颜水成博士毕业于北京大学，也是伊利诺伊大学(UIUC)的博士后，目前加入360已经大概有10个多月了。而在加入360之前，他曾在新加坡国立大学领导机器学习与计算机视觉实验室，并担任副教授。他的主要研究领域是计算机视觉、深度学习，与多媒体分析。他带领团队提出的“Network in Network” 对深度学习产生过很大的推动力，同时他的团队开发的”Purine”是全球第一个开源的支持多机多GPU的深度学习系统。
2014年，颜水成博士曾入选汤森路透（THOMSON REUTERS）发布的“2014年世界最具影响力科学家”，后来，他还被授予新加坡青年科学家奖 （YSA）和青年教授研究成就奖。
事实上，即便学界泰斗，对于转型加入工业界参与应用研究也不免忐忑——我去了以后能不能活下来？论坛上，主持人就向颜水成抛出了这样一个问题：“你觉得360做人工智能有哪些制约或者是你不满意的地方？”
面对如此尖锐的提问，颜水成表示：
我想从武器的角度解释这个问题。人工智能在学术界和工业界的玩法可以借用武术的方式打个比方。武术大家都崇向于名门正派，你不仅能把别人打败了而且还能提炼出一些招式来，希望这些招式能帮助别人在格斗的时候获胜。在学术界的人工智能研究与武术这一点就很像。
而在工业界，这些招式就变得不那么重要，重要的是——你能有一种武术，或者一种作合的方式能把别人打败，把一个问题解决掉，这就是好的人工智能。
比如说，我们在解决工业界的人工智能时，凭借人工智能以152次把别人打败，或者1000次都无所谓。重点是，你要有人工智能的思想和方法把这个问题解决。这是我觉得他们两个的差别。
我加入360时因为它有其自身的优势，在当前的特殊时期，我们可以说是网络在人工智能界稍微领先于学术界。人工智能的竞赛有什么变化？直到2013年，学术界还有可能在人工智能的竞赛拿到第一名或者是很好的成绩，但是到了2014、2015年，我们会发现很好的成果都是从互联网出来。
其实互联网也没有那么多计算力的资源，但是学术界一般的实验室大概是十几块或者是二十几块，能到几百块的话就是奉令承教。我当时进入360的时候，智能硬件是非常关键的业务，现在直播也是非常关键的业务，这些事情恰好是我想做的，所以360是非常好的选择。
从学术界到工业界如果说什么弊端，那就是首先会碰到互联网的节奏比学术界要快很多这样的问题。在学术界半年或者是三个月有很好的成绩出来，能有一篇很好的学术论文，这也说不错的。而作工业界，提前一个小时都是很有价值的。这对于学术界转工业界的话来说就是很大的挑战。
那么，“研究院更多的是看未来，你的老板有没有给你具体的指标？”
“我个人的关键是因为在中国名企。像微软亚洲的研究院这一类是没有标准的。在中国，要一个好的研究院肯定是有两个路径同时并进——一方面，要有成果能快速支持现有业务，让人工智能的算法或者是思想在业务中发挥作用；此外，要有长远的想法——一年半或者一年以后产品需要怎样的人工智能技术，或者自己去孵化短时间就能上线的业务。这是能够能保证研究院在名企内部生存下来的良好方式。”
最后，用一句话总结其对人工智能发展的看法的话，颜水成博士表示，人工智能让学术界和工业界的人有了共同点，这是非常好的。
联系客服
