這是一個好問題，我從科研和個人發展兩個角度來說說我的看法。

首先，目前做強化學習方向的老師和同學還是比較多的，近幾年強化學習領域也出了不少成果，但是強化學習（RL）與圖神經網路（GNN）存在同樣的問題，那就是雖然在學術領域有很多成果，但是在產業領域的落地應用卻舉步維艱。

以我組裡的同學為例，碩士研究生期間做強化學習的同學，基本上都選擇繼續讀博了，一方面這部分同學對科研比較感興趣，另一方面強化學習領域的崗位目前確實比較少，而且要想競爭這些崗位，碩士研究生也存在競爭力不足的問題。

從這個角度來看，如果未來有進一步讀博的計劃，選擇強化學習也是可以的，但是相比於計算機視覺來說，強化學習的入門難度要高一些，這一點要做好心理準備。

目前強化學習領域的研究著力點比較多，比如離線強化學習領域就有很多事情可以做，而且這個方向與智慧體的落地應用有比較直接的關係，今年有一些離線強化學習方面的成果也是值得關注的。

視覺領域是目前人工智慧領域相對比較成熟的方向之一，不僅有大量的研究成果，落地應用也很多，相信在工業網際網路的推動下，未來視覺在產業領域的創新空間還是非常大的。

我目前也設立了計算機視覺組，主要在醫療領域做一些創新嘗試。

從科研創新的角度來看，當前視覺領域的創新難度確實比較大，而且有的領域對於在大學實驗室創新的老師和同學來說，也並不算太友好，比如半監督學習在視覺領域的應用，這基本上是大廠研究院的天下。

從個人發展規劃的角度出發，如果未來有進一步讀博的計劃，並且以後想到教育、科研領域發展，可以選擇強化學習方向，因為作為機器學習的重要正規化之一，未來強化學習本身的泛化空間還是比較大的。

如果未來想到產業領域發展，選擇計算機視覺方向目前看來更穩妥一些，畢竟對於產業領域來說，能落下來的人工智慧創新才更有意義。

我目前聯合一些大陸外知名大學的導師和網際網路大廠的企業導師，共同搭建了一個技術論壇，其中有不少老師和同學就在強化學習、計算機視覺、聯邦學習等領域做創新，感興趣的同學可以聯絡我申請參與，相信一定會有所收穫。