文 / LVS
话说几个月前，我参加了一场学术大会，台上的教授不是北大、清华就是浙大、上交大，几位教授不约而同的吐槽招通信、算法和编解码的学生太难了。为什么呢？原来，先不比金融，仅仅与同是IT领域的AI专业就不能比，研究AI半年，发发paper，换来多个offer，轻松踏上人生巅峰。而这边，半年时间标准、协议还没搞清楚呢，更别说写paper了。在经济杠杆的作用下，越来越少的学生选择通信、编解码领域就显得很正常了。
何况，真正的高质量的paper并不多，有时为了研究而研究，严重脱离工业界。快手多媒体技术负责人于冰在采访时表示：学校的问题在于研究的方向脱离企业实际需要，更为关键是企业才有海量的真实数据，从网络日志、用户画像、图像与视频，真正挖掘这些数据的价值，这是实实在在的改善用户体验。
比如，对用户带宽的预算一直是业界的难点，深度学习是不是可以带来更好的效果呢？对海量用户视频、图片分析理解，可以更加理解用户的喜好，从而更精准做内容分类并推荐。同时，还可以自动匹配适合的视频编码器，从而实现更高效的压缩。
又比如，语音合成和语音识别领域机器学习也大有可为。通过机器学习后合成的声音，可以达到99%的逼真度，普通人无法分辨是机器合成还是真人的声音。
总而言之，发paper研究paper无可厚非，但能解决普通大众的问题岂不更好。顺便推荐8月23-24日的LiveVideoStackCon2019北京音视频技术大会，其中有不少是与AI相关的话题。6月23日前购票享八折优惠再减150元。
程星亮 清华-得意音通声纹处理联合实验室 博士生《深度学习驱动声纹识别》
李先刚 滴滴出行 首席算法工程师 《语音识别在滴滴的实践》
王莫为 清华大学 计算机系网络技术研究所博士生《AI在自适应码率（ABR）算法中的应用》
王亚楠 爱奇艺 资深工程师 《强化学习下的自适应码流服务》
刘东 中国科学技术大学 副教授 《基于深度学习的图像视频压缩技术探索》
点击阅读原文了解更多议题。