问答环节
雷鸣教授：GAN、BERT、RL，这三个方向，会有什么样的突破？
颜水成副总裁：GAN，会对视频方向，比如文章配图，可以采用自动生成与style相关，不会侵权等。但是不好的一点是，会利用明星的图片作假，导致信息真假混乱。BERT在未来，会比较看好。RL有时候要保证当前利益，不想损失已得利益，怕不robust，会带来弊端。
雷鸣教授：DL的发展与算力的关系，怎么看待？暴力求解？
颜水成副总裁：应该是算力和有效的数据，图像的问题解决的不错了，但是NLP还是不太好，要把词的排列组合(不考虑语义)，需要的样本更多，张量更大，尤其还需要多轮对话，尤其当下data还处于不够。也许随着数据增多和算力增强，NLP处理会更好，但是人机交互，在理论理解方面，还是很难做的更好！
雷鸣教授：关于多模态融合，理解视频，还要结合NLP，前不久，微软通过视频理解来导航，如何看待？
颜水成副总裁：大家都在讲AGI，有人强调可以通过训练走向AGI，我个人认为AGI还有很长的路要走。关于多模态，其实人的认知，是有一个学习的过程，它是需要视觉和听觉，要去了解它是如何协同工作的，比如，如何背下一首诗。融合机制，其实是比较简单的，最后的decision，还是缺少。现在的多模态做的还是比较简单的，还是需要一段路要走。
雷鸣教授：AI落地，两种方法，自下而上，从身边自身的应用，比如起床需要闹钟，累了需要骑自行车；2004年，我在美国参加party的时候，曾见过小扎，穿的比较时髦，关于小扎的成长，感悟，人真的不可貌相！关于视觉的发展，如何看待？
颜水成副总裁：视觉方向，教育是刚需，父母和奶奶也愿意为孩子在教育上花钱。用视觉帮助5G时代下的产品，尤其是AI眼镜，特别好。视觉具有普适性，而大数据的互异形特别大，所以不太适用性。视频分析的时候，资源的bias，中国和美国的高校，还没有达到要做一些算力的要求。
雷鸣教授：对于自动驾驶，您怎么看？
颜水成副总裁：才开始有涉及自动驾驶，我们转为自动机器人，其实也有路径规划等。以前对AI眼镜，特别看好，但是五年过去了，其实没差别多大。
雷鸣教授：未来还是很难预期，还是需要从量变走向质变。年轻人，需要更多感知社会发展的方向和趋势，把握大势者得天下。机会很好，但是竞争也更激烈了，社会永远是公平的。由于AI的兴起，带来有哪些安全性课题(包括漏洞等)？
颜水成副总裁：AI本身就是软件，所以黑客通过软件可以进行攻击。黑客有可能利用DL框架来进行攻击，比如tensorflow、caffe等。以后AI会帮助自媒体产生内容，有些自媒体会造假信息，进而引发信息安全问题。虽然人也不完美，比较坚信，没有完美的算法。
雷鸣教授：AI时代，还有哪些机会？自下而上，年轻人创业，更能直接解决身边的问题。
颜水成副总裁：很大体量起来的是一个方向；可以寻找一个领域，找这个领域的专家，并且用你的AI，与其结合，能够更快成功！有的人创业，就是喜欢到一定程度被收购。
雷鸣教授：AI人才已经饱和了么？从其他专业转过来可以吗？
颜水成副总裁：当下，中国人才没有被饱和，其实，比如做语音的，国内就比如科大，就那么几个实验室，每年就那么有数学生。特别是自动驾驶，对CV领域人才的需求，会比较多。但是随着时代发展，数据驱动的人才，会比CV人才需求更庞大的。
雷鸣教授：办个培训班，工资翻一番，哈哈。AI领域的人才，不会那么容易形成的，高端人才，始终是稀缺的。
颜水成副总裁：AI领域，算法模型，更新的非常快，在这个领域要不断的学习，所以，也不是那么容易转行的。五年后，AI和Big data。中国TTS的人才，就像熊猫一样稀缺。
雷鸣教授：数据壁垒和技术壁垒，哪个更重要？像BAT大企业的数据不共享，对于初创企业，很难屯到数据。还是要建立起AI驱动的业务。现在如何商汤比人脸识别，几乎不可能了，人家可以用大量的数据来打压暴力算法。
颜水成副总裁：只有AI没有数据，是不可能成的，所以必须要有数据。data有两种一个是public data，另一个是private data。像public data，比如商汤都有了，已经有数据壁垒。
雷鸣教授：作为师兄，在学校如何积累，才能利于未来的成长？
颜水成副总裁：先想出自己究竟要干什么，若是学术界方向，呆在学校就可以了。若是工业界方向，自己尽早去了解商业。
个评：一个犹太人，开了加油站，另一个犹太人会想到开超市，而不是也开加油站，所以，我们也需要这种差异性思维。
备注：以上对话环节的文本编辑，为博主总结，与原文稍微有异，请以原文录音为准，时间比较紧，如编辑有错误，敬请指出，欢迎网友留言探讨。
