以下是精彩视频内容整理：
层次
在人工智能上我们进步空间到底有多大？在内容广度上，会有DNN、CNN卷积网络、RNN循环神经网络、GAN和RL等；在深度上可以分为两大阶段，一是认知上的了解-理解，一是行动上的应用、改造和创造。越向上的人会越少，比如应用层的从业者就会少一些。
认知层即了解概念、理解原理，应用即将所学及时的付诸于实践，改造即针对问题用自己的理解进行更好的改变，改造变多了累积起来就是一种创造。除此之外，前沿的时间维度也是必要的，深度学习技术在不断地进展，如果没有时间维度而以静止观点去看，很快就会落后，所以必须形成立体空间三维架构。
立志
从我个人来说，大学时期经常会写程序赚点外快，后来觉得许多程序是雷同的，我不禁问我自己，为什么要做这种相似的事情呢？我的成绩也不好，看东西也比别人慢，能否实现自动化呢？我平时也会写许多工具，那么，工具是否也是在浪费时间呢？有没有更快的办法呢？
所以，我联想到自动编程，与之最相近的领域就是自然语言处理，因此我开启了我的硕士求学路。
接触自然语言处理后，我发现人工智能需要做词典、做规则，这不是我追求的东西。于是，我又攻读博士，博士期间我想清楚了智能从何而来，智能是在交流当中产生的，随着技术的进步，技术要提高人的效率，技术要作为人的中介，它使用的层次、概率、比例、宏观和微观，机器占比越高，获得的数据越多，更易于我们优化。真正的智能不在于学界而在于业界，在于服务。
除了自我外，我们还需要有一定的远见。预测未来是很难的事情，但我们仍然要这样做，只有一开始向更高层去看，才能有更大的空间。
人工智能
十年十倍，然后只是一个时代的开始。现在是人工智能的爆发期，那么，人工智能未来是什么样子呢？
我们不妨大胆畅想包括以下几个方面：
1.自动化变成自主化运行，机器可以自主决策一些事情。微博已经取得了一些进展，首先我们有一些脚本报警自动化的过程，其次我们在业务当中有一些自动投稿模型，几乎全部机器自主化投稿。
2.云计算+移动化变成云智能+端智能。阿里云就是典型的云端智能的体现，端上有很大的机会，终端介入世界，比如自动驾驶、眼镜和机器设备，还有机器人组成阵列军队或其它形体，端不是简单的单点端，是一个立体结构，可以是系统、生态甚至世界。
3.感知变成认知：
a)机器学习是从数据里面获得一些知识作预测和判断，一些规则体系也会在其中。微博客户端排序使用机器学习，但产品还是会有一些规则体系，如果不了解系统在各个环境下不同的大小不同的规则，说明机器学习做的不够细化。如果只从数据中学得知识是行不通的，规则体系和机器学习的融合才是完整的。
b)多模数据的融合。比如多媒体音频视频，数据库中行为、文本、图像的各种方面可以融合到一块，从感知提升到认知，随着端智能的提高，许多东西汇总到一起进行场景重建，认知就是汇聚感知，辅助决策。
4.迅速模糊的虚拟和现实边界。现在的技术正在模糊虚拟和现实的边界，比如 AR+VR+Simulation for Training or Design，我们仿造世界的样子，在其中训练智能，再将智能用在实际生活当中，还有3D打印+工业制造4.0+等逐步加快了虚拟到现实的速度。
5.普惠和垄断相伴而行。数据本身就有垄断的可能，越垄断服务质量越好，大智能即计算+算法+数据+人才+业务一体相伴而行。
知行合一
在战斗中学习，在学习中战斗。认识到某些东西就要拿来做事情，不能指导行动的认知没有意义，不能拓展认知的行动也是徒劳。
知行合一是要加快认知到行动的闭环速度，强调快速反馈，小步快跑，喷泉模型。在做机器学习时候，模型从简单到复杂，快速迭代；为了更快得到结果，数据量从少到多，比如调试一个核心的小代码。知行合一也需要狂热的计算能力需求。
我们的口号是：探索前沿，落地业务。我们需要牢牢的把握前沿，同时也要做好业务的延续。
推荐阅读：
关涛：接手一个6年的平台型系统，我是如何带领团队破局前行的