最后，至于选择学术道路还是产业道路，Salakhutdinov 表示两者皆有好处，主要看个人兴趣所在。常见的看法，学界更自由，可以研究长期的，比较基础的问题，而产业界基础资源好，比如硬件设施还有大数据，而且一旦产品做成，能够影响许许多多的人。总之，无论是学术界还是产业界，你来做深度学习就行了。

林元庆：AI 技术发展是一个循环的过程，找到爆发点很重要

作为现任 IDL 负责人，林元庆是中国深度学习的一位领军人。吴恩达还在百度期间，两人就很好地合作。这次接收吴恩达采访，林元庆分享了他进入深度学习领域的经历，结合百度正在做的事情谈了深度学习。

实际上林元庆读博之前学的是光学，更接近做物理。后来去了美国，听了机器学习相关的讲座，觉得很有趣很令人激动，于是转学机器学习，很多事情都是从头学习，最初连 PCA 算法都不知道，但他认为那段时间每天都有新东西学，很充实很有趣。

林元庆后来去了 NEC 实验室，开始做计算机视觉，他在那里做的第一件大事就是参加第一届 ImageNet 竞赛，带领团队拿下了第一名，还在 workshop 做报告。这也是让他从事大规模机器视觉研究的原因。再后来 AlexNet 等网络的出现，j2直播，让他意识到深度学习真的很厉害，于是也开始做很多深度学习方面的研究。

林元庆接下来介绍了深度学习国家级实验室。这个国家级实验室的目标是建立超大规模的深度学习平台，中国乃至世界第一，为研究者和开发人员提供深度学习框架（比如 PaddlePaddle）、计算力资源和大规模数据。你可以在上面开发，做项目，重复别人的项目，还可以与百度的产品对接，类似于一整个生态系统。这个平台的优势在于代码、数据及实验设置都是弄好的，研究人员和开发者在复用时输一行指令就行了，几秒钟时间就能运行其他人论文描述的结果，因此能够大大加速深度学习的研究进程。

林元庆表示，中国政府为此投入了很多资金，但更重要的是，建立深度学习国家级重点实验室这件事本身就是一个标志，会吸引更多的人参与到深度学习研究中来。

林元庆认为，找到很强的商业模式，形成正循环，对促使技术告诉发展十分重要，这也是百度内部在选择项目时候的关键。过去几年中，深度学习驱动的产品在爆发式增长，从搜索引擎、语音识别到安防、电子商务，有非常多也非常好的应用。这样的环境对 AI 技术的研究也有很大意义：从初始数据写算法，有了初始产品，推向市场让用户使用，获得更多数据，然后优化算法，进而完善产品……这就是一个正循环，也是 AI 技术特有的现象。相比之下，传统的技术的发展路线就比较线性。林元庆介绍，百度在研发和开发过程中很看重这样的过程，他们会研究形成正循环规律，以使自己更快地达到飞速增长的点，从而更快地达到一个高的技术水平。

对于想要进入深度学习和 AI 领域的人，林元庆建议从开源社区入手，TensorFlow，Caffe、Caffe2，还有 PaddlePaddle。大多数框架都能找到许多线上课程，公开的基准测试也有很多，向厉害的、有经验的研究者学习。

不过，林元庆个人的实际经历却正好相反，他是先接触 PCA、LDA 等方法，然后才做的深度学习。他认为这种方向也不错，对数学基础有掌握，也能很好地了解深度学习。数学和机器学习基础知识本来就与深度学习密切相关。返回搜狐，查看更多