它方面。比如，当前把(ba)视觉，语(yu)音和相关的(de)技术用在智能(neng)硬(ying)件(jian)上的(de)时(shi)候，可能(neng)会(hui)想(xiang)，到底这个产(chan)品是不是能(neng)满足某(mou)种高频(pin)的(de)刚需？

我(wo)原(yuan)来(lai)在新加坡(po)每年(nian)写很多文章，一(yi)(yi)年(nian)写50、60篇的(de)(de)(de)(de)(de)文章都有(you)可(ke)(ke)(ke)能。那时(shi)候(hou)有(you)一(yi)(yi)个很明显的(de)(de)(de)(de)(de)特(te)点，在写文章的(de)(de)(de)(de)(de)时(shi)候(hou)我(wo)们会(hui)造一(yi)(yi)个场景，这个场景从(cong)用户需求来(lai)说，根本就不存在；从(cong)写文章的(de)(de)(de)(de)(de)角度(du)(du)来(lai)说是(shi)(shi)有(you)价值的(de)(de)(de)(de)(de)，从(cong)产品(pin)的(de)(de)(de)(de)(de)角度(du)(du)来(lai)说，不一(yi)(yi)定有(you)价值。工业界还会(hui)考虑一(yi)(yi)款产品(pin)用到的(de)(de)(de)(de)(de)技(ji)术有(you)没有(you)成熟？比如(ru)说家用机器人(ren)，可(ke)(ke)(ke)以(yi)(yi)端茶送水，可(ke)(ke)(ke)以(yi)(yi)聊天(tian)，这是(shi)(shi)不可(ke)(ke)(ke)能的(de)(de)(de)(de)(de)，技(ji)术上还有(you)一(yi)(yi)个过程。

另外，工业界还会(hui)考虑技(ji)术(shu)成(cheng)熟了，但(dan)有(you)(you)没(mei)有(you)(you)壁垒(lei)？假设没(mei)有(you)(you)技(ji)术(shu)壁垒(lei)的(de)话，今天做一个产品出来(lai)，比较前沿的(de)大公司(si)，都有(you)(you)专家团队，你把(ba)这个产品做出来(lai)立马(ma)又失掉了，技(ji)术(shu)上的(de)壁垒(lei)也一定要有(you)(you)。

另外一(yi)(yi)方面，就是学术(shu)界想得少的(de)：我们做一(yi)(yi)个(ge)场景，一(yi)(yi)定要(yao)有变(bian)现(xian)的(de)模式(shi)。没有一(yi)(yi)个(ge)变(bian)现(xian)的(de)模式(shi)，我们的(de)产品(pin)出来了，但(dan)是今后挣不了钱(qian)，也不可能让这(zhei)个(ge)公司维系下去。这(zhei)些都是工业(ye)界和(he)学术(shu)界思考的(de)点不一(yi)(yi)样的(de)地方。

总(zong)的来说(shuo)，学(xue)界进行(xing)人工智(zhi)能，深度学(xue)习的研究(jiu)，一直是在追求精度和极(ji)限。用四元(yuan)分(fen)析的方法来说(shuo)就非常有意思，即我(wo)们的场(chang)景和数据确定(ding)了，然后(hou)设定(ding)一个问题(ti)，设定(ding)一个数据集，假设有足(zu)够多的计(ji)算机资(zi)源，怎么样设计(ji)新(xin)的算法，让精度能够达(da)到极(ji)限？

我们(men)(men)知道有(you)(you)很多的数据(ju)集，比如ImageNet，号称人(ren)工智能的世界杯；人(ren)脸(lian)研(yan)究(jiu)(jiu)界有(you)(you)LFW（Labeled Faces in the Wild，人(ren)脸(lian)图片的数据(ju)库，用来(lai)研(yan)究(jiu)(jiu)不(bu)受限的人(ren)脸(lian)识别问题）；在视频领域(yu)有(you)(you)美国(guo)组织的TRECVID；语音的话(hua)有(you)(you)Switchboard。他们(men)(men)共同特点就(jiu)是(shi)：问题和数据(ju)都是(shi)确定的，用尽量多的计算机资源，去设计不(bu)同的算法，终是(shi)希望达(da)到精度的上限。

但(dan)是我(wo)们(men)不得不承认，这里面很多(duo)(duo)的(de)成果是没有(you)办法商业(ye)化(hua)的(de)。为什么？在(zai)ImageNet上，假(jia)设训练了1000多(duo)(duo)层的(de)网络(luo)，把9个或更多(duo)(duo)网络(luo)全部合在(zai)一起(qi)能达成一个很好的(de)精(jing)度，在(zai)现实的(de)场景下是不可能用这么大的(de)模(mo)型和这么多(duo)(duo)的(de)资源去做一件(jian)事情。所(suo)以，很多(duo)(duo)的(de)成果，是假(jia)设将来计算能力达到一定的(de)程度，精(jing)度能够达到这个上限。

AI研(yan)究的(de)(de)(de)(de)(de)另(ling)外一(yi)(yi)个(ge)维度是(shi)(shi)追求用(yong)(yong)户体(ti)(ti)验的(de)(de)(de)(de)(de)极限(xian)。用(yong)(yong)四元分(fen)析的(de)(de)(de)(de)(de)方法，是(shi)(shi)把(ba)场(chang)(chang)(chang)(chang)(chang)景和(he)(he)(he)(he)算力(li)固定了(le)。这(zhei)(zhei)是(shi)(shi)什么(me)意(yi)思？假设(she)我们要(yao)做一(yi)(yi)个(ge)机器人(ren)，这(zhei)(zhei)个(ge)机器人(ren)希望它(ta)能(neng)识别(bie)你，这(zhei)(zhei)时(shi)候(hou)场(chang)(chang)(chang)(chang)(chang)景是(shi)(shi)确(que)定的(de)(de)(de)(de)(de)。算力(li)确(que)定了(le)是(shi)(shi)说(shuo)，这(zhei)(zhei)个(ge)场(chang)(chang)(chang)(chang)(chang)景推出的(de)(de)(de)(de)(de)时(shi)候(hou)，用(yong)(yong)什么(me)样的(de)(de)(de)(de)(de)芯(xin)片和(he)(he)(he)(he)什么(me)样的(de)(de)(de)(de)(de)硬件，其(qi)实(shi)已经确(que)定了(le)。我们要(yao)做的(de)(de)(de)(de)(de)事情是(shi)(shi)在(zai)这(zhei)(zhei)样一(yi)(yi)个(ge)确(que)定场(chang)(chang)(chang)(chang)(chang)景和(he)(he)(he)(he)算力(li)的(de)(de)(de)(de)(de)情况下，怎么(me)样去(qu)提(ti)升数(shu)据(ju)和(he)(he)(he)(he)算法，跟具体(ti)(ti)的(de)(de)(de)(de)(de)应用(yong)(yong)场(chang)(chang)(chang)(chang)(chang)景去(qu)形成(cheng)一(yi)(yi)个(ge)闭环(huan)，去(qu)不断地迭代，去(qu)提(ti)升它(ta)的(de)(de)(de)(de)(de)性(xing)(xing)能(neng)。这(zhei)(zhei)跟学术界把(ba)场(chang)(chang)(chang)(chang)(chang)景和(he)(he)(he)(he)数(shu)据(ju)固定是(shi)(shi)完全不一(yi)(yi)样。在(zai)这(zhei)(zhei)种场(chang)(chang)(chang)(chang)(chang)景下，可(ke)以不停的(de)(de)(de)(de)(de)用(yong)(yong)收集(ji)到的(de)(de)(de)(de)(de)新(xin)数(shu)据(ju)不停提(ti)升和(he)(he)(he)(he)优化模型，在(zai)数(shu)据(ju)，算法和(he)(he)(he)(he)场(chang)(chang)(chang)(chang)(chang)景形成(cheng)一(yi)(yi)个(ge)闭环(huan)。虽然我们能(neng)把(ba)所有的(de)(de)(de)(de)(de)问题解决，但是(shi)(shi)在(zai)具体(ti)(ti)的(de)(de)(de)(de)(de)场(chang)(chang)(chang)(chang)(chang)景下，也有可(ke)能(neng)逐步地提(ti)升它(ta)的(de)(de)(de)(de)(de)性(xing)(xing)能(neng)。

这时(shi)候做的(de)(de)事情很(hen)有意思，要做很(hen)多数据的(de)(de)清(qing)洗、标(biao)注。为了(le)把产品的(de)(de)价格降低，比如用一(yi)个很(hen)差的(de)(de)CPU就能够去做计算，肯定要不停地去优化模型的(de)(de)速度。另(ling)一(yi)方(fang)面(mian)，很(hen)多时(shi)候，满(man)足这种(zhong)体验的(de)(de)需求会(hui)有一(yi)些(xie)新(xin)的(de)(de)问题出来。

如果我们仔(zi)细想(xiang)一想(xiang)，学术界(jie)多数做(zuo)(zuo)的(de)事(shi)情是(shi)在思考(kao)，在想(xiang)它的(de)极(ji)限在哪，主(zhu)要用(yong)(yong)(yong)脑(nao)；工业(ye)界(jie)并(bing)不(bu)是(shi)强调用(yong)(yong)(yong)脑(nao)，而是(shi)用(yong)(yong)(yong)心(xin)——就(jiu)是(shi)怎(zen)么样能把这个场景做(zuo)(zuo)出来，并(bing)不(bu)一定要有非常(chang)高大上的(de)算法，就(jiu)是(shi)要从用(yong)(yong)(yong)户使用(yong)(yong)(yong)产品的(de)维度上，让用(yong)(yong)(yong)户感觉这个产品非常(chang)好。

学术界(jie)(jie)(jie)和工业(ye)界(jie)(jie)(jie)又不是(shi)完全(quan)割裂的(de)：工业(ye)界(jie)(jie)(jie)敢去(qu)提某一个产品(pin)的(de)设(she)想，是(shi)看到了在(zai)学术界(jie)(jie)(jie)有一些前沿(yan)的(de)成果，可(ke)以(yi)(yi)在(zai)工业(ye)界(jie)(jie)(jie)来用。同时，工业(ye)界(jie)(jie)(jie)也在(zai)逐(zhu)步提炼它的(de)问(wen)题，扔给学术界(jie)(jie)(jie)，希望(wang)他(ta)们(men)去(qu)做这种前沿(yan)的(de)探索(suo)。比(bi)如说(shuo)工业(ye)界(jie)(jie)(jie)可(ke)以(yi)(yi)想，三年、五年以(yi)(yi)后会往哪些方(fang)向去(qu)推动，他(ta)就可(ke)以(yi)(yi)把这些任务推给学术界(jie)(jie)(jie)。

现在(zai)(zai)有很多公司(si)(si)，在(zai)(zai)中国(guo)和在(zai)(zai)美国(guo)纷纷建(jian)立AI实验室(shi)，其实有两种目(mu)标。一方面是长期(qi)希(xi)望能瞄准将来前沿(yan)的领域，做技(ji)术(shu)的积(ji)累；另一方面是要(yao)追求产品更好的落地，所以现在(zai)(zai)很多公司(si)(si)就建(jian)起了自(zi)己人工智能的实验室(shi)。

在人工智(zhi)能(neng)深度(du)学习的研究，学术(shu)界和工业(ye)界的差(cha)别还是很大的，同时也(ye)相(xiang)互(hu)作(zuo)用，相(xiang)互(hu)增强。学术(shu)界和工业(ye)界一(yi)起合作(zuo)，研究和产业(ye)相(xiang)结(jie)合，一(yi)定(ding)会把人工智(zhi)能(neng)带上另外一(yi)个阶段。