顏水成：安防其實也有個問題，其實公司都是都希望自己的技術能直接與用戶做交互，而做安防的話其實是默默的在后臺弄這個東西，普通老百姓不一定知道這個東西的存在，這可能是它的一個缺點。其實我覺得做視覺的人，還是希望能讓用戶看見，就是做2C（to customer）東西。
俞凱：我個人感覺，如果是2C的話，也只有兩種情況，一種情況就是你就是一個感知工具，這個感知工具是不可或缺的，比如輸入法，這個在自然語言處理里面是完全不可或缺的東西。還有一個方向就是必須得是個系統(tǒng)，單獨語音可能不行，單獨圖像可能也不行，它可能會以其中一個為主 ，但是必須是個系統(tǒng)。
顏水成：我覺得可能要等到AR眼鏡所有的技術都成熟了，而且用戶量比較大了，才能夠讓視覺成為dominant的東西。
山世光：會不會把希望寄托在了一件不可能發(fā)生的事情上？大家可以現(xiàn)場調(diào)研一下，有多少人愿意天天戴一個AR眼鏡。
顏水成：請問現(xiàn)場有多少人體驗過HoloLens？(現(xiàn)場觀眾舉手)，看起來二十分之一都不到。我們現(xiàn)在在座的根本沒有多少人知道AR當前的現(xiàn)狀是怎樣的，沒有體驗過AR眼鏡目前處于什么水平。我第一次帶HoloLens眼鏡的時候，只是在實驗室里面體驗了十分鐘，用起來特別麻煩，因為微軟一定要把它的賬號跟HoloLens綁起來，又不好輸入，我又不熟，搞的非常痛苦。但是有一次我太太恰好去外邊旅游，我一個人在家里，我就用了整整半天的時間，在家里把HoloLens設置好，把里面各種各樣的功能體驗了一遍，然后就覺得這個東西還不錯，離我想象的科幻電影里的樣子又近了一點，但是還是有問題，HoloLens太沉了，視野太窄，而且續(xù)航也不太給力。后來看到Lumus這個專門做光學鏡片的公司，它的產(chǎn)品能夠把信息從側面投影出來，通過光波導這種形式把信號反射到你的眼睛里面，能把眼鏡做的和真的眼鏡大小差不多。這樣的話，極有可能能做到一款和普通的眼鏡大小差不多的AR眼鏡。
此外還有一些人在做SLAM技術，以及一些配套的手勢控制的技術。特別是當我看到Lumus的那個眼鏡，加上一個叫Infinity公司的SLAM技術，合在一起的時候，你就會覺得這個眼鏡可以做的很小，并不是遙不可及的，我覺得AR眼鏡發(fā)展的腳步比我們想象的快了一些。所以大家有機會的話，應該去體驗一下。
深度學習加大數(shù)據(jù)的模式會面臨天花板嗎？如何解決？
山世光：我們還是回到這個話題上來，我解讀一下這個話題為什么這樣去設置。其實這里面有兩個問題。第一個問題是說深度學習加上大數(shù)據(jù)這樣一個模式的，會不會出現(xiàn)天花板的情況？昨天余凱（平線機器人創(chuàng)始人兼 CEO，前百度研究院執(zhí)行院長）的PPT里面正好有一張圖片，橫坐標是數(shù)據(jù)量，縱坐標是performance，那么這個曲線的走勢是會逐漸趨于平緩呢？還是會一直往上走？
第二個問題就是天花板出現(xiàn)了之后怎么辦，就是你有了大數(shù)據(jù)，但是達到了天花板，你還沒有滿足用戶的需求，那你還有沒有其他的技術。人很多時候并不是依靠大數(shù)據(jù)來學習，我們是不是在下一波里面會更重視這種不需要大量數(shù)據(jù)的學習算法。之前也有討論，有多少人工智能，就有多少人工數(shù)據(jù)標注的工作，是不是可以避免這個問題？請三位從這兩個角度解讀一下。
俞凱：我把我剛才說的擴展一下，先倒著來說，就是第二個問題，我的一個基本觀點就是閉環(huán)的將會成為未來的一個研究主流，甚至有可能是工業(yè)界的主流，它最大的特點就是對于人工標注數(shù)據(jù)的需求大大降低，這個是我特別明確的感受。比如GAN，它是機器自己生成數(shù)據(jù)，只是這個生成方法是閉環(huán)的，所以使得它生成的數(shù)據(jù)特別好，要是強化學習的話，直接和環(huán)境進行交互，它們利用都不是一個一個正常的、離線的、大規(guī)模的人工預標注。因此從第二個問題的角度上講，我會認為閉環(huán)學習是一個比較大的方向。另外一個事情就是，觀看機器學習的整體發(fā)展進程，我特別同意李老師的觀點，他說的是符號學習和深度學習，我的觀點就是數(shù)據(jù)和知識雙驅(qū)動，我覺得這個方向?qū)俏磥硖貏e特別重要的方向。
李航：關于第一個問題，其實大數(shù)據(jù)永遠解決不了長尾問題，自然語言處理的這個傾向非常明顯。比如說現(xiàn)在的輸入法、語音識別，在有專有名詞、術語、或者夾雜英語單詞的時候，肯定識別不好，不管你灌多大的數(shù)據(jù)。因為你收集的語料越多，新詞的量也在同時增加，永遠會有長尾的詞出現(xiàn)，那么怎么樣去處理？至少現(xiàn)在用深度學習或者自然語言處理的方法，還不能很好的解決這個問題，其實語音識別也是一樣的，還沒有完全解決這個問題。但是人肯定不會有這個問題，一個是語言的使用能力，你可以認為是人類幾百萬年進化出來的能力，讓你在聽到一個陌生的單詞的時候，可以利用你的語言能力做推理，做聯(lián)想，做判斷，來彌補這些問題。我們現(xiàn)在的深度學習，或者整個人工智能領域都沒有這樣的技術去彌補這樣的事情。這塊的話，明顯說明大數(shù)據(jù)、深度學習不是萬能的。我們可以在未來短期的時間里面，解決一些問題，比如剛才說到這個輸入法的問題，我可以把它變成personalised（個性化），或者是context dependent（基于上下文）來處理，可能做的更好一些。模型上，我可以嫁接在sequence to sequence learning這種大的框架里面，我可以把一些事情做的很漂亮，也很有效。但是本質(zhì)上，并不是像人一樣處理長尾現(xiàn)象，因此大數(shù)據(jù)、深度學習肯定不是萬能的。