半路出家OCR后成领域专家，白翔：计算机视觉科研没有捷径( 四 )

白翔：我跟很多工业界的朋友们有过这方面讨论。之前我一直很奇怪一件事情：我们2015年底提出来CRNN算法，为什么工业界现在还在用？我们后面提出来的一些更鲁棒的方法，他们反而不用。后来工业界的朋友告诉我， CRNN一般情况下就够用了。在企业的实际应用中，还要考虑模型的大小和运算的速度。像BAT这样的大型互联网公司，每天都有上亿的图片要处理。从实用性角度来看，如果一个算法太慢，即使它精度很高, 但是时间消耗太大，这些企业是无法接受的。
计算机视觉领域中的很多方法，精度和速度往往是互相矛盾的，如何在精度和速度中（甚至还包括能耗）找到一个平衡至关重要。说到底，计算机视觉是一个面向应用的研究领域，一定要了解实际应用的需求，要考虑精度和速度两者的推动。如果应用基础研究问题的定义不从实际应用需求中去总结，那就有点纸上谈兵的感觉，甚至会把一些研究方向带偏。
您如何看待学术界和工业界的关系？您如何看待研究生、博士生找工作、找实习这一问题？
白翔：这个问题问得非常好。现在工业界对人工智能的技术和人才的热情非常高，导致很多教授或优秀学生，都高薪去了工业界，那么这就不是一个稳定的状态。如果说去工业界的高端人才越来越多，就会削弱高校培养高端人工智能人才的能力。过去一两年我在加拿大、美国交流期间，也听到了一些要把教授、学子还给学术界的呼吁。也有少数企业取代了高校的部分功能，对实习学生进行科研训练和指导，甚至发表了高水平论文。
总体而言，工业界和学术界之间现在关系已经非常密切，合作产生的研究成果也屡见不鲜，但学术界与工业界的合作形式不应主要放在学生实习方面，我更加看好通过共建校企联合研究实验室的方式，这样可以把学者留在高校，同时也能保证足够的产学研合作。
目前有很多学生可能对实习的热情度较高，但高校教师也需要研究生参与完成自己正在承担的科研课题。总体上我比较支持学生去实习，但我希望学生去实习之前已经具备了一定的研究基础和技术创新能力。这样能更加有效地帮助企业在产品线或研究端进行技术升级，同时也有助于学生增加实战经验。
另外，我会注意保证学生的实习任务和研究目标的一致性。具体来说，我会建议研究生找一个跟自己开题研究方向相同或密切相关的公司部门或研究组去实习，避免研究任务跨度太大。因为研究是需要专注的，尤其对于年轻学子，频繁换研究主题会影响做研究的深度。
如今，发表顶会论文已经成为研究生入职的一个重要评价标准，这导致不少研究生在学习阶段加强了对顶会论文或学术竞赛的追逐，却忽视了其它素质方面的锻炼。事实上视觉有关企业的主要任务是推动科技产业进步，推动科技产业进步和发表多少论文没有直接关系，发表论文也不能直接证明其推动了科技产业进步。对此，我还呼吁工业界要看重人才的综合素质，而不能将论文作为评价人才的唯一导向或主要导向。

本文插图

本文插图
【半路出家OCR后成领域专家，白翔：计算机视觉科研没有捷径】