cv更容易出成果，nlp環境依賴多。cv可以標準化，不同國家地區的人識物結果是一樣的，看影片的感受是趨同的，唯一受影響的就是風俗文化和認知水平。nlp就完全不一樣了，不同語言表達方式千差萬別，你用在中文的模型不能套在英文上，另外文字是需要人腦邏輯思維加工才能會意，而影片影象不需要，人和動物區別就在於語言文字，這也是nlp難以出成果的原因之一。

另外在國內有個非常不好的現象，把擦點邊甚至不挨著的東西虛假宣傳成什麼牛逼的高科技，最典型的例子就是機器人騷擾電話，竟然也說成是nlp的智慧化應用，及其簡單的人機對話用個語言模版就搞定的事非要吹成人工智慧技術，還夢想著上市撈錢，這種風氣能搞好ai嗎？

雖然在中國，獲取樣本的成本低、量又多，比美國不知道好多少倍，但潛心研究的人真的不多，可惜了這麼好的資源。

這是不少同學比較關心的問題，我來說說我的看法。

首先，當前很多同學在讀研期間會選擇主攻人工智慧方向，一些非計算機專業的同學也會考慮與人工智慧技術相結合來做創新，而計算機視覺和自然語言處理這兩個方向的熱度是相對比較高的，也是成果頻出的兩個大領域。

從科研的角度來說，要想更快做出成果，有三個重要的因素，其一是自身的知識基礎和興趣方向，其二是當前所處的科研場景，其三是目標領域的創新空間。

按照歷史經驗來看，讀研期間所處的科研場景對於能否更快做出成果輸出有比較直接的影響，所以建議大家在讀研期間一定要結合自己的課題方向來選擇創新點，這樣可以充分利用課題組的科研資源，也會得到導師更多的指導。

cv和nlp這兩個方向的創新空間都是比較大的，而且都可以跟很多行業場景相結合來完成創新，這也是當前很多同學的選擇，尤其是專碩同學。

以我的課題組為例，目前cv和nlp這兩個組雖然建立的時間並不長，但是也是兩個比較高產的組，從整體的成果輸出數量來說，cv組的輸出相對更多一些，有不少同學也做出了比較強的創新成果，這與近幾年cv方向人才需求量相對比較大也有一定的關係。

讀研選擇主攻方向不能僅僅看是否更容易做出成果，更應該結合自己的發展規劃來選擇主攻方向，如果選擇的方向與未來的發展規劃並不契合，這本身就在走彎路。

考慮到實踐場景對於學生創新的重要性，我聯合一些頭部985大學的導師和網際網路大廠的企業導師，共同搭建了一個線上的實踐場景，藉助我們的科研資源和產業資源在持續開展一些科研實踐活動和專案實踐活動，感興趣的同學可以聯絡我申請參與，相信一定會有所收穫。