lun不一样的科大讯飞，他们把计算机视觉踢进“世界杯”( 五 ) 香港中央结算有限公司|四维图

这与李开复在《AI未来》一书中的观察不谋而合：
西方国家点燃了深度学习的火炬，但最大的受益者将会是中国，这种全球性的变化是由两方面的转变引起的：从发明的年代转变为实干的年代；从专家的年代转变为数据的年代。
此外，一位ACM高级科学家曾经告诉我们，现在AI学界研究的风气大变，灌水现象也特别严重，"将从学界拿到的论文用于技术落地时，对其结论首先都要打一个问号。"
业界做AI学术被质疑理论不够扎实，学界在缺少资源的情况下，亦难以研究大规模的问题。或许两者汇集之后我们才能提出更好的基础研究问题。
"我们也发现了一个现象：在企业研究院发论文对于学生而言很有吸引力，能为他们的简历增光。但这个现象持续下去，是否对整个行业有促进作用，值得探讨。"殷保才补充道。
企业研究不仅需要在技术水平上"顶天"，又要在技术价值上"立地"。这其实也正是科大讯飞AI研究院一直秉承的价值观——顶天立地。
在资源投入上，科大讯飞以市场导向分配"弹药"，遵循"721研发投入模式"。
"我们每年拿出20%以上的营收投入到研发中，其中70%的资源投入当前的主导产品，20%投入战略新产品，10%投入探索型的、不追求一定要有回报的方向，它可以很自由地探索未来。”而殷保才主要就在负责2和1的部分。
指尖交互、手势交互、多模态识别、遥感方向、智慧畜牧等都是他将投入的方向。
"视觉前瞻的每一个尝试，基于我们的业务需求、未来趋势判断以及扩展研究院的能力建设，但最终都是为了能够拓宽整个视觉领域的应用边界。"殷保才补充道。
吴嘉嘉则将继续深耕OCR，打通OCR技术链路。在整个职业生涯中，吴嘉嘉前三、四年聚焦于钻研技术，带团队之后，开始思考整个技术链路的问题。
从孤立字识别到文本行识别，是从1到10的阶段跨越；而从文本行识别到公式识别，则是从10到100的飞跃。
如今，团队正在攻关一个“300”难度的任务——篇章级公式识别，"当然，说不定是1000。"
从孤立字识别、文本行识别、公式识别到篇章级识别，是一场从点到线到面再到网络的升维进化，科大讯飞亦在OCR领域建立起了较高的技术壁垒。在实际应用中，以教育为例，学生作业试卷文档存在版面结构复杂、书写风格差异显著等难点问题也变得可解。
如今作为OCR条线的负责人，面对团队日渐增长的团队规模，他也有了新的梦想，“保持核心技术的领先水平，屹立于世界的前沿。同时让人工智能技术应用到更多的领域内，让科技所带来的改变惠及大众。”

文章插图

科大讯飞——自成神经网络

这对“才”子“嘉”人在科大讯飞的成长故事，也是科大讯飞不断扩展的缩影。
专注AI多年的科大讯飞，自身已成一个神经网络——很宽、很深的生成式神经网络。
一个典型的生成式神经网络包括了输入层、编码层、输出层。对于一个AI企业而言，输入是AI三要素：算力、数据、算法，输出是技术和产品，编码层则是企业的组织方式和技术方法论，以及企业的人才。
各个节点并非孤立，紧密链接，由此在“技术顶天”与“应用落地”这一天地两端，用人工智能建设美好世界。
【 lun不一样的科大讯飞，他们把计算机视觉踢进“世界杯”】雷锋网雷锋网雷锋网