DS AI TALK | AI人工智能如何在学术研究和商业落地间平衡

数说故事，始终坚持以技术创新引领行业发展，与世界各地顶尖机构和高校紧密合作，以粤港澳大湾区为中心辐射全球，为企业数字化转型赋能。

“DS AI TALK”是由数说故事组织、汇集AI领域内顶尖大咖的系列活动，聚焦AI前沿技术，赋能商业增长，7月21-23日数说故事携手知名AI大咖连线直播，7月30日，珠海横琴AI TALK线下圆桌会，数说故事视频号与您相约，不见不散！

7月22日，数说故事数据智能部总监牟昊连线AI大咖杨海钦教授，围绕“AI人工智能如何在学术研究和商业落地间平衡”展开探讨，以下为精选对话内容实录：

杨海钦：

许多互联网应用，在互联网基础设施搭建好以后，都是以落地应用驱动技术迭代。比如现在的增长黑客，通过数据分析，大量AB testing提升用户体验，最终实现精准营销，给企业带来巨大的商业价值。从公司长远发展的角度看，以落地应用驱动技术发展，更具有可持续性和可行性。

对于AI人工智能的发展来说，更多的则是以技术驱动。AI人工智能最早引起大家关注，是因为语言识别、ImageNet比赛的图片分类准确率大大提升，风投机构也纷纷注资，希望AI技术可以进一步在更多实际场景中应用。

由于AI技术目前在许多方面技术的成熟度，可适用性等等还处于持续探索和试错的阶段，在实际落地的时候业务方仍需要对相关技术进行适配处理；因此，目前来看，AI技术的发展更倾向于由技术驱动。

不管是由技术驱动还是由落地应用驱动，最重要的是可以更好地解决实际问题。

杨海钦：

学术界更多的是前沿技术的探索，通常仅能聚焦于某个可验证的科学问题。因此，学术界的SOTA的模型在实际落地的时候的确会存在许多问题：

第一，在学术界，他们无需考虑性能，只要效果提升即可，但在工业应用落地时，性能很重要。

第二， 模型在实验室场景有效，工业应用不一定可用。因为实际场景中会出现许多我们没有考虑到的情况，模型大多是假设数据在一种很干净的环境下，自动生成相应的对话，到真正应用时会复杂很多。

杨海钦：

1. 要学会问题的抽象匹配，学术研究的问题必须是可验证，因此需要将工业界的场景抽象成学术研究中可以验证的问题。我们需要对学术问题有大致的认识，然后快速匹配实际场景的问题。

2. 学术研究更重要的是思想，理解其相关的思想，然后再进一步拓展，而不是生搬硬套。当然学术界也有一些蛮不错的成果，比如方法很轻，方法实现简单有效，经过多方严谨验证，这种成本不高的方案，其实按照现在的信息传播节奏，很快在工业界的小伙伴就可以知道，并且快速跟进了。

杨海钦：

如Bengio所说，现在System 1 Deep Learning, 就是立即直觉识别(instance recognition)的任务, 做的越来越好。但是在System 2 Deep Learning就有待欠缺，比如在因果推理方面，目前的深度学习就还有待提高。

在新的发展阶段，为推动商业分析与决策智能化，DataStory AI Lab成为第一批加入IDEA数字经济研究院的CTO工作室。IDEA数字经济研究院，由前微软公司全球执行副总裁、美国和英国工程院外籍院士沈向洋博士创建并担任理事长。

我很高兴有机会在DataStory AI Lab工作，可以在数说故事的场景进行NLP、知识图谱、事件推理等的尝试和探索，期待下一步在开放域的海量数据中可以自动抽取出其中的因果关系，用于市场研报等业务场景。

7月30日上午，数说故事将在珠海横琴举办数说故事大湾区总部成立仪式，在AI TALK线下圆桌会，权威大咖将论道AI前沿科技，对话商业AI的价值与前景。

7月30日11：40，锁定数说故事视频号，AI大咖为您解读商业AI的价值与前景！关注数说故事视频号，点击【预约】按钮，即可在直播前收到提醒，免费收看直播。