CCAI 2020丨田奇：从学术界走向工业界

2020年中国人工智能大会（Chinese Congress on Artificial Intelligence 2020，简称“CCAI 2020”）将于8月29日-30日在南京召开。CCAI 2020以“智周万物”为主题，探讨人工智能作为引领未来的战略性技术，如何以周知万物的学术境界赋能未来，带动时代发展，实现互联世界的远大理想。

华为诺亚方舟实验室计算视觉首席科学家，教育部长江学者讲座教授，IEEE Fellow田奇将出席本次大会作主题演讲。

田奇：海外杰青，中国科学院海外评审专家，清华大学神经与认知计算中心等讲席教授或客座教授。曾任国家自然科学基金会评审专家、美国德克萨斯大学圣安东尼奥分校教授，在Microsoft Research Asia等多个单位访问工作。2010年获Google Faculty Research Award、2017年UTSA校长杰出研究奖，2016年获评多媒体领域十大最具影响力的学者。ACM International Conference on Multimedia 2015年任大会主席、2009年任会务主席、2012年任技术演示主席、2011—2014和2016—2018年等多次会议中任领域主席；在CVPR、ICCV等多次任领域主席。IEEE Transactions on Multimedia (TMM)等期刊副主编。

田奇教授自2002年于伊利诺伊香槟分校博士毕业后，便开始了长达17年的执教生涯。期间他获得多项荣誉，在多所知名大学任客座教授与顾问，还获得了长江学者的荣誉称号。但他并不满足于此，在2019年加入华为，投身工业界。田奇教授认为，学术界与工业界之间的一个重要区别，就是对AI使能鸿沟的对待方式不同。在人工智能领域由学术界指导的前沿研究和工业界落实的应用场景两者之间存在不一样的优化目标，这其中的差别就被称为AI使能鸿沟。学术界更注重方法的理论化、通用性，探索未来和启发式的认知水平。但是工业界更注重于商业价值，所以更注重方法的使用性，针对某一个特定的问题，提升用户体验，带来实际的价值。以自动驾驶过程中的目标检测为例，学术界的检测目标往往经过一定的预处理，选择了具有代表性的内容进行检测，但是工业界的场景更为复杂，噪声繁多，容易产生误判。学术界的目标检测，类别和类别之间分类比较清楚，图像比较清晰，一般都有比较良好的光照条件，准确率可能是唯一的。但是工业界的自动驾驶中，我们收集到的数据类别可能分布不均匀，也就是标记成本比较高，所以交通信号灯和交通锥筒这类目标标注样本比较少。

从创新的角度，学术界和工业界又应该保持怎样的关系呢？田奇教授认为，学术界和工业界显然具有互补性，学术界对于工业界的主要价值就在于为工业界源源不断地输送人才，为工业界提供前沿方向，同时学术界对真理和答案的探索精神会为工业界的发展应用打下坚实基础；工业界对学术界的价值则是人才回流，在工业界磨练出来的人才会给学术界反馈全新的思路和探索方向，最后系统的为学术界提供全新的布局，所以学术界和工业界应该形成互补互益，齐头并进的状态。香港中文大学的汤晓欧同时也是商汤科技的创始人，同校的贾佳亚也是腾讯的杰出科学家；更为知名的李飞飞，不仅是斯坦福大学的教授，也是前谷歌人工智能首席科学家。这些同在学术界和工业界的顶级专家都一致认为知识最终需要落到实地，才能发挥它们应有的作用。以李飞飞的话举例：科学到科技再到产品就像一个4×100接力赛，每一棒都有它特别的功能，学术界应该是4×100的第一棒，工业实验室是第二棒，产业和投资分别是第三棒、第四棒。但无论如何，AI最终都是一门以人为本的学问，是由人才驱动的、作用于人的。工业界能给专业人才提供各方面的帮助和机遇，但同样的也对人才提出了更高的要求：不仅要专注精通于自己个人的领域，也要对其他多个领域都有理解力和合作能力，更是要真正能把技术应用落实到工程中。学术界出身的人才首先要做基础研究，从根源起步，放眼未来，注重技术创新，最终到工业界进行实践，验证自己的学识，产生新的领悟。

参考链接：https://www.iyiou.com/p/120002.html

https://www.iyiou.com/p/99038.html

https://www.sohu.com/a/410006700_129720

https://www.sohu.com/a/410061990_610300