Reserch
订报优惠

发表学术论文跟产业脱节?

  • 徐宏民
相信前瞻技术研究,衔接产业未来需求,才更能抓住下个产业浪潮!(图片来源:Pixabay)

上星期在南港参观智能机械展,第一次看了台湾诸多「隐形冠军」们,智能化成为业界目前努力的方向,大家朗朗上口,不过落实的部份非常少。

倒是听到业者很多有趣的需求。有位产品布局相对领先的业者提到,对岸的机械业以低价策略切入市场,他们只能以领先的技术、完整的解决方案来保卫市场。这就是为什么得提早投入机械制造智能方案。

不过他担心制造业中的样本少,生产线更换频繁,似乎没有足够的资料训练算法。我乐观地回答,其实学界也看到了这样的问题,所以这两三年也在顶尖国际会议中,不少人提出使用cross-domain(跨领域)或是few-shot learning(仅有少量样本)等学习法来解决这样的问题。经解释之后,他兴奋地要我推荐几篇论文。

这几年深度学习技术大突破,绝大部分关键性的论文、甚至产业界时常采用的技术,大都发表在顶尖会议上。例如:AlexNet (NIPS'12)、ZFNet (ECCV'14)、NIN (ICLR'14)、VGG (ICLR'15)、GoogleNet (CVPR'15)、ResNet (CVPR'16)、RCNN (CVPR'14)、DQN (NIPS'13)、GAN (NIPS'14)、Memory Network (ICLR'15)、 Word2Vec (ICML'14)、Seq2Seq (NIPS'14)等,不胜枚举。

我观察,这几年越有竞争力的企业,越在乎某些电资领域的顶尖会议—发表、赞助、或是派员参加。国内的MediaTek、HTC、TSMC也算是这些领域的常客,因为他们得利用顶尖技术来维持获利或是与竞争者拉开距离。

这几年顶尖会议也成为产业界猎才、技术展示、探察核心技术的重要地点。例如,过去一年NVIDIA在全球赞助了16个AI Lab,首度召开的跨研究中心会议,也选择在去年7月的CVPR召开。有次在跟NVIDIA黄仁勋创办人开会时,他提到自己也会看这些会议论文,以掌握前瞻技术的走向。

2007年回台大时,受惠于前瞻思维的资深教授们,我蛮惊讶电资学院内竟然也有配套的多元指标,鼓励顶尖会议论文。这也是为什么台大电资学院这几年在国际学术的某些领域中还具有话语权的原因。

参与顶尖国际会议也是泛机器学习领域的惯例,在评估学生(入学、就业)或是研究人员时,时常会参考顶尖国际会议的著作、Google 论文引用、产业经验、或是新兴的github纪录。

发表学术论文跟产业脱节?至少在我熟悉的领域正好相反。相信前瞻技术研究,衔接产业未来需求,才更能抓住下个产业浪潮!

徐宏民(Winston Hsu)现任台大资工系教授及NVIDIA AI Lab计画主持人。哥伦比亚大学电机博士,专精于机器学习、大规模影像视讯查找与辨识、前瞻技术商业模式等领域。为讯连科技研发团队创始成员,曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会;十余年产学合作以及新创经验,近年与国内外企业合作,将深度学习技术落实到产品上,并且协助成立深度学习(人工智能)团队。曾获ACM MM 2014 Grand Challenge Multimodal Award、杰出信息人才奖、吴大猷先生纪念奖等多项国内外大奖。