（1）我們在探索應用

一、自然語言處理

自然語言處理是我們應用最廣泛的。所以我們除了機器翻譯沒有探索外，其他我們都有涉獵：

1、多輪問答、會話

2、意圖識別、情感分析

3、搜索、推薦

4、摘要、生成、Table2Text

二、語音

語音和自然語言處理比較近。

雖然我們也需要語音識別、語音轉(zhuǎn)文本、文本轉(zhuǎn)語音合成。

但國內(nèi)有科大訊飛這個專業(yè)廠商在，我們就不研究了。

三、視覺

視覺四小龍主要聚焦在：人臉識別了。

而我們?nèi)匀痪劢乖诤妥匀徽Z言處理相近的視覺，那就是OCR。

OCR也分很多應用任務：

1、證照識別

2、單據(jù)票據(jù)識別：包含票據(jù)里的印章彎曲文字識別

3、文檔OCR：如文檔中的復雜表格識別，甚至還有手寫簽名識別

4、自然場景下OCR：如道路標識、門頭、菜單/商品說明

四、應用場景

我們也確定了：社會計算，這一應用主題。

圍繞社會計算：社會化營銷-社會化供應鏈-社會化金融，是我們確定的三大應用場景。

這三大應用場景，我們在2019（社會化營銷）、2020（社會化供應鏈）、2021（社會化金融）也做了許多工作。

（2）我們也在夯實基礎

一、經(jīng)典機器學習

我們在不斷探索：經(jīng)典的概率統(tǒng)計、分類聚類

我們也在不斷探索：時間序列預測、運籌學

二、知識嵌入

我們在不斷探索：知識圖譜/事件圖譜、圖神經(jīng)網(wǎng)絡

我們也在不斷探索：因果推斷、知識推理

三、少數(shù)據(jù)少樣本少訓練

我們在不斷探索：Transformer、骨干網(wǎng)絡結(jié)構(gòu)

我們也在不斷探索：遷移學習、對比學習、強化學習，期盼做到自監(jiān)督、無監(jiān)督

四、多模態(tài)

我們主要在一梭子Transformer橫穿自然語言處理、視覺OCR兩大數(shù)據(jù)和應用領(lǐng)域

當然，我們也在期盼有一梭子的方法，能橫穿中文、英文。我們發(fā)現(xiàn)很多方法對于英文效果很好，但就不適用于中文。

（3）期盼業(yè)界突破

微軟亞洲研究院堪稱是中國人工智能的黃埔軍校。

有擅長人才吸引的：李開復

有擅長理論研究的：沈向洋

有擅長工程實現(xiàn)的：張宏江

有擅長應用場景的：張亞勤

一、數(shù)據(jù)

突破方向有二：

1、突破一：中文?，F(xiàn)在全世界人工智能領(lǐng)域，都是適合英文處理的理論方法、框架工具、數(shù)據(jù)集。中文的太少。

2、突破二：多模態(tài)

主要以北大人才為骨干的、張宏江博士做主力支持的智源研究院，在中文多模態(tài)數(shù)據(jù)集、中文巨模型的建設方面很好。

二、工具

現(xiàn)在滿世界都是適合英文處理的理論方法、框架工具、數(shù)據(jù)集。中文的太少。中國幸好有了百度PaddlePaddle，這是一個適合處理中文的框架工具。

但是對不起，PaddlePaddle還主要在通用平臺級，在應用任務級還有很多的空白、效果短板。

2020年，從微軟亞洲研究院、百度出來的張亞勤，組建清華大學智能產(chǎn)業(yè)研究院（AIR），它的使命是：利用人工智能技術(shù)賦能產(chǎn)業(yè)升級。它主要面向三大應用場景：智能工業(yè)互聯(lián)網(wǎng)、智能交通、智能醫(yī)療。

三、理論

在中文世界，人工智能理論突破性不多。我挺期盼沈向洋的。期盼他在清華大學高等研究院好好沉一沉。而且他作為小冰的董事長，小冰的海量多模態(tài)數(shù)據(jù)，也會給他的理論研究工作帶來很好的輔助。