- 1.Transformer会完全替代CNN吗？
- 2.深度学习的优势和局限？
- 3.对AI安全相关技术的发展前景的看法？
- 4.对GAN算法技术的发展前景的看法？
- 5.对CV算法技术的发展前景的看法？
- 6.AIGC时代的ToC产品开发流程是什么样的？
- 7.AIGC时代有哪些可以落地的技术方向？
- 8.谈谈对AIGC时代ToB、ToG、ToC方向落地的理解？
- 9.如何看待AIGC时代和传统深度学习时代的异同？
- 10.在AIGC时代，什么样的AI产品或者AI解决方案能够持续获得用户和客户青睐？
- 11.就像从传统深度学习时代进入AIGC时代那样，AI行业未来还有哪些潜在爆发时代节点？
- 12.AI行业现阶段以及未来能够落地商用的领域有哪些？
- 13.AIGC、传统深度学习、自动驾驶这三个方向在落地模式上有哪些异同？
- 14.AIGC、传统深度学习、自动驾驶这三个方向上有哪些可以超越周期沉淀下来的AI技术？
- 15.AIGC、传统深度学习、自动驾驶这三个方向上有哪些可以超越周期沉淀下来的业务逻辑？
- 16.我们如何降低下一个Transformer式技术价值的错判率？
- 17.未来会有新的技术替代Transformer吗？哪种技术的概率最大？
- 18.如何判断AI业务与AI算法解决方案在未来的价值？
- 19.AI产品和AI算法解决方案落地需要把握哪些核心关键？
- 20.如何减少对下一个AIGC式的时代周期的错判率？
- 21.如何减少对下一个OpenAI式公司的错判率？
- 22.如何及时把握AI行业（AIGC、传统深度学习、自动驾驶）的发展动态？
- 23.如何评判一个AI公司的未来发展趋势？
- 24.如何客观分析一个AI公司当前、中期以及未来的发展趋势？
- 25.在AIGC时代这个AI技术大爆发的时期，如何辨别哪些是跨周期技术，哪些是“苦涩的教训”技术？
- 26.在AIGC时代，如何随着时代发展持续沉淀AIGC核心价值？
Transformer是近年比较火热的算法模型，我也相信其会逐步推广产生更多价值。我觉得这个问题依然可以从我经常提到的业务侧，竞赛侧，研究侧三个维度去考虑，会有一个比较踏实的思考。
深度学习发展至今，工业界，学术界，投资界都对其优势和局限有所判断了。作为面试者，也需要对深度学习的趋势有所把握，不仅仅能在面试中进行交流，也能作为职业发展规划的一个先验知识。
这是一个非常值得去思考的问题，在AI算法大范围落地之后，随之而来的就是安全风险，我相信AI安全将会是一个很大的课题。
GAN的思想无疑让人眼前一亮，在目标检测，图像分割，图像分类等领域都有其辅助的身影，并在数据增强领域站在了舞台中央。
我觉得这个问题可以从我经常提到的业务侧，竞赛侧，研究侧三个维度去思考和表达。在不同维度下，CV算法技术的发展前景会更加真实的体现，我们也能更从容地去表述我们的观点。
这是一个很好的问题，AIGC时代的ToC产品和移动互联网时代的ToC产品有很多相似的地方，我们可以借鉴一下：
- 需求分析和规划：明确应用功能，目标受众，进行市场调研；确定技术栈和开发方法。
- 设计阶段：用户界面和用户体验设计；系统架构设计。
- 开发阶段：AIGC算法的开发和集成；前端和后端的开发。
- 测试阶段：功能测试、性能测试、压力测试、用户接受度测试等。
- 部署和上线：应用程序的部署；线上用户的测试使用。
- 维护和迭代：根据用户反馈进行优化迭代；定期版本更新与维护。
Rocky认为，目前来看有六个方向可以说是在AIGC时代有非常强的势能与落地前景：
- AI绘画
- AI视频
- 大模型
- AI多模态
- 数字人
- AI音频
这是一个很有价值的问题。AIGC时代存在ToB、ToG、ToC方向落地的全部可能性。
关于ToB和ToG方向的落地，可以参考传统深度学习时代的产品逻辑，核心关键是渠道和信任。
关于ToC方向的落地，可以借鉴移动互联网时代的产品逻辑，核心关键是用户体验与产品速度。
这是一个非常值得思考的问题。可以说AIGC时代是传统深度学习时代的继承与发展。
传统深度学习时代，AI产品只能在ToB和ToG两个方向上落地。
在AIGC时代，AI产品可以在ToB、ToG、ToC三个完整方向上持续落地。
这个问题是一个AI行业本质问题，在传统深度学习时代，主要在ToB和ToG方向去思考。
进入AIGC时代后，思考的广度和深度进一步加大，我们需要在ToB和ToG的基础上，再加上ToC方向进行思考，如何将移动互联网时代的逻辑与AIGC时代的AI产品和AI解决方案相结合，非常关键。
这个问题非常有价值，AI行业从传统深度学习时代开始，就一直在螺旋式持续发展，目前AI行业已经进入AIGC时代，但是传统深度学习时代的发展成为了AIGC时代的坚实基石，所以我们需要再去预判未来的潜在爆发时代，才能在AIGC时代更加从容，也更能把握下一个时代的发展。
目前未来的潜在爆发时代节点有：
- 元宇宙时代
- AGI时代（Artificial General Intelligence）
- 更多可能性持续观察中
根据目前AI行业的发展趋势来看，Rocky认为现阶段近10-20年左右的时间，AI行业能够落地商用的领域包括：
- AIGC大方向
- 传统深度学习大方向
- 自动驾驶大方向
在未来，AI行业很有可能迸发出更加繁荣的活力，在以下的大方向中会有新的红利与机遇：
- 元宇宙
- AGI
Rocky认为这是一个非常值得我们持续思考的问题，我们需要从AI行业的商业模式角度切入，来倒推我们的技术逻辑，才能有更多成长。
Rocky认为这是一个非常值得我们持续思考的问题，我们需要从AI技术的宏观角度切入，具备AI技术的大局观，才能有更多成长。
Rocky认为这是一个非常值得我们持续思考的问题，我们需要从AI业务的宏观角度切入，具备AI业务的大局观，才能有更多成长。
Rocky认为这是一个非常值得我们持续思考的问题，AI行业的技术迭代是永无止尽的，终身学习贯穿AI行业从业者的整个职业生涯，所以需要领悟沉淀一套挖掘预判下一个Transformer式技术的能力与方法论。
Rocky认为这是一个非常有价值的问题，就像从CNN走向Transformer一样，我们需要有一定的前置预判能力。
Rocky认为这是一个非常有价值的问题，我们不管是在AI业务和AI算法解决方案的启动前、进行中还是完成后，都需要对其未来的发展进行判断与评估，才能获取本质洞察。
Rocky认为这是一个非常有价值的问题，只有从每个AI产品和AI算法解决方案的落地过程中持续思考沉淀，才能获取对AI行业的本质洞察。
Rocky认为这是一个贯穿AI行业的本质问题，是每个AI行业从业者在整个职业生涯中都要持续思考的问题。
Rocky认为这是一个非常有价值的本质问题，是每个AI行业从业者和投资者在整个职业生涯中都要持续思考的问题。
Rocky认为这是一个非常有价值的AI发展问题，每个AI行业从业者都需要及时跟进AI行业的最新动向，才能有宏观布局的可能性。
Rocky认为这是一个非常有价值的AI行业本质问题，是每个AI行业从业者和投资者在整个职业生涯中都要持续思考的问题。
Rocky认为这是每个AI算法工程师都要去持续思考的问题，只有从宏观入手，我们才能跳出AI技术的更新迭代循环，从而判断AI公司的长期价值。
Rocky认为这是AI算法工程师对AI技术的最本质认知问题，在眼花缭乱的AI技术大爆发时代，挖掘出跨周期的AI技术，而不是将自己宝贵的时间都沉没在“苦涩的教训”技术中。
Rocky认为这是所有AI行业从业者都要终身思考的问题，只有找到适合自己的跟随时代发展持续沉淀AIGC核心价值，才能有厚积薄发的可能性。