雷鋒網(wǎng) AI 科技評論按：近期由中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦的全球人工智能與機器人峰會（CCF-GAIR）將于 6 月底在深圳舉辦，其中 哈爾濱工業(yè)大學(xué)劉挺教授 將擔(dān)任自然語言處理專場主席。

雷鋒網(wǎng)了解到，劉挺教授作為國內(nèi) NLP 方向的領(lǐng)軍人物，其 Google Scholar 總引用率高達 8412 次，頂會論文總量世界排名第八。其所帶領(lǐng)的哈工大社會計算與信息檢索研究中心（HIT-SCIR）已然成為國內(nèi)頂尖 NLP 研究機構(gòu)之一，在 NLP 領(lǐng)域具有極高的影響力，推出了語言技術(shù)平臺、大詞林等一大批核心技術(shù)。此外，該中心先后培養(yǎng)出 200 多名學(xué)生，廣泛分布于百度、騰訊、阿里、微軟、訊飛等企業(yè)，為國內(nèi) NLP 的研究和落地貢獻了有生力量。

近期，哈工大 SCIR 也動作頻繁。進入 2018 年后，哈工大 SCIR 先后有近 20 篇論文被各大頂會錄用；今年 2 月初，劉挺教授出任云孚科技首席科學(xué)家；5 月初，哈工大成立人工智能研究院，劉挺教授擔(dān)任研究院副院長。 

由此自然的問題是，作為全國頂尖的NLP研究重鎮(zhèn)，SCIR 在做什么？他們有什么樣的研究思路和規(guī)劃？作為該中心的帶頭人，劉挺教授對 NLP 的研究前景有什么思考？對實驗室的未來有何布局？在他看來，NLP 又該如何做研究？

雷鋒網(wǎng)藉此 CCF-GAIR 大會的機會有幸針對這些疑問對劉挺教授進行了專訪，深入探究了哈工大 SCIR 發(fā)展的基本理念以及劉挺教授對相關(guān)問題的思考。其大的思想格局無論是對 NLP 研究的資深學(xué)者還是對初步入這一領(lǐng)域的學(xué)生都有極大的參考價值。

下面為雷鋒網(wǎng)根據(jù)采訪內(nèi)容整理而成，在不改變原意的情況下略有改動，以饗讀者。

劉挺，哈爾濱工業(yè)大學(xué)教授，哈爾濱工業(yè)大學(xué)人工智能研究院副院長，計算機學(xué)院社會計算與信息檢索研究中心主任，云孚科技首席科學(xué)家。哈工大人工智能與中文信息處理方向帶頭人，主要研究方向為自然語言處理和社會計算；國家“萬人計劃”科技創(chuàng)新領(lǐng)軍人才；中國計算機學(xué)會理事、中國中文信息學(xué)會常務(wù)理事，多次擔(dān)任國家863重點項目總體組專家、基金委會評專家；主持研制“語言技術(shù)平臺LTP”、“大詞林”等，被業(yè)界廣泛使用；曾獲國家科技進步二等獎、省科技進步一等獎、錢偉長中文信息處理科學(xué)技術(shù)一等獎等；2012-2017年NLP頂級會議論文數(shù)，世界排名第8（據(jù)劍橋大學(xué)統(tǒng)計）。 

一、哈工大 SCIR 在做什么？

雷鋒網(wǎng)：劉老師，您好。據(jù)之前報道，您從2017年10月起加盟云孚科技；那么在 2017 年、2018 年，您的重心是否更側(cè)重于工業(yè)界呢？ 

劉挺：作為大學(xué)里的實驗室，我們始終把人才培養(yǎng)和學(xué)術(shù)研究放在最重要的位置上，過去如此，未來也將如此。2018 年，到目前為止，我實驗室已經(jīng)有 12 篇論文被頂級國際會議（CCF A 類）錄取，包括 5 篇 IJCAI，4 篇 AAAI 和 3 篇 ACL，另有 8 篇論文被重要國際會議錄取，包括 6 篇 Coling 和 2 篇 NAACL。

哈工大被譽為培養(yǎng)「工程師的搖籃」，我們實驗室一貫重視學(xué)術(shù)界與工業(yè)界的無縫對接，致力于做出「頂天立地」的科研成果。為了更好地推進成果轉(zhuǎn)化，實現(xiàn)「以中文技術(shù)，助民族復(fù)興」的理想，2018 年 2 月，我們正式與云孚科技（北京）有限公司開啟全面深入的合作，我本人兼任了該公司的首席科學(xué)家，不過，我的工作重心仍然在學(xué)校，在學(xué)術(shù)界。

雷鋒網(wǎng)：能否介紹一下您們實驗室最近一年多的工作內(nèi)容？

劉挺：最近一年多，在原有工作基礎(chǔ)上，我們在科研和系統(tǒng)開發(fā)方面又有了很多進展。我介紹兩個最有代表性的工作吧，一個是事理圖譜，一個是對話技術(shù)平臺（DTP）。

我們原創(chuàng)性地提出了事理圖譜的概念。事理圖譜是一個事理邏輯知識庫，描述事件之間的演化規(guī)律和模式。舉例說明：一個人買房子，買完房子下一步就是裝修，裝修完了就會買家具，這是順承關(guān)系鏈。再舉一例：汽油價格上漲會導(dǎo)致航空公司成本提高，利潤下降，以至于股票價格下跌，這是因果關(guān)系鏈。知識圖譜的研究對象為名詞性實體及其關(guān)系，而事理圖譜的研究對象是謂詞性事件及其關(guān)系。知識圖譜主要知識形式是實體屬性和關(guān)系，事理圖譜則是事理邏輯關(guān)系以及概率轉(zhuǎn)移信息。實體之間的關(guān)系基本是穩(wěn)定的，而事件間的演化關(guān)系多數(shù)是不確定的。事理圖譜概念是對知識圖譜概念自然地補充和拓展，是知識描述的一個更高級的階段，符合產(chǎn)業(yè)界的客觀需求。所以，事理圖譜的概念一經(jīng)提出，就得到了業(yè)界的認可。我們在事理圖譜方面的研究工作發(fā)表在頂級國際會議 WSDM2017 和 IJCAI2018 上面，同時，我們還在開發(fā)出金融領(lǐng)域事理圖譜，該事理圖譜包含了 1,542,516 個事件節(jié)點以及 1,873,140 條因果邊。未來我們一方面還會在事理圖譜的研究方向上深耕細作，同時，也會不斷擴展事理圖譜的應(yīng)用場景，例如在醫(yī)療、司法等領(lǐng)域構(gòu)建事理圖譜。

DTP（Dialog Technology Platform，對話技術(shù)平臺）是搭載了我中心多年積累的自然語言處理（NLP）和人工智能（AI）技術(shù)，專為開發(fā)者打造的中文對話機器人搭建平臺。開發(fā)者可以通過 DTP 輕松賦予自身產(chǎn)品智能對話交互的能力，這大大降低了開發(fā)對話機器人的技術(shù)門檻，并提高了開發(fā)效率。DTP 給開發(fā)者提供了語義理解模塊和對話管理模塊的算法黑箱，開發(fā)者不需要了解構(gòu)建對話系統(tǒng)的復(fù)雜模型，只要上傳一定量的語料和定義系統(tǒng)所需要的各種特定參數(shù)和規(guī)則，就可以創(chuàng)建出一個用來完成特定意圖功能的任務(wù)型對話系統(tǒng)。通過借助 DTP 提供的云服務(wù)，開發(fā)者無需親自掌握 NLP、AI 等技術(shù)，只要基于 DTP 的會話 API 即可在多種終端（網(wǎng)站、移動 APP、智能硬件）中構(gòu)建自己的智能會話機器人界面。DTP 測試版地址是：http://dtp-cloud.cn，歡迎學(xué)界和工業(yè)界的同仁試用。 

二、SCIR 在研究中遵循什么原則？

雷鋒網(wǎng)：您以及您帶領(lǐng)的 SCIR 實驗室多年來取得了許多成就。能否介紹一下，您們是基于什么樣的思路來開展研究的？

劉挺：哈工大是一個典型的工科大學(xué)，哈工大 SCIR 的研究工作既不是純理論的，也不是工程性的，而是應(yīng)用基礎(chǔ)研究，這是我們對自己研究工作的一個基本定位。我們一方面密切關(guān)注機器學(xué)習(xí)、腦認知等更基礎(chǔ)的研究領(lǐng)域的前沿進展，另一方面通過與企業(yè)界的合作深入了解企業(yè)的真實需求，尤其是具有前瞻性的技術(shù)需求，然后綜合這兩方面的因素，確定我們的科研選題。按照這個定位，我們是不去碰與語言無關(guān)的純機器學(xué)習(xí)問題的，同時也避免承擔(dān)企業(yè)馬上就要求解決而且的確通過工程手段有可能解決的問題。

我們在研究中有幾個自己的特點：

1.    化繁為簡

我們比較注重問題描述和解決方案的簡單性。2000 年我們實驗室剛成立不久，就開展了句法分析的研究工作，當(dāng)時國內(nèi)外多數(shù)人都在做短語結(jié)構(gòu)文法，少數(shù)人做依存文法，依存文法直接反映出句子中詞間關(guān)系，不需要一套再另外搞一套非終結(jié)符號，因此從簡單性原則出發(fā)我們選擇了依存文法。多年過后，依存文法成為學(xué)術(shù)界的主流。在語言知識庫方面，我們選擇了《同義詞詞林》體系，并擴展為《大詞林》，詞林與其他一些中文語言知識庫相比，具有簡單性的特點，便于理解、擴展和應(yīng)用推廣。

2.    尊重實際

我們只尊重實際，不迷信外國的東西，尤其是我們搞的是中文處理，尤其需要尊重中文的實際情況。我們認為英文重形合，中文重意合，因此中文分析不要在句法層面一直糾纏，而是可以跳過句法層面直接做語義，為此我們一直在推動中文語義依存技術(shù)的發(fā)展，并深信在語義分析階段，中文的技術(shù)指標(biāo)將趕上英文。

3.    強調(diào)動手

我們實驗室每個研究生畢業(yè)時，都不只是有論文，而且要有演示系統(tǒng)。我們非常鼓勵學(xué)生們自己動手把想法實現(xiàn)出來，既便于激發(fā)自己的探索興趣，又可以發(fā)現(xiàn)真實問題，還能夠方便地對外展示，獲得外界的反饋意見，一舉多得。最典型的是我們研制的語言技術(shù)平臺 LTP，從學(xué)生們自己做的演示系統(tǒng)，發(fā)展為中文處理領(lǐng)域一個重要的開源開放基礎(chǔ)平臺。

4.    拓展式創(chuàng)新

從句法依存分析到語義依存分析，是從句法形式場面深入到語義內(nèi)容層面；從知識圖譜到事理圖譜，是從以名詞概念為核心進入到以抽象事件為核心；從《同義詞詞林（擴展版）》到《大詞林》，是從人工構(gòu)建語言知識庫到自動構(gòu)建語言知識庫。我們遵循技術(shù)發(fā)展內(nèi)在的邏輯脈絡(luò)進行創(chuàng)新，這樣的創(chuàng)新更有根基，更易持續(xù)。

三、如何規(guī)劃實驗室研究方向？

雷鋒網(wǎng)：在 SCIR 未來研究方向的規(guī)劃上，您的見解是什么？

劉挺：我中心研究方向總體規(guī)劃為句子級 NLP、人機對話、篇章級 NLP 以及社會計算四大研究方向。這四大研究方向又可以細分成七個研究小組。分別是

語言分析組，主要研究句法分析、語義分析、任務(wù)型對話、文本順滑。

問答系統(tǒng)組，主要研究深度問答和客服機器人。

對話機器人組，主要研究對話機器人和營銷機器人。

閱讀理解組，主要研究閱讀理解、篇章語義、信息抽取、大詞林。

文本生成組，主要研究作文生成、新聞寫作、公文寫作。

情感分析組，主要研究傾向性分析、觀點分析、情緒分析、情感對話。

社會預(yù)測組，主要研究消費意圖挖掘、事理圖譜和股市預(yù)測。

這幾大研究方向的選擇也對應(yīng)著我中心對 NLP 未來發(fā)展趨勢的布局。從 NLP 的底層基礎(chǔ)研究到上層應(yīng)用，我們都有對應(yīng)的老師及學(xué)生從事相關(guān)科研工作。目前，我實驗室在校師生已近超過百人，而且仍然是一個緊密合作的整體，而不是松散的組合，所以，我們能夠有效地把師生組織到不同的方向上去，并讓做不同方向的研究組可以相互配合。

四、NLP 發(fā)展趨勢及布局

雷鋒網(wǎng)：我們注意到您在去年曾提到「NLP 發(fā)展的十個趨勢」。從今年 NLP 研究的發(fā)展情況來看，這些趨勢是否得到了印證？

劉挺：首先我們來回顧一下，去年我提出的十個 NLP 發(fā)展趨勢分別是：

趨勢 1：語義表示——從符號表示到分布表示；

趨勢 2：學(xué)習(xí)模式——從淺層學(xué)習(xí)到深度學(xué)習(xí)；

趨勢 3：NLP 平臺化——從封閉走向開放；

趨勢 4：語言知識——從人工構(gòu)建到自動構(gòu)建；

趨勢 5：對話機器人——從通用到場景化；

趨勢 6：文本理解與推理——從淺層分析向深度理解邁進；

趨勢 7：文本情感分析——從事實性文本到情感文本；

趨勢 8：社會媒體處理——從傳統(tǒng)媒體到社交媒體；

趨勢 9：文本生成——從規(guī)范文本到自由文本；

趨勢 10：NLP+行業(yè)——與領(lǐng)域深度結(jié)合，為行業(yè)創(chuàng)造價值。

從今年的發(fā)展來看，NLP 的十個發(fā)展趨勢都一一印證，并且還將在一段時間內(nèi)持續(xù)。

雷鋒網(wǎng)：SCIR 在這方面有什么樣的工作和布局呢？

劉挺：我中心在這十個方向上都有所布局。首先 語義的分布式表示 以及 深度學(xué)習(xí)方法 已經(jīng)成為 NLP 領(lǐng)域的主流研究方法。今年我們又推出了 對話技術(shù)平臺（DTP） 來幫助開發(fā)者快速地構(gòu)建自己的智能會話機器人。在大詞林的基礎(chǔ)上，我們提出了事理圖譜的概念并自動化構(gòu)建了金融和出行兩個領(lǐng)域的事理圖譜。我們的對話機器人「笨笨」也在多個不同的場景下得到了應(yīng)用，例如在用戶購物前的導(dǎo)購環(huán)節(jié)，通過對用戶消費意圖的準確判斷，進而推薦更合乎用戶需求的產(chǎn)品。我們與訊飛的聯(lián)合實驗室在機器閱讀理解領(lǐng)域權(quán)威評測大賽 SQuAD 連續(xù)三次奪得第一名。

情感分析一直是我中心的重點研究方向之一，去年我們又獲得了一項國家自然科學(xué)基金重點項目「社交媒體中的文本情感語義計算理論與方法」。文本生成目前我們重點在作文生成以及根據(jù)結(jié)構(gòu)化的數(shù)據(jù)生成描述性的文本。最后，我們在 NLP+司法、NLP+教育兩個領(lǐng)域都在與科大訊飛公司緊密合作，在 NLP+金融方向也積累了多年的經(jīng)驗，已經(jīng)研制出智能投顧演示系統(tǒng)，最近我們啟動了 NLP+醫(yī)療的相關(guān)研究工作。

五、如何看待 NLP 落地？

雷鋒網(wǎng)：有人認為，在技術(shù)產(chǎn)業(yè)化的過程中，CV 之后將是 NLP，您是否認同？為什么？如果是，這個道路是否還很遙遠？  

劉挺：我認同這種觀點。微軟全球執(zhí)行副總裁沈向洋也在公開演講時說：「懂語言者得天下……下一個十年，人工智能的突破在自然語言的理解……人工智能對人類影響最為深刻的就是自然語言方面」。深度網(wǎng)絡(luò)之父 Geoffrey Hinton 說：「深度學(xué)習(xí)的下一個大的進展應(yīng)該是讓神經(jīng)網(wǎng)絡(luò)真正理解文檔的內(nèi)容」。

但是，我們也要清醒的看到，自然語言處理技術(shù)產(chǎn)業(yè)化還有很長的路要走。自然語言處理的技術(shù)難度大，應(yīng)用場景復(fù)雜。計算機視覺的物體識別準確度可以達到 90% 以上，甚至接近百分之百，這對于安防及身份認證等領(lǐng)域來講足以將其落地成實際應(yīng)用的產(chǎn)品。然而要真正理解一篇文本的內(nèi)容非常難，科幻影片中那種通用的人機對話機器人短期內(nèi)還無法研制出來，機器翻譯對于結(jié)構(gòu)或背景復(fù)雜的句子仍然翻譯不準，這也是目前自然語言處理產(chǎn)業(yè)化的最大阻礙。前段時間就有文章討論過為什么自然語言處理領(lǐng)域很難出現(xiàn)「獨角獸」，主要原因可以歸納為兩點：一是自然語言處理技術(shù)沒有達到計算機視覺技術(shù)那么高的準確率，二是沒有找到合適的商業(yè)模式將自然語言處理技術(shù)落地，人們習(xí)慣了免費的自然語言處理技術(shù)，對付付費模式就很難接受，例如付費的機器翻譯軟件就很少會有人用，但是付費的安防系統(tǒng)，我們幾乎每天都在使用。

不過，我們也要看到自然語言處理技術(shù)與很多行業(yè)的結(jié)合可能會是自然語言處理產(chǎn)業(yè)化的一條新途徑。2018 年 4 月 12 日，李克強總理主持召開國務(wù)院常務(wù)會議，確定發(fā)展「互聯(lián)網(wǎng)+醫(yī)療健康」措施，提高醫(yī)療服務(wù)效率，讓患者少跑腿、更便利，是更多群眾能分享優(yōu)質(zhì)醫(yī)療資源。醫(yī)療領(lǐng)域有大量的病歷、醫(yī)學(xué)文獻等文本數(shù)據(jù)，自然語言處理技術(shù)可以在此基礎(chǔ)上構(gòu)建大規(guī)模醫(yī)學(xué)知識圖譜，并用于健康咨詢和初步診斷。

六、人機對話 | GAIR

雷鋒網(wǎng)：您在去年舉辦的 CCF-GAIR 大會上分享了《人機對話技術(shù)的進展》的報告。經(jīng)過一年的發(fā)展，現(xiàn)在人機對話有哪些技術(shù)的突破嗎？

劉挺：人機對話主要分成任務(wù)型對話和聊天。任務(wù)型對話方面：傳統(tǒng)的任務(wù)型對話系統(tǒng)一般包含三個模塊，語言理解、對話管理和語言生成。每個模塊往往獨立實現(xiàn)，并需要針對不同的領(lǐng)域進行設(shè)計和標(biāo)注大量的數(shù)據(jù)，不利于系統(tǒng)的遷移。為解決此問題，最近出現(xiàn)的一些端到端的任務(wù)型對話系統(tǒng)是一個有益的嘗試，端到端的系統(tǒng)一般使用一個 seq2seq 模型，根據(jù)用戶的輸入，直接生成相應(yīng)的回復(fù)，具有結(jié)構(gòu)簡單，便于移植的優(yōu)點。當(dāng)然，由于任務(wù)型對話的特殊性，使用簡單的 seq2seq 模型無法生成時效性、地點相關(guān)等回復(fù)，所以還需要輔以相應(yīng)的知識庫。因此，一些最新的研究集中于如何基于知識庫，進行 seq2seq 的回復(fù)生成。這也是符號計算與神經(jīng)計算相結(jié)合的一個典型案例。

機器人聊天或閑聊的功能，通常的作用是為了增加人機對話系統(tǒng)的用戶粘性，增進人和機器之間的情感溝通，在一定的場景中，聊天機器人可以扮演傾訴對象和情感撫慰者的角色，聊天功能的完善，能夠極大增加機器人的擬人屬性的強度，因而聊天功能盡管「無用」，但卻是人機對話系統(tǒng)的核心功能。

在過去的幾年，聊天技術(shù)取得了較大的進展，從檢索式到生成式再到兩者的結(jié)合，從單輪到多輪的建模發(fā)展，從內(nèi)容高度依賴模型主導(dǎo)的生成到內(nèi)容可控的生成，從自由文本的學(xué)習(xí)到從結(jié)構(gòu)化文本的學(xué)習(xí)，從深度學(xué)習(xí)到強化學(xué)習(xí)的對話建模，這些技術(shù)都在不斷的發(fā)展。

2017 到 2018 這兩年聊天技術(shù)的發(fā)展，還是有一些代表性的工作值得我們關(guān)注的，比如在聊天建模中考慮人的主觀情緒，立場等反饋信號；以特定領(lǐng)域和話題為背景的受限主題的聊天；面向情感撫慰的包含特定情感的聊天等等。

我們一直認為評測是推動技術(shù)進步的重要途徑，我們也一直堅持中文技術(shù)評測應(yīng)該由中國人來推動，我們與科大訊飛、華為公司聯(lián)手在 2017 年的全國社會媒體處理大會（SMP）上組織了首屆中文人機對話技術(shù)評測，吸引了來自高校，大型互聯(lián)網(wǎng)企業(yè)和創(chuàng)業(yè)公司的眾多隊伍報名參賽，評測非常成功，有力地促進了中文人機對話技術(shù)的交流，今年我們也將繼續(xù)組織第二屆SMP中文人機對話評測，同時，國際上對于人機對話的評測也開展的如火如荼，如 2017 年 NIPS 上的人機對話評測，亞馬遜的 Alexa Prize 以及舉辦了很多屆 DSTC 等，相信在技術(shù)評測的推動下，人機對話技術(shù)會持續(xù)的進步。

雷鋒網(wǎng)：今年您也將作為 CCF-GAIR 2018 的 NLP 專場主席，在設(shè)計論壇議程上有哪些考量的要點？

劉挺：在設(shè)計論壇議程上，首先我們要選擇 NLP 最近的熱點研究方向及話題來和大家分享，例如知識圖譜、人機對話、情感分析等研究方向以及 NLP 如何產(chǎn)業(yè)化等熱點話題。其次，由于 CCF-GAIR 是一次大同行的聚會，因此，我們不會在論壇中涉及到過多的 NLP 技術(shù)細節(jié)，這與頂級國際會議學(xué)術(shù)報告不同，本次論壇主要還是對 NLP 的發(fā)展歷史做一個梳理同時探討 NLP 的未來發(fā)展方向。最后，我們期望能夠在論壇上探討一些 NLP 與其他學(xué)科交叉的問題，例如，NLP 與醫(yī)學(xué)、金融等領(lǐng)域的學(xué)科交叉是很有意義的研究方向。

七、如何開展 NLP 研究？

雷鋒網(wǎng)：作為最后，在 NLP 的研究方向上，您能否為該領(lǐng)域的師生提一些建議呢？

劉挺：近年來 NLP 成為人工智能領(lǐng)域的一大熱點，很多畢業(yè)生的工資也都隨著水漲船高，但是我們也應(yīng)該冷靜的看到 NLP 技術(shù)還有很多瓶頸有待突破。我主要就如何選題談幾點我的見解。  

1、 要有實際需求

一個課題必須有實際需求，可能是現(xiàn)實的需求，也可能是潛在的需求；可能是直接的需求，也可能是間接的需求，總之是的的確確被人們所需要的。舉個反例，比如自動文摘，自動文摘是我的博士論文課題，但是實際應(yīng)用需求始終不清楚，自動文摘的結(jié)果用于編輯出版，質(zhì)量肯定無法保證，用于幫助人們快速瀏覽資料吧，搜索引擎提供的包含查詢詞的網(wǎng)頁中的片段（Snippet）就起到了這個作用。因此，時至今日，站在作者角度給出的能夠概括全文主旨的自動文摘技術(shù)到底用到哪里，仍然不清楚。

2、 有較大的未知空間

有些技術(shù)已經(jīng)成熟，相關(guān)產(chǎn)品在市場上已經(jīng)大面積應(yīng)用了，在研究上就不宜再展開。

3、 與自己以往的工作有關(guān)聯(lián)

如果你覺得自己的研究領(lǐng)域太窄，或者競爭對手太多，或者自己缺乏興趣，則可以適當(dāng)擴展研究方向，但最好是相關(guān)性地擴展，比如從自然語言處理（NLP）擴展到社會媒體計算，這種擴展是從底層技術(shù)到應(yīng)用系統(tǒng)的擴展，很自然。如果跳躍性太大，和文本處理完全脫節(jié)，這種做法一方面無法發(fā)揮既有的技術(shù)積累，另一方面也讓同行感覺你不夠?qū)Ｗ?，不容易得到認可。

4、 有可能得到國家的支持

對于資深學(xué)者，他選定一個課題后，可以寫出立項建議，去說服政府或軍方支持他的工作，從而填補國家空白，成為國內(nèi)這個方向的先驅(qū)。對于剛出道的年輕人，無力直接影響政府，那只有自己預(yù)先判定一個幾年后可能成為熱點的方向，先走一步，做出一些成績來，等到大氣候適宜的時候，由于他已經(jīng)取得了一定的成果，也有可能被認可為這個領(lǐng)域的先行者，得到國家的支持。

相關(guān)文章：

哈工大人工智能研究院成立，四層次七方向引領(lǐng)AI發(fā)展

IJCAI-ECAI 2018公布結(jié)果，哈工大SCIR 六篇長文被錄用

哈工大 AAAI 2018 錄用論文解讀：基于轉(zhuǎn)移的語義依存圖分析 | 分享總結(jié)

劉挺教授擔(dān)任首席科學(xué)家，哈工大SCIR十八年技術(shù)轉(zhuǎn)入，這是又一只獨角獸嗎？

訊飛與哈工大聯(lián)合實驗室刷新SQuAD成績，兩項指標(biāo)均大幅提升

AAAI 2018預(yù)講會在哈工大成功舉辦，25篇頂會文章講了什么（下）

AAAI 2018預(yù)講會在哈工大成功舉辦，25篇頂會文章講了什么（上）

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