雷鋒網(wǎng)AI科技評(píng)論按：7月7號(hào)，全球人工智能和機(jī)器人峰會(huì)在深圳如期舉辦，由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦、雷鋒網(wǎng)與香港中文大學(xué)（深圳）承辦的這次大會(huì)共聚集了來(lái)自全球30多位AI領(lǐng)域科學(xué)家、近300家AI明星企業(yè)。雷鋒網(wǎng)最近將會(huì)陸續(xù)放出峰會(huì)上的精華內(nèi)容，回饋給長(zhǎng)期以來(lái)支持雷鋒網(wǎng)的讀者們！

本次介紹的這位嘉賓是微軟亞洲研究院資深研究員梅濤博士，分享主題為「視頻內(nèi)容的生命周期：創(chuàng)作，處理，消費(fèi)」。

梅濤博士，微軟亞洲研究院資深研究員，國(guó)際模式識(shí)別學(xué)會(huì)會(huì)士，美國(guó)計(jì)算機(jī)協(xié)會(huì)杰出科學(xué)家，中國(guó)科技大學(xué)和中山大學(xué)兼職教授博導(dǎo)。主要研究興趣為多媒體分析、計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)，發(fā)表論文 100余篇（h-index 42），先后10次榮獲最佳論文獎(jiǎng)，擁有40余項(xiàng)美國(guó)和國(guó)際專利（18項(xiàng)授權(quán)），其研究成果十余次被成功轉(zhuǎn)化到微軟的產(chǎn)品和服務(wù)中。他的研究團(tuán)隊(duì)目前致力于視頻和圖像的深度理解、分析和應(yīng)用。他同時(shí)擔(dān)任 IEEE 和 ACM 多媒體匯刊（IEEE TMM 和 ACM TOMM）以及模式識(shí)別（Pattern Recognition）等學(xué)術(shù)期刊的編委，并且是多個(gè)國(guó)際多媒體會(huì)議（如 ACM Multimedia, IEEE ICME, IEEE MMSP 等）的大會(huì)主席和程序委員會(huì)主席。他分別于 2001 年和 2006 年在中國(guó)科技大學(xué)獲學(xué)士和博士學(xué)位。

為什么要以「視頻內(nèi)容」為主題做分享？

梅濤博士從三個(gè)方面講了他為什么想和大家分享「視頻內(nèi)容」這個(gè)話題。首先視頻跟圖像相比信息更豐富，處理起來(lái)也更富挑戰(zhàn)性；其次，計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，如人臉識(shí)別，人體跟蹤等研究的比較多，而互聯(lián)網(wǎng)視頻內(nèi)容相對(duì)來(lái)說(shuō)研究的比較少；最后，他說(shuō)在十年前就開(kāi)始做視頻方面的研究，所有人都說(shuō)視頻是下一個(gè)風(fēng)口，今天看來(lái)這個(gè)說(shuō)法也是對(duì)的。

在傳統(tǒng)的視覺(jué)理解（2012年以前）的方法里，要做視覺(jué)問(wèn)題基本上分三個(gè)步驟：

第一，理解一個(gè)物體，比如說(shuō)識(shí)別一個(gè)桌子，首先要檢測(cè)一個(gè)關(guān)鍵點(diǎn)（比如角、邊、面等）；

第二，人為設(shè)計(jì)一些特征來(lái)描述這些點(diǎn)的視覺(jué)屬性；

第三，采用一些分類器將這些人為設(shè)計(jì)的特征作為輸入進(jìn)行分類和識(shí)別。

而現(xiàn)在的深度學(xué)習(xí)，尤其是在2012年開(kāi)始以后：

“圖像理解的錯(cuò)誤率在不斷降低，深度神經(jīng)網(wǎng)絡(luò)也從最早的8層到20多層，到現(xiàn)在能達(dá)到152層。我們最新的工作也表明，視頻理解的深度神經(jīng)網(wǎng)絡(luò)也可以從2015年3D CNN的11層做到現(xiàn)在的199層?！?/p>

梅濤博士也在演講中表示，視頻內(nèi)容的生命周期大致可以分為三個(gè)部分，即視頻的創(chuàng)作、處理和消費(fèi)。

Creation（創(chuàng)作）

關(guān)于怎么去創(chuàng)造一個(gè)視頻，梅濤博士給了一個(gè)基本概念。“Video的產(chǎn)生是先把Video切成一個(gè)一個(gè)的鏡頭，可以看成是一個(gè)一個(gè)斷碼，然后每一個(gè)鏡頭再組合編成一個(gè)故事或場(chǎng)景，每一個(gè)鏡頭還可以再細(xì)成子鏡頭，每個(gè)子鏡頭可以用一個(gè)關(guān)鍵幀來(lái)代表。通過(guò)這種分層式結(jié)構(gòu)可以把一段非線性的視頻流像切分文章一樣進(jìn)行結(jié)構(gòu)化，這種結(jié)構(gòu)化是后面做視頻處理和分析的基礎(chǔ)。通過(guò)這種結(jié)構(gòu)化將視頻分解成不同的單元，就可以做視頻的自動(dòng)摘要，即將一段長(zhǎng)視頻自動(dòng)剪輯為精彩的短視頻，或?qū)⒁欢伍L(zhǎng)視頻用一些具有高度視覺(jué)代表性的關(guān)鍵幀表示。這些摘要使得用戶對(duì)長(zhǎng)視頻的非線性快速瀏覽成為可能?！?/p>

梅濤博士表示，微軟目前將視頻摘要的技術(shù)用在了Bing的視頻搜索里，現(xiàn)在全世界有八百萬(wàn)的Bing用戶通過(guò)一種叫multi-thumb的技術(shù)，可以快速預(yù)覽每一個(gè)視頻搜索結(jié)果。

Curation（處理）

當(dāng)用戶有了視頻之后，研究者要做的事情是給視頻片段打上標(biāo)簽，這樣后面的搜索就可以基于標(biāo)簽搜到視頻的內(nèi)容里面去?！拔覀冏罱墓ぷ骺梢詫?duì)視頻內(nèi)容打上1000多個(gè)靜態(tài)標(biāo)簽和超過(guò)500個(gè)以上的動(dòng)作標(biāo)簽。我們?cè)O(shè)計(jì)的P3D（pseudo 3D resent）是專門為視頻內(nèi)容理解而精心設(shè)計(jì)的3D殘差網(wǎng)絡(luò)?！?/p>

做圖像分析目前最好的深度神經(jīng)網(wǎng)絡(luò)是微軟亞洲研究院在2015年提出的152層的殘差網(wǎng)絡(luò)（ResNet），目前最深可以做到1000層。但是在視頻領(lǐng)域，專門為視頻設(shè)計(jì)的最有效的3D CNN目前才11層。

為了解決這一問(wèn)題，梅濤博士表示，團(tuán)隊(duì)最近借用ResNet的思想，將3D CNN的層數(shù)做到了199，識(shí)別率能在UCF 101數(shù)據(jù)集上比之前的3D CNN提高6到7個(gè)百分點(diǎn)。這一對(duì)視頻進(jìn)行自動(dòng)標(biāo)簽的技術(shù)，將會(huì)被用在微軟的Azure云服務(wù)中。

實(shí)現(xiàn)了視頻自動(dòng)標(biāo)簽技術(shù)外，梅濤博士還闡述了團(tuán)隊(duì)“更進(jìn)一步”的研究工作：用一段連貫通順的自然語(yǔ)言，而不是孤立的單個(gè)標(biāo)簽，來(lái)描述一段視頻內(nèi)容。

“比如給定這段視頻，我們能不能生成一句話來(lái)描述這個(gè)Video？以前我們說(shuō)這個(gè)Video是一個(gè)舞蹈，現(xiàn)在可以告訴你這是一群人在跳一段什么舞蹈，這個(gè)技術(shù)就叫Video Captioning（視頻說(shuō)明）。這個(gè)技術(shù)使得自動(dòng)生成視頻的標(biāo)題成為可能?！?/p>

微軟亞洲研究院目前把這個(gè)技術(shù)用在了聊天機(jī)器人的自動(dòng)評(píng)價(jià)功能里，例如微軟小冰，當(dāng)用戶上傳視頻給小冰，它會(huì)夸贊對(duì)方。在這個(gè)技術(shù)上線一個(gè)月后，小冰在某視頻網(wǎng)站上的粉絲數(shù)漲了60%。當(dāng)然，小冰現(xiàn)在還可以根據(jù)圖片內(nèi)容寫現(xiàn)代詩(shī)，將來(lái)我們希望小冰能夠根據(jù)視頻來(lái)寫詩(shī)。

“我們也可以將Video進(jìn)行編輯，加上濾鏡，或是做風(fēng)格的轉(zhuǎn)換，把自然的Video變得非?？ㄍ?。視頻中的人物分割出來(lái)可以放到另外一個(gè)虛擬的場(chǎng)景里面去。你可以想象，當(dāng)兩個(gè)人在異地談戀愛(ài)的時(shí)候，我們能夠給他一個(gè)房間，讓他們?cè)谕粋€(gè)房間里、在星空下、在安靜湖面上的一艘小船上進(jìn)行聊天。另外，我們也可以提供storytelling的服務(wù)，讓原始的、沒(méi)有經(jīng)過(guò)任何編輯和處理的image、video集合變成一段非常吸引人的、有一定設(shè)計(jì)感和視覺(jué)感的故事，這段視頻demo就是機(jī)器自動(dòng)產(chǎn)生的效果。加上人工的處理，視頻就可以變得更加時(shí)尚?！?/p>

Consumption（消費(fèi)）

視頻的消費(fèi)往往和廣告緊密相關(guān)。梅濤提到，做視頻廣告有兩個(gè)問(wèn)題需要解決：第一個(gè)問(wèn)題是廣告到底放在視頻的什么位置；第二個(gè)問(wèn)題是選什么樣的廣告，這個(gè)廣告跟你插入點(diǎn)的信息是不是相關(guān)，使得用戶接受度更加好。

他們的解決方案是將視頻進(jìn)行分解，并計(jì)算出兩種度量，一個(gè)是discontinuity（不連續(xù)），衡量一個(gè)廣告插入點(diǎn)的故事情節(jié)是否連續(xù)；另一個(gè)是attractiveness（吸引力），衡量一段原始視頻的內(nèi)容是否精彩。對(duì)這兩種度量進(jìn)行不同的組合就可以滿足符合廣告商（advertiser）或用戶（viewer）的需求。

最后梅濤總結(jié)道，在做科研的人看來(lái)，AI也好，深度學(xué)習(xí)也好，落地都有很長(zhǎng)的路要走?！半m然計(jì)算機(jī)視覺(jué)已經(jīng)發(fā)展了50多年，雖然現(xiàn)在AI炒的很火熱，但做科研和技術(shù)的，還是要腳踏實(shí)地去解決一個(gè)個(gè)的場(chǎng)景和一個(gè)個(gè)底層的基礎(chǔ)難題?！?/p>

以下是梅濤博士的現(xiàn)場(chǎng)分享實(shí)錄，雷鋒網(wǎng)做了不改動(dòng)原意的整理和編輯

很高興跟大家聊一下視頻內(nèi)容領(lǐng)域。為什么講視頻內(nèi)容呢？有三個(gè)原因：第一個(gè)原因是視頻跟圖像相比更加深入，視頻是信息領(lǐng)域的東西，研究視頻是一個(gè)非常大的挑戰(zhàn)。第二是大家在很多專場(chǎng)看到視覺(jué)領(lǐng)域，人臉、安防方面的進(jìn)展，視頻領(lǐng)域?qū)Υ蠹襾?lái)說(shuō)是相對(duì)比較嶄新的東西。第三是我本人在十年前做視頻方面的研究，所有人都說(shuō)視頻是下一個(gè)風(fēng)口，今天看來(lái)這個(gè)說(shuō)法也是對(duì)的。

計(jì)算機(jī)視覺(jué)（CV）可以認(rèn)為是人工智能的一個(gè)分支，1960年代CV的創(chuàng)始人之一Marvin Minsky說(shuō)，“給計(jì)算機(jī)接上一個(gè)相機(jī)，計(jì)算機(jī)可以理解相機(jī)所看到的世界?！边@是做CV人的一個(gè)夢(mèng)想。到最近的50年，CV領(lǐng)域發(fā)展有很多成果，如果來(lái)總結(jié)一下，從視覺(jué)理解角度來(lái)看，要做視覺(jué)問(wèn)題基本上分三個(gè)步驟：首先，理解一個(gè)東西，比如說(shuō)識(shí)別一個(gè)桌子，我們要檢測(cè)一些線條，一些拐角。第二，人為設(shè)計(jì)一些特征來(lái)描述所檢測(cè)的特征。第三，設(shè)計(jì)一些分類器。這是我們2012年以前大家做CV的三個(gè)步驟。

 大家可以從這個(gè)圖中看到CV的一些進(jìn)展，舉幾個(gè)例子，比如說(shuō)這篇論文SIFT（Scaled Invariant Feature Transform）文，已經(jīng)被引用55000次了。另外，如果大家做人臉識(shí)別就會(huì)知道，需要定位人臉的區(qū)域。我們2001年有一個(gè)方法是Boosting +Cascade，做快速的人臉定位。到今天為止，雖然大家知道做人臉定位有很多深度學(xué)習(xí)的方法，但是這個(gè)方法依然是最先的必經(jīng)的步驟之一。這個(gè)論文到目前為止已被引用了30000次，在學(xué)術(shù)界有一篇論文被引用超過(guò)10000次已經(jīng)是相當(dāng)了不起了。到了2012年以后，基本上所有人都在用深度學(xué)習(xí)，從Hinton的學(xué)生用AlexNet在ImageNet上面能得到近乎15%的錯(cuò)誤率，從那開(kāi)始，所有視覺(jué)的東西都在用CNN，代表性的有GoogLeNet，AlexNet等等，我們的任務(wù)也會(huì)越來(lái)越多，越來(lái)越有挑戰(zhàn)，比如現(xiàn)在正在做的從圖片中生成語(yǔ)言，不僅要在圖片或視頻中打上一些標(biāo)簽，還要把這些標(biāo)簽變成能用自然語(yǔ)言描述的一句話。

我們今天講的是視頻理解，如果從理解一個(gè)像素或理解一個(gè)圖片或視頻來(lái)說(shuō)，可以把這個(gè)理解問(wèn)題分成幾個(gè)層次。最難的是需要理解圖片或視頻里面每個(gè)像素代表什么標(biāo)簽。再往上是我們關(guān)心每一個(gè)物體在什么位置、屬于什么類別。第三部分是不關(guān)心這個(gè)物體在什么地方，你給我一圖片或者視頻，我就知道這個(gè)圖片或者視頻里面有什么標(biāo)簽。再往前走一步，比如說(shuō)我給你一個(gè)圖片，要求不僅要生成單獨(dú)的標(biāo)簽，還要看你能不能生成一個(gè)非常自然的語(yǔ)言來(lái)描述這個(gè)圖片。再往上，我給你一個(gè)圖片，能不能給我一個(gè)故事，比如說(shuō)現(xiàn)在機(jī)器能不能產(chǎn)生這樣一個(gè)故事。

 大家看一下這個(gè)圖（見(jiàn)PPT），Image Classification（圖像分類）從最早8層到20多層，到現(xiàn)在我們的152層。我們?cè)谖④涀隽撕芏喙ぷ?，image里面有很多image recognition computational style transfer（圖像識(shí)別計(jì)算的風(fēng)格轉(zhuǎn)換）等等。微軟跟這個(gè)相關(guān)的產(chǎn)品有很多，比如說(shuō)小冰不僅可以跟你用文字聊天，還可以通過(guò)圖片和視頻跟你交流。

從圖像到視頻，理解一個(gè)視頻必須理解每一個(gè)幀里面的運(yùn)動(dòng)。為什么今天要談?wù)撘曨l呢？

全世界現(xiàn)在每天有超過(guò)50%的人在線看視頻，每天在Facebook上會(huì)觀看37億個(gè)視頻，YouTube上每天會(huì)觀看5億小時(shí)時(shí)長(zhǎng)的視頻。我們做視頻，大家首先想到的就是做廣告，視頻上面的廣告每年都是30%的速度遞增的，在YouTube上面也是每年30%的增長(zhǎng)態(tài)勢(shì)。人們?cè)谝曨l上花的時(shí)間是圖片上的2.6倍。視頻的生成比文字和圖片要多1200%。2016年中國(guó)視頻用戶超過(guò)7億。

 今天從另外一個(gè)角度來(lái)看視頻內(nèi)容的產(chǎn)生、編輯、管理會(huì)經(jīng)歷哪些過(guò)程，有哪些技術(shù)來(lái)支撐，我們從Creation（創(chuàng)作）到Curation（處理）、到Consumption（消費(fèi)）的順序來(lái)講。

 怎么去創(chuàng)作一個(gè)視頻？這里面有一個(gè)基本概念，視頻的產(chǎn)生是先把視頻切成一個(gè)一個(gè)的鏡頭，你可以看成是一個(gè)一個(gè)斷碼，然后每一個(gè)鏡頭再編成一個(gè)故事，每幾個(gè)語(yǔ)言可以放成一個(gè)故事。每一個(gè)鏡頭可以分成子鏡頭，然后有一個(gè)數(shù)據(jù)，這是我們做視頻的前提。

今天一個(gè)視頻，可能15分鐘，可能是1個(gè)小時(shí)，能不能給你5個(gè)關(guān)鍵幀你就知道這個(gè)鏡頭。一個(gè)8分鐘的視頻能不能生成30秒的內(nèi)容，比如說(shuō)來(lái)了一個(gè)運(yùn)動(dòng)視頻，通過(guò)智能分析知道這個(gè)運(yùn)動(dòng)視頻里面哪個(gè)部分最應(yīng)該看，這是它的重點(diǎn)。

另一個(gè)話題是視頻生成，今天我給你一段文字，你給我生成一個(gè)新的視頻，這個(gè)事情聽(tīng)起來(lái)天方夜譚，但是值得挑戰(zhàn)。我告訴你生成一個(gè)視頻，也就是一個(gè)數(shù)字8在上面不停的游動(dòng)。另外給你數(shù)字6和0，能不能讓數(shù)字6和0在這里面游動(dòng)，這個(gè)事情是非常難的。最近我們做了研究，發(fā)現(xiàn)可以做一些簡(jiǎn)單的事情，比如說(shuō)一個(gè)人在烤牛肉。實(shí)際上這還是很難的，因?yàn)槲覀兩傻囊曨l準(zhǔn)確性非常低，所以這是非常難的事情。

當(dāng)有了視頻之后要做的事情是給視頻打標(biāo)簽，至今為止可以打上1000個(gè)的靜態(tài)標(biāo)簽，你有了這些靜態(tài)的標(biāo)簽就可以設(shè)置到內(nèi)容里面去。比如說(shuō)視頻里面出現(xiàn)一個(gè)橋，這個(gè)橋的位置在哪里。比如說(shuō)一些運(yùn)動(dòng)，這是我們能夠識(shí)別出來(lái)的運(yùn)動(dòng)，左邊都是運(yùn)動(dòng)的視頻，右邊是我們?nèi)粘Ｉ钪械囊恍┬袨椤Ｓ袃蓚€(gè)動(dòng)作最難識(shí)別，一個(gè)是跳躍，一個(gè)是三級(jí)跳，但是我們現(xiàn)在已經(jīng)可以區(qū)分出這些非常細(xì)微的差別。

 這是我們今天講的唯一的一個(gè)技術(shù)性的部分。我們最近做的一個(gè)非常好的工作，就是可以做深層次的網(wǎng)絡(luò)，我們可以通過(guò)一些方式使得深層次的網(wǎng)絡(luò)是可行的。比如說(shuō)這個(gè)到現(xiàn)在可以做到152層，也可以做到1001層，性能超過(guò)了任何網(wǎng)絡(luò)。我們能不能從這個(gè)網(wǎng)站的圖片擴(kuò)展到視頻？我把二維的卷積盒變成三維的，當(dāng)它卷積的時(shí)候是沿著X、Y和T這個(gè)方向卷積的。C3D模型是可以做到13層，它非常復(fù)雜。我們有一個(gè)想法，把它進(jìn)行分解，一個(gè)是可以找出這個(gè)物體的數(shù)量，使的這個(gè)過(guò)程可行，另外還可以在圖像上進(jìn)行處理。我們做了很多工作，比如說(shuō)這個(gè)視頻是一個(gè)太極的動(dòng)作，我們通過(guò)P3D可以找出來(lái)4個(gè)點(diǎn)，這個(gè)已經(jīng)非常了不起了。

我們可以很精確的告訴你這個(gè)視頻中每一個(gè)關(guān)節(jié)是怎么運(yùn)動(dòng)的（見(jiàn)PPT），比如說(shuō)我今天做一個(gè)智能的健身教練，可以把你的動(dòng)作進(jìn)行分解，告訴你哪個(gè)動(dòng)作是不準(zhǔn)確的。

還有一個(gè)是Video captioning（視頻說(shuō)明），給你一個(gè)視頻，能不能生成一句話來(lái)描述這個(gè)視頻。以前我們說(shuō)這個(gè)視頻是一個(gè)舞蹈，現(xiàn)在可以告訴你說(shuō)這是一個(gè)什么舞蹈。

這是我們生成的一個(gè)視頻（見(jiàn)PPT）。小冰能夠做auto-commenting（自動(dòng)評(píng)論），不僅告訴你很美，還能告訴你美在什么地方。后面是一個(gè)小孩子，它說(shuō)你的女兒很漂亮、很時(shí)尚?；旧纤梢越o自拍的視頻做評(píng)論，給小孩的視頻做評(píng)論，也可以給寵物視頻做評(píng)論。

小冰還可以寫詩(shī)，最近我們發(fā)表了一個(gè)小冰詩(shī)集。小冰說(shuō)：“看那星，閃爍的幾顆星，西山上的太陽(yáng)，青蛙兒正在遠(yuǎn)遠(yuǎn)的淺水，她嫁給了人間許多的顏色”。

 我們另外還做style transfer（風(fēng)格轉(zhuǎn)移），給你一個(gè)油畫或者卡通，能不能把這個(gè)風(fēng)格轉(zhuǎn)移到視頻中，可以把這個(gè)水的波紋表達(dá)出來(lái)。

下面這幅圖是某個(gè)娛樂(lè)節(jié)目，我們可以把這個(gè)人物分割出來(lái)放到另外一個(gè)虛擬的場(chǎng)景里面去。你可以想象，當(dāng)兩個(gè)人在異地談戀愛(ài)的時(shí)候，我們能夠給他一個(gè)房間，讓他們?cè)诜块g里面進(jìn)行聊天。

還有Storytelling（講故事），我能不能給你提供服務(wù)，讓你的圖片、視頻變得更好，這都是機(jī)器產(chǎn)生的效果（見(jiàn)PPT）。這個(gè)風(fēng)格叫Fashion，我們只要加上人工的處理，視頻就可以讓你的圖片變得更加時(shí)尚。這很容易用在一些to C（針對(duì)消費(fèi)者的市場(chǎng)）的場(chǎng)景里面。

講一下最后一個(gè)題目，這個(gè)廣告是我十幾年前加入微軟的項(xiàng)目。那時(shí)候我們做的視頻廣告有兩個(gè)問(wèn)題需要解決：第一個(gè)問(wèn)題是廣告到底放在視頻的什么位置；第二個(gè)問(wèn)題是選什么樣的廣告，這個(gè)廣告跟你插入點(diǎn)的信息是不是相關(guān)，使得用戶接受度更加好。這兩個(gè)問(wèn)題怎么解決？當(dāng)時(shí)我們提出一個(gè)方案，我來(lái)了一個(gè)視頻，把這個(gè)視頻分解，我們有幾個(gè)值，第一個(gè)是discontinuity（不連續(xù)），看每一段是不是可以做廣告，它的間斷點(diǎn)使得用戶的接受度更好。還有就是在是激動(dòng)人心的階段放廣告。另外一個(gè)是Attractiveness（吸引力），讓它變得可計(jì)算，當(dāng)時(shí)我們有兩個(gè)曲線，這兩個(gè)曲線有不同的方式，第一種方式是要符合廣告商的需求。

這個(gè)視頻里面，當(dāng)出現(xiàn)車子爆炸的鏡頭，我們可以識(shí)別出來(lái)這個(gè)內(nèi)容，可以在這里放廣告，使得廣告和內(nèi)容無(wú)縫連接在一起。我們也可以在故事需要的地方放廣告。

剛才講了很多場(chǎng)景和技術(shù)，但是在做科研的人看來(lái)，AI也好，深度學(xué)習(xí)也好，落地有很長(zhǎng)的路要走，我們要腳踏實(shí)地的一個(gè)一個(gè)的去實(shí)現(xiàn)。

這就是我今天的演講，謝謝大家！

雷鋒網(wǎng)整理編輯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。