Yinyin Liu：我曾经做了一些计算机视觉方面的工作，现在的个人研究兴趣更多集中在自然语言分析方面。但是因为现在很多计算机视觉和自然语言分析的进步都是由深度学习来推动的，如果一个人学习了以深度学习为基础的计算机视觉，再去做自然语言分析的模型或者数据科学研究，你会发现虽然是不同的用例，但能够很快上手。这是由于这些不同领域的模型都是基于卷积神经网络、递归神经网络和各式高层拓扑这样的基本结构。深度学习，让研究者涉猎不同领域变得更容易。

深度学习做自然语言分析与传统方法还是大相径庭，很多方面并不如传统方法准确或精细，但是在各个深度学习领域的进步都能推动这一个特定的学科分支的进步，因此你会发现深度学习方法迭代非常快。可能今天的语言分析模型表现还不够好，但是通过使用计算机视觉领域的最新技巧，表现就会有很大提高。

机器之心：您对自然语言分析领域产生兴趣的契机是什么呢？是用户需求导向的吗？

Yinyin Liu：与其说是需求导向不如说是「挑战」导向。我们作为一个数据科学团队希望覆盖各类用例，当今计算机视觉方面的很多模型准确度已经非常高了，然而在语言处理方面还有比较大的提高空间。作为工程师很多时候看到技术挑战就自然而然想要研究一下。

机器之心：在最近的诸多研究中，有什么您觉得十分有趣、期待其未来发展的吗？

Yinyin Liu：在自然语言分析领域有一个很有意思的趋势是把增强学习和自然语言分析联系在一起。人是通过和特定环境反复互动来学习语言的，在学习过程中并没有很多的标签。所以在自然语言分析算法中融入增强学习是一个很有趣的方向。这又回到了深度学习的可扩展性问题，这二者能够进行融合正是因为共有的结构非常多。从看到一个新方向到尝试实现，路径并不长。

5 月 27 日专访当天，Yinyin Liu 在机器之心 GMIS 2017 峰会上发表主题为《演变中的人工智能：与模型俱进》的演讲，探讨了如何用同一种模型为不同行业提供解决方案，以及如何让各个行业的专家建议推动整个人工智能生态系统的发展。

以下是该演讲的视频记录及演讲文字实录链接：