亮亮视野携手中科院自动化所成立“第一视角联合实验室”:AI向主动感知迈进

【导读】9月12日,AR公司亮亮视野与中科院自动化所宣布,双方将联合成立“第一视角计算联合实验室”。自动化所多媒体计算组徐常胜研究员、董未名研究员、亮亮视野创始人兼CEO吴斐、亮亮视野首席AI博士姚寒星共同参与联合实验室揭牌仪式。

据了解,中科院自动化所和亮亮视野成立联合实验室,将聚焦第一视角计算前沿课题的研究和成果落地。研究视觉智能感知技术,涵盖目标检测、人脸识别和场景识别等;研究深度神经网络压缩和加速技术,并落地到亮亮视野实际业务中使用。这种前沿研究与商业场景的结合,对于人工智能商用发展来说,价值巨大。

中科院自动化研究所成立于1956年10月,60多年以来的发展,自动化所把智能科学与技术作为立所之本,聚焦智能科学与技术,以类脑智能、大数据智能为主线,通过人工神经网络模型和智能信息处理理论的变革性创新,带动类神经芯片、新一代智能计算机和自主智能系统的原始创新,产生具有技术引领性的智能软硬件系统与服务,成为在智能科学与技术领域具有国际影响力的科研机构。

亮亮视野成立于2014年,旨在通过第一视角交互,实现多维度的连接、认知与协同,推动人机协作,服务工业、安防、医疗等行业领军企业,实现智能化升级,核心团队为来自谷歌、联想、微软、英特尔和中国航天等企业的专业人士和技术专家。亮亮视野一直以来坚持通过第一视角交互技术变革商业视界,在光学、人工智能、交互技术等领域深耕多年,形成了一套完整的产学研用一体的技术-产品-商业的平台。

中科院自动化所徐常胜研究员表示,在国内AR领域,近两年亮亮视野成绩斐然,是国内第一家专注于将AI赋能到智能眼镜上的研发企业,并且积累了扎实的科研技术。双方成立“第一视角计算联合实验室”,将形成在智能眼镜领域科研、人才培养和社会服务的联合优势,推动智能可穿戴设备科技进步和产业提质升级。

中科院自动化所研究员徐常胜致开幕辞

亮亮视野创始人吴斐则表示,亮亮视野自成立之初,就致力于将企业自身与学术研究机构进行产学研的结合。亮亮视野在第一视角交互上的技术和商业探索,产生了很多主动感知的数据和场景落地,与中科院自动化所成立“第一视角计算联合实验室”,是在AI发展风口时研发与技术落地上的强强联手,通过科研合作,不但有望实现前沿技术的突破,还将尽快推动行业落地。在第一视角产业领域,亮亮视野走到了世界前沿,在接下来的产业突破中,尤其在第一视角计算,需要更紧密的和类似自动化所这样全球顶尖AI科研机构共同推动创新,以保持在全球的领先。为行业注入新的发展动力。

亮亮视野创始人&CEO吴斐 发表主题演讲《第一视角计算:聪明的感知》

同时,由联合实验室主办的“首届第一视角智能交互高峰论坛”在京举行,多位人工智能领域专家学者和产业界人士就第一视角“智能感知交互的未来”进行主题研讨。此次中科院自动化所-亮亮视野“第一视角联合实验室”主办的“第一视角智能交互高峰论坛”,旨在推动第一视角交互计算的发展,推动AI商业落地,为行业发展贡献智慧和动力。


「 第一视角计算

让被动感知走向主动感知 」

人类在观察世界的时候,都是自主的通过眼睛来观察,这便是经常所说的第一视角。AI长期以来受益于被动感知的快速发展,在安防的场景中来说,第一视角较传统的第三视角的优势仍尤为明显,即使有AI能力加持,固定视角目前仍只能是被动感知。“第一视角”天生具备无法比拟的获取数据与知识的潜能,以其为代表的智能眼镜,在感知的基础上引入了人的因素,对未来的AI发展打开了新的局面。

人工智能领域顶尖专家学者汇聚圆桌讨论《第一视角计算:感知到推理》

第一视角主动感知,更多的是对人的能力的增强而不是替代。如在安防场景中,警察用智能眼镜主动对其怀疑有问题的车辆进行车牌识别查询,就是对人与机器交互能力的一个增强。同时通过了第一视角结构化的知识标签,人的智能可以反过来再增强AI,形成感知闭环。

第一视角的感知,对计算提出了一个超高的要求,即对现实感知的超高实时性,而AI芯片的边缘计算是目前最好的解决方案之一。它克服了传统的云端计算方案容易造成网络延迟的问题,且对云端服务器并发能力更大的释放,用户体验和商业应用提升了一个新的高度。

第一视角计算

从技术积累到商业落地 」

被动感知的固定摄像头在安全监控领域已取得巨大的社会价值和商业价值,亮亮视野则借助第一视角计算引入了移动安防概念,做出了行业突破。今年初,郑州铁路东站警方在全国铁路系统中率先使用具有人像比对的亮亮视野移动警务眼镜。查获涉嫌拐卖人口、交通肇事逃逸等重大刑事案件的网上在逃人员7名,以及冒用他人身份证件的人员26名。

亮亮视野是首个将智能识别技术应用于智能眼镜的AR公司,其产品搭载Movidius Myriad 2 芯片,具备强大的边缘计算能力,可在前端就进行实时的人脸、车牌的采集和识别。目前,亮亮视野是唯一一家采用边缘计算制定移动安防解决方案的AR公司。

产业界、投资界人士汇聚圆桌讨论《AI商业化之路:技术到落地》

工业场景中,亮亮视野已经与华为、必维等头部公司达成合作,在合作中发现,通过第一视角感知带来的语音、视频交互可以生产标签数据。“这样的标签数据累积起来,通过深度学习训练,反过来又可以帮助智能眼镜提升第一视角感知能力。”中科院自动化所董未名研究员说道。当前,亮亮视野与华为合作,推出 eView 智能装备,提供第一视角实时视频交互,实现了知识赋能;亮亮视野与必维国际合作,将全球6万多名员工与后台专家连接,提升工作水平;神州高铁与亮亮视野合作,将AR与图像识别技术应用于高铁远程运维、线路巡检、预测性维修等多个方面。

深入研究第一视角计算

亮亮视野发布Laffe计算库

中科院自动化所-亮亮视野“第一视角计算联合实验室”成立之际,亮亮视野发布了第一视角计算基础库Laffe。 “我们今天发布的Laffe,它是一个第一视角计算的基础库,在VPU/NPU上,对卷积神经网络推理计算能力进行了深度优化,部分算子的计算速度提升了1倍到10倍不等,可以支持各种主流深度学习框架如Caffe/Mxnet/TensorFlow训练的模型在智能眼镜上快速部署。”亮亮视野首席AI博士姚寒星表示,“这一研发成果已经在实际生产中得到验证,我们很高兴我们的行业客户也能从中受益。它提供了真正的附加价值。”

照亮AI未来

亮亮视野阵列光波导L-PAT亮相高峰论坛

在当天举行的高峰论坛上,亮亮视野创始人吴斐透露了亮亮视野在光学技术领域的研发成果。“第一视角产生的结果和数据需要通过可视化的手段展示,我们经过四年的探索,研发出阵列波导L-PAT, 他最大的优势就是通过薄至1.5mm的镜片将主动感知的信息实时与现实叠加,对第一视角的主动赋能扫清了显示的技术障碍。目前全球范围内,亮亮是少数几家达到高水准显示且规模量产的科技公司。”

中科院自动化所-亮亮视野“第一视角联合实验室”主办首届第一视角智能交互高峰论坛

亮亮视野联合创始人,浙江大学现代光学仪器国家重点实验室郑臻荣教授在论坛会上首次透露了亮亮视野在光学及AI跨学科的雄心:“光学不仅能用在可视化,还能用于高能效的第一视角计算。”郑臻荣说:“第一视角的交互,非常有赖于对现实大量数据的实时性处理。目前所有的方法,都是通过摄像机先成像,然后经过电子计算获得结果,这本身就是一个功耗很大的工作。要解决这个矛盾,不仅仅应该从嵌入式计算的角度来看待这个问题。光学计算与人工智能的跨学科合作将成为下一个时代的重点,而与亮亮视野的联合研发已经在人工智能光学计算上取得了重大突破”。

亮亮视野创始人吴斐说道,“亮亮视野和浙江大学光电学院、中科院自动化所合作,共同探讨OPU( optical processing unit)研发。我们将通过前端光学元器件,进行实时的、低功耗的卷积计算,大大提升算力能效比。这一研究方向在国际上也是最前端的”。


“智能感知与交互的未来”论坛议题

  • 从主动感知转变,对第一视角计算带来的哪些技术挑战?

李波:我是觉得第一视角的想法很好,因为人也是获取信息量很大,我们70%的信息量都是通过视觉来获取,我们对现实很多靠视觉,我们传统的很多是被动,我们通过AR眼镜,这个人机融合,比如主动调整精度,调整光度,人积极的调整我们主动感知的能力。实际上对我们提出很多挑战,量就很大了,场景的分析理解,除了量很大就带动我们计算能力很大,计算量在这种设备里面,你要求它实时准确,包括传输,这个功耗,体积、重量等等这些问题都提出了很高的要求,在技术层面上对我们方方面面包括算法都提出了很高的要求。这里面有很多问题值得我们深度研讨。包括将来人进行推理分析,我们更需要云端进行交互,有很多深层次的问题。我先这么说吧。

朱文武:感知是数据智能的第一步,目前的好多方法基本上还是用历史数据来学习,把这些历史数据放到后台来学习。如果再加上实时的从眼镜收集数据的话,它就能实现一个在线的更新的一种学习。能够存储比原来一些好的信息,感知是认知的基础,如果前面数据收集不好,收集不准,收集不够,那动态的更新和主动性有很大的挑战。

郑臻荣:我本身做AR,现在跟AI的结合,从人体上来说,AR就是我们的眼睛,AI就是我们的大脑,现在来说运算量的发展非常迅速,也取得了很多运用,但是这一部分是需要消耗很多的资源,刚才李老师也说了,存储过程当中也有很大的影响,因为现在数据量处理越来越大的情况下,所以来说这个视角非常好,把眼镜作为作为第一视角,能够把AI后面的计算网一部分往前移,减少后面计算的压力,以及功耗的压力,这是很有意义的一件事情。

如果在这个过程当中,目前来说借助于电的处理方法,软件的处理方法,包括后面神经网络的计算等等,这方面的计算,这些方面的计算实际上光学有它自己本身的优势,尤其是在图片处理这些方面。因为图片处理方面是一个很大的计算量,光学在简易计算有它自己的传出,怎么样把光学和人工智能,把人工智能一些电计算和软件的计算,能够把它前移到光学硬件当中,能够有一部分AI大脑一部分的小脑在当中,这个是我们做出挑战的重点。

黄庆明:刚才包括我们几位专家都提到了,我觉得基本上把这个挑战问题给提出来了,说起来大概这样几点,一个就是,因为现在变成主动感知,主动感知是要去现场来做的,确实对实时性的要求会大大的提升,不像被动数据来的数据到后台去处理,因为现场时刻在变,如果一下不抓住一些重要的信息就给错过去了,所以这个对实时性的要求会很高。对实时要求高了,包括存储能力和计算能力都有显著比较高的要求,这个是可能面临一个主要的挑战。

第二个,你是主动的可能要处在移动的环境下,被动肯定是固定的,但是主动肯定要应对各种运动的,自由状态下的场景,所以这个设备确实要有便携式,低功耗这些都是面临比较大的挑战。当然有些技术可以支撑,有些还可以再开发进一步的技术对它进行进一步的支撑。

还有一个在主动感知的时候,可能还是需要考虑下把人的一些注意机制,认知机制能不能引进来,因为人是主动的,到处在走到处在看,但是人在看的时候,它信息量非常大,但是可能它并不把所有的信息给你接受进来,他看到有些不注意就丢掉了,有一些才是真正关注的,他才把它拿进来,而且可能不同的人,他关注点还不同,想法不同,有的人关注这一个点,有的人关注哪一个点,怎么样根据实际需求把人的注意机制,当然这个到更高层一些,甚至神经的机制,认知的机制能够引进来,这样对主动感知把有用的信息吸取进来。

  • 如何将大量的数据通过有效的途径转化为知识?知识驱动人工智能发展,能为感知智能带来什么样的影响?

黄庆明:数据和知识是连通的,我们现在有大量的数据,通过主动感知以后,获取的信息量会更加广泛,怎么样把这些广泛的信息转化为数据呢,这个是这个事情的第一步。数据本身我们可以通过相应的技术,比方说我们按照以往的历史数据,比方说构建相应的知识图谱,或者通过数据之间的关联,就是多模态数据进行关联把它结合起来,进行一些结构化处理等等,通过这种方法把数据转化成一些知识,把知识提取出来。有了知识反过来又可以对你数据的采集,尤其是主动的数据采集起到指导的作用,刚才讲到知识图谱,可以在这上面做挖掘、演化、推理,利用这些知识把它的信息提取出来。甚至可以做一些视频的分析,理解,用这些得到的解决,用这些知识再来指导,或者引导数据的挖掘。刚才讲的对数据的采集获取,比方说有意识进行主动式的,关注式,更关注的数据进行处理。实际上变成一个数据到知识再到数据的再增强的闭环循环的过程。

郑臻荣:我就说一下我的理解,刚才黄老师说的非常好,因为所有获得主动的视觉获得的信息,有很多时候冗余的信息,那么你怎么样把这些冗余信息提取到你所需要的知识当中,这是我们这里面所需要做的工作。那么在这方面光学还是有很多需要做的工作,比如说我们可以通过和AI的结合,包括神经网络训练这样的结合,把所需要的特征来经过训练获得我们光学特有的特征,那么只有特有的特征在这个传输当中就可以带来一个处理量和存储量。

朱文武:整个大数据人工智能,整个基础还是从大数据基础开始,还是数字驱动的方法为主,这是目前做得比较好的,比较成功的。把这些信息做成知识图谱,我们一般定义为数据知识,从数据里面提取知识。另外一个维度,人工智能发展早期基于推理,知识一般是离散的,数据一般都是连续的,这种情况下从数字驱动我们正在向知识驱动过渡,但是纯粹做知识驱动方法现在还做不到,所以这样的话,目前处于一个转接的地方,就是说怎么样能把数字驱动的方法,双驱动,就是和知识驱动相结合,但知识驱动目前大部分知识还是从数据来,所以这样有一部分知识可以叫知识指导,就是除数据之外的知识,能给我们智能提供一些什么样的指导。比如说我们是不是要建一个知识库,把好多名列出来的都在那里面,我们需要像个人一样,人对数据的指导非常重要,如果光用机器看数据没有人的介入会更准确,对数据的认知更好一些,我的观点就是说,怎么样把数字驱动和知识驱动的方法和知识大数据结合。

李波:三位专家讲的都很好,我们的观点是类似的,从80年代的时候,实际上当时从信息化,首先第一步是数字化,包括我们今天谈的当时从模拟转数字,那么再产生了网络化,信息化早期的发展,我说这个话什么意思,实际上80年代为止,那个时候人工智能是知识驱动的,专家系统,知识工程,数据相对来说比较少。而我们数字化、网络化发展,数字化产生大量的数据,网络化的发展使得大量的数据把它聚集起来,没有这个网络你也汇集不了的,你也没有前后端的概念。所以这个趋势下面,实际上告诉我们,我们80年代知识驱动是有的,到今天产生了数字化以后产生了大数据,才使得大数据产生起来。大数据产生我们人类也没有办法,那我们就要用这些数据,处理这些数据,就到现在所说的知识数据驱动,事实上这些方面都是我们计算上面限制产生的影响。这些事从另外一个角度说明什么,都是我们人类追求的智能化所发生的一些,在不同维度上不同精度上视觉上产生的感觉。

刚才三位专家都谈了,第一视角谈到了,我们图象视频进来,那我们叫数据驱动,我们用到是感知层面的,比如我感知这个人的脸,这个人是不是嫌疑犯等等,这是感知层面的。实际上我们公安应用里面,比如说我们对事件的判断分析,按事件和公安人员本身的知识,那这些知识和我们目前知识驱动方面之间它是联不起来的,所以真正到了我们图象检索,人脸识别在公安发挥了很好的作用。

我们需要有一些很深度的研究,甚至技术的突破,我们人在想问题没有什么图象,语音,视频这些层面上本质的区别。要把我们深度学习卷入神经网的学习,或者我们推理模型的东西,要在一个模型下进行记录是有困难的,这还是要深度层面的。

  • 第一视角交互,最终将会扮演一个什么样的角色?

朱文武:因为现在我们也做很高层次的思考,美国到现在它还叫机器智能,他们开了很多会,然后我们中国在人工智能2.0的时候,我们定到人机混合制,不是单纯机器智能,我们在人工智能人机混合,人和机器要交互。因为人他有很多知识,机器就不具有,因为现在机器没有完整的推理能力,而人有非常强大的完整的推理能力。所以这种情况下,咱们国家定位到将来对人工智能的发展,人和机混合智能,人经常反馈给机器做得对不对,好不好,人在不停学习这种思想,就把充分的人机混合提高的非常高。

郑臻荣:交互也是非常重要,也是我们研究的重点。交互从最早到键盘,到手机,现在各种各样的交互,包括语音、包括虹膜,随着交互技术的发展,精度是越来越高的。既然是精度越来越高,运用会越来越广泛。刚才说人眼是我们第一视角,AI是我们大脑,大脑获得这些信息要指挥我们的人眼和外界产品的交互,因为外界产品在不断变化中的,比如说我们城市大脑,比如说我们交通的堵塞,用城市大脑去指挥交通的堵塞,现在为止来获得各种汽车的数据及各个红绿灯的数据,当这个精度越来越高,以后这个人工智能运算越来越快的时候,当我们把一部分提高到我们前端的处理,后来再做这个,对我们第一视角交互将会起到越来越重要研究的价值和应用的价值。

黄庆明:交互不管是人类也好,人和机器也好都是获取信息和进行交流最主要的手段。从人的交互来讲,人的交互都是比较自然的交互,因为我们现在和机器的交互是键盘,现在有触屏,当然还有一些其他的手段。跟人相比不是那么自然的交流方式,人的交互主要是通过语音、手势,有的时候一个脸色、眼色都可以进行交互了,有的机器里面也可以用语音,但是数据大的时候还是靠键盘,还是靠触屏的方式来的。因此实际上我们觉得更自然的交互应该是逐渐的向人的自然交流方式来推进,第一视角用眼镜来交互实际上是一个非常好的方向,真正实现自然交互的时候,很简单,就是把人的双手解放出来。

李波:刚才三位专家讲得都很全了。实际上从交互的角度,现在我喜从发展的需要我们还有很多事需要做。刚才他们几位专家都提到了,注意力机制,人是有注意力机制的,我们怎么样把注意力机制弄到眼镜上去,刚才朱老师提到了人机混合机制,比如说我人在想什么东西,现在比如说人引导机,人希望什么东西?怎么样把这个信息放到眼镜,实际上体现了交互有很大的工作。大家站在不同的维度,应该说有不同的看法,比如说我们强调人工,强调智能的角度,而可以认为交互就是智能的一个方面,反过来如果我们要是强调交互,怎么样才能够交互,那就首先要感知其次要理解,最后才能实现自然的智能的交互。智能又包含了交互,就是大家同样一个事可能站在不同的角度来理解这个事,包括我们人工智能也好,交互也好,最终希望拓展人的智能,智能的拓展和现实发挥作用,人和自然产生交互,从这个意义上说,第一视角的主动怎么真正像我们人希望的主动感知和交互,是需要进一步大家要探讨的事。

  • 具体的挑战和突破会从哪些地方展开?

董未名:是这样的,从我们学界的角度我们在研究一个技术的时候,学界通常喜欢研究比较专的问题,或者比较通用的技术。我们现在和亮亮视野我们成立联合实验室,初衷也是我们希望寻找更多的场景,因为很多时候一个技术,它在不同场景应用的时候,它会面临不同挑战,从学术和技术角度都会带来很多问题,它和学界研究通用技术是不一样的。这个技术需要落地,也要针对场景做一些新的改进,做一些新的定制,所以我们也希望从这个角度来讲,我们把我们的技术针对亮亮它应用一些实际场景,来做一些针对性的研究,把AI相关的技术真正在商业上实现落地。

  • 如何看待感知和推理?更期待什么样的感知出现?如果这样的感知出现,你的推理会有什么不一样?

吴明辉:因为今天我们整个人工智能很难在一个企业里面把所有的事情,一个完整的流程彻底解决掉,所以你一定要构造一个环境把人机结合到一起来做这样一个交互,在这样一个交互过程当中,计算机跟人工智能跟人之间的分工要结合大家的特长来去做的,其实计算机真正自己的特长是暴力的计算挖掘和海量的存储。我们人不管替换掉保安,各种各样很多其他的工作,人类我觉得是一个特别灵活的传感器,他其实是一个无所不能的感知系统,我一直认为在人机交互过程中,应该让AI多做一些认知的工作,让人做多一些感知的工作。但这里面又有一个很重要的工作说,人如果去做感知跟计算机的认知之间怎么样更完美结合在一起,所以我觉得亮亮这样一套解决方案很好的,把人和感知系统联合在一起,和后来我们明略的大脑完美结合在一起。

  • 从计算产业的角度怎么看第一视角?接下来有哪些技术方向在英特尔做布局?

张益民:第一视角的话,因为在过去在工业界的应用,像现在计算机视觉大多是通过摄像头但并不是第一视角,可能是第三视角观察人、物体、行为这些方面,第一视角它可以产生的应用的想象力空间还是比较大的,刚才吴总这边也提到一些应用的案例。这些其实是挺好的,在各个行业,在工业这些领域,会产生很多这方面的应用。除了信息视频之外,因为第一视角它包含人对世界的观察,本身包含更多一些知识在里面,这些数据我觉得今后怎么充分利用起来,第一人称的视角和第三人称的视角可以互相帮助,因为在人工智能应用里面需要的数据量比较大,另外你数据要怎么变成知识,这其实是一个比较困难的部分。你要对数据进行标注,由第一人称本身就带有标志的信息,如果充分利用起来的话,等于你数据可以产生一个闭环,可以产生更多的知识,我觉得在很多行业应用里面想象的空间是非常大的。

  • 曹巍曹总为何会看中这个领域?有何思考?

曹巍:围绕场景的思考,AR本身它是一项通用技术,但它不代表第一场景,但是第一人称视角在商业领域应用是一个商业场景,这个场景具备三个非常重要的核心点,第一个干间核心点,我们叫做信息直达,不需要解释,就是我视觉的焦点既是我后台专家或者后台合作伙伴的视觉焦点,这个解释和第三人称视觉的解释,它是信息直达,无需解释。

第二点其实为什么是眼镜?其实眼镜最大特点是解放双手,而且它灵活,所以在很多工业场景下,其实我们说亮亮解决的是什么问题,很多时候是专家视频直播需求,然后他用眼镜的形态去承载第一人称视角之后,刚刚最优的解决了大家信息直达信息互通的特点。

第三点,其实就是吴总总结一套非常深刻的理论,赋能的三部曲,其中很核心一点我们从视频赋能、然后到专家赋能,最后到智能赋能,

  • 分享在边缘计算之前的工作,以及后面如何迎接提出的挑战?

姚寒星:大家好,在这个场合向各位老师和媒体,汇报一下我们在AR方面有一些研究,前面吴总PPT上也提到,我们有一个Laffe,现在我们定位第一视角计算的基础库,第一视角我们一个很大要求是实时性,我们必须要解决实时性的问题。我们学界,比如我们合作方用数据驱动的方法训练好了很多模型,那这些模型怎么在我们第一视角眼镜上部署,当最开始我们拿到VPU芯片的时候,一开始觉得是一个很难的事情。所以我们当时决心,无论如何我们既然要做第一视角的,首先我们有一个支持这个计算的库,而且我们对很多算子做法做了很多优化。当然我们现在想能落地的话,在某种场景下,我们通过Laffe库,眼镜能够理解人的注意力,理解人的行为.

  • 对第一视角这个产业有什么期望?对亮亮有什么期望?

董未名:从我的角度,因为我是一个科研人员,对于我来说,我的期待亮亮能够发掘出更多应用场景,特别从第一视角信息的角度,发觉更多应用场景,然后在这个应用场景里面,发现更多的问题,发现更多的挑战,特别这种技术上,计算机视觉角度发现更多技术上的挑战,技术上的问题。

吴斐:明辉这边的。咱们明略公司也是大数据公司的翘楚了,我也非常想借此机会听听你的建议。

吴明辉:前面老师都说所有感知智能其实都是为认知智能做准备的,我们这个大数据之前很多也是为感知智能做准备,做训练做学习。未来我们明略从大数据里面挖掘出知识,再去做这种知识驱动的人工智能。

姚寒星:我觉得是这样,一个是“面包和未来”的关系,首先我们肯定还是要把面包做好的,包括我们做的很多工作,我个人觉得还是很扎实的,我们能够实际对行业和产业直接产生应用的,专注上来说我们的机遇更为升级,这样支持可以很顺利把科研成果在这上面运算,最后产生成果化,最后变成面包。我觉得是这样一个过程。

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-09-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏服务端技术杂谈

推荐几个在线学习的平台

http://www.jikexueyuan.com/ 极客学院,各种学习资料,但是视频大部分收费的,如果有特别想看的课程可以学习,实在不行看看wiki。 h...

29740
来自专栏新智元

马斯克:生物智能和电子智能的融合将更加紧密,人类应该准备好成为“半机械人”

【新智元导读】马斯克昨天在WGS峰会上称,在人工智能大行其道的时代,人类将变得毫无用处,所以人类有必要与机器进行融合,变成“半机械人”,否则将被淘汰。而且这还能...

33970
来自专栏PPV课数据科学社区

2018年,数据分析师该如何做好自己的职业规划?内含招聘启示

本文转自网络大数据,转载请注明来源 数据分析作为最近火热的细分行业,越来越受到大家的关注。但最近和一些数据分析师沟通时,大家都对自己的未来发展感到有些困惑。除了...

35490
来自专栏PPV课数据科学社区

谁能做金融业的大数据工程师?

PPV课大数据 大数据是眼下非常时髦的技术名词,与此同时自然也催生出了一些与大数据处理相关的职业,通过对数据的挖掘分析来影响企业的商业决策。   这群人在国外被...

34270
来自专栏数据猿

游密科技产品经理邵颖哲:游戏社交通讯,给大数据一个支点(内附视频&PPT)

数据猿导读 我们通过游戏社交提供的信息,分析舆情以及玩家行为,最终反哺给游戏运营,形成一个正向的循环。我想这正是游戏社交通讯与大数据分析的价值所在。 ? 作者 ...

43280
来自专栏AI科技评论

苹果若真想让Siri实现逆袭,至少会在WWDC上宣布这些功能

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,谷歌,DeepMind,Uber,微软等巨头的人...

34890
来自专栏新智元

【中国AI合伙人】助理来也胡一川、罗超专访(视频)

28060
来自专栏企鹅号快讯

人工智能的认知层面大家都在关注什么?

从AI的认知层来看“自然语言处理、语义网与知识图谱”算是关键技术。我们按照这些关键词提取36Kr、品玩与虎嗅的相关新闻共计803篇,构建新闻相似度网络,进行聚类...

27300
来自专栏孟永辉

成为互联网的“终结者”,VR还需经历什么?

29980
来自专栏SDNLAB

是什么束缚了SDN/NFV的应用?

一份报告指出,由软件定义网络(SDN)和网络功能虚拟化(NFV)引领的网络虚拟化方面的努力,由于受到技能短缺,组织/运营问题,多厂商集成问题等因素的影响,其技术...

36750

扫码关注云+社区

领取腾讯云代金券