科学家|在阿里「死磕」自动驾驶，一个应用型AI科学家「命中注定」的故事( 二 )

那时，AI 圈还没进入深度学习论文的大水漫灌时代，王刚的这份成绩在青年学者当中已可圈可点。
随着时间的推移，浸泡在新加坡 AI 圈的王刚逐渐感受到，这里与美国的学术氛围以及学术应用有着明显的差异。他进一步向解释说：
“在美国就是，两耳不闻窗外事，一心只读圣贤书；包括我的导师也不太关心这些应用，更多关注的是解决 fundamental 的学术问题。但新加坡的大环境更强调与工业界结合。”
也正是在 NTU 任职的这段时间，王刚与工业界的联系开始多了起来。
据了解，基于计算机视觉和深度学习两大主线，他带领团队开发了各种 AI 技术应用，范围覆盖了服装、驾驶、医药、安保等多个主流领域，并且将一些技术转让给了商业公司。
其中，他们在 2011 年研发了一个服装检索自动系统，是比淘宝拍立淘更早的图搜应用；他们也曾推出过一个 3D 人类行为标准数据集 NTU rgb+d，后为学术界和工业界所用。
不仅如此，王刚还曾联合创立了一家名为 I3 Precision 的公司，并亲自出任 CTO，希望通过技术的手段来提高药物验证的效率。
遗憾的是，这些项目受限于应用场景等各种原因，当时并没有给市场带来变革性的影响。
不过基于此类实践，王刚也逐渐塑造一套关于「应用」的清晰认知，为其后来将能力输出给工业界、寻找技术与生活的连接点，打下了基础。
对此，王刚告诉雷锋网，学术研究是百花齐放的：有人数十年磨一剑，为了科研理想甘坐冷板凳。
就像神经网络教父 Geoffrey Hinton，曾在一场长达 10 余年的计算机科学学术之争中不占上风，有关神经网络的论文也常常被学术期刊拒收。但 Geoffrey Hinton 最终证明了自己是对的。
在此之外，同样也要有人去关注 AI 技术的应用问题——王刚认为，自己就是一个偏向应用型的学者。
而且，相比起「科学家」，王刚更愿意将自己定义为「工程师」。
在他看来，科学家要去发现新的规律、创造新的知识、构建新的准则；而工程师则是以产品的形态，让准则能够 work 起来。
经过多年的研究积累，王刚心中的准则已非常明确：
在如今的计算机架构下，AI 想要实现长足的发展就必须把数据驱动做好；如果没有足够多的养料，科学家也很难发现新的规律去推动 AI 进步。
那么，数据从何而来？
从产品出发，或许不失为一条好路子。
2016 年，王刚获得南洋理工大学终身教职。但仅仅在一年后，他就毅然离开了新加坡，举家回国，从学术界迈入了产业界。
其实，对王刚关于技术应用的思考进行一番了解后，他放弃体面而稳定的高校工作也就没有那么难理解了。

文章插图

尤其现在身处中国的人工智能圈，王刚更加坚定了要走产业落地路线的决心。
他向雷锋网透露，从美国、新加坡、到中国，越往东越强调产学研，国内一些教授的晋升评奖也会将工业界的成果作为参考指标。
“很多人吐槽我们太功利、不注重深层次的研究，其实不然。因为每个国家的国情不一样，中国更注重产学研的结合，做好应用再做深也是一种途径。”
在王刚看来，现阶段只有先做到从无到有、才能慢慢再做到深、再做到优，这样更符合发展规律。
做产品，最重要的是思维问题
阿里，是王刚在工业界的第一个落脚点。
关于在工业界的去向，他曾给自己定下两个基本点：
一是自己要做继续做 AI 研究；二是团队的 Leader 要懂业务，而不是只懂研究。
2017 年 3 月，阿里启动了一项代号为 NASA 的计划，将面向机器学习、智能芯片、生物识别等前沿技术组件全新的团队，并动员全球两万多名科学家和工程师投身新技术战略；王刚正是其中的一员。