人工智慧中的计算机视觉、NLP自然语言处理和个性化推荐系统哪个前景更好一些？

谢邀！

先说结论，个人觉得短期内推荐系统更有前景，另外CV这个领域不太了解，所以我根据我的经历给一些意见吧。

本科后期到硕士，科研上基本围著NLP转，感觉这是一个科研领域的概念，在现实应用，他很少独立存在(也可能是我看到的少额，只知道类似法律大数据之类的有，但是规模不是特别大)，一般是会在一个大系统里面的一个辅助功能更多，而且真的还挺多，下面说的搜索是一个，另外分析用户的评论来做用户画像，标题关键字设计，提取文档标题信息来辅助推荐系统推荐，这块倒是很多需求。最近我阅读了一篇文章，就是讨论nlp在搜索系统的应用，搜索其实也是目前比较常见的应用，无论是百度这种比较常见的全面搜索，还是类似网易云音乐的音乐搜索这种垂直搜索，都有很大应用空间，我现在就是做搜索的，下面这个是我写的读书笔记~

机智的叉烧：NLP.TM[16] | SIGIR2019: 深度NLP在搜索系统中的应用?

zhuanlan.zhihu.com图标

后来发现了推荐系统，其实感觉在现在互联网当道的环境下，有很多应用场景其实都会用到，而且有了推荐系统这个东西，对于平台而言多了很多商机，例如广告等，有钱的地方就会有机会，所以，前景当然会更多，这时候，推荐系统肯定就可能是一整个系统的核心了，例如今日头条，他们的推荐系统就非常厉害。详细可以看看我这篇文章：

技术向：推荐学习推荐系统（深度思考，不是广告）?

mp.weixin.qq.com图标

也是因为如此，我选择了开始学推荐系统，从去年年末到现在，也学了不少哈哈哈，感觉挺不错的。现在我基本算总有NLP和推荐系统的双生武魂了哈哈哈哈！

CV简单说一下吧，很多人应该都能感受到CV人很多，相比NLP多不少，坑却相比NLP不会多很多，所以导致竞争很激烈，但是随著现在网路发展，视频之类的受限会减少，不排除未来还有更多需求的可能。

另外说一个有意思的事情，去年校招，我和OPPO谈的时候，问我CV，NLP，推荐系统选哪个，我当时的回复是，CV不太熟，NLP我现在就在干，推荐系统我现在正在学，在美团也能小小的接触到，所以NLP和推荐系统我觉得都可以，别CV就行，结果把我分到了搜索哈哈哈哈，搜索后来了解到，是一个NLP和推荐都会用到的方向，NLP重在对用户检索内容，即query进行处理，推荐主要用的是排序方面的知识，要把系统搜索到的内容根据模型规则进行排序，所以两个会结合，这个对我来说绝对是一个意外收获~

先说到这，想到了我再来补充。

~~~~分割线~~~~

最后做个广告呀，欢迎关注我的知乎，另外还有我的微信公众号：CS的陋室，这里面有我写的关于推荐系统，NLP，机器学习方面的笔记，另外不定期更新一些自己的经验和心得，里面应该也会有大家需要的一些信息，感谢大家的支持啦！！！

谢邀，大致从对AI目前发展情况来说说我对这个问题的一些理解：

1、人工智慧大致可分为感知智能与认知智能，其中感知智能主要包括语音识别和计算机视觉两块，认知智能主要包括语义识别和理解；

2、目前图像识别和语音识别在技术上都有较大的突破，尤其是2016年以来，这两项识别的准确率可以超过人类，很多公司借此爆发出来；3、在计算机视觉方面，像商汤、旷视、依图、云从等都获得了大笔投资，在应用上也已经挖掘了很多落地的场景，如安防、金融、新零售等。所以要在计算机视觉方面再进一步突破，难度可能更大一些，更多的是需要考虑如何挖掘垂直应用场景，把这些技术更好的落地；4、在语音识别方面也是差不多，像科大讯飞，思必驰等也大有潜力，但是就人机对话交互的流程来说，语音识别很难单独发展，语音识别后的语义识别限制了其应用落地和发展；5、语义识别的主要技术是NLP，在技术上的突破不如图像和语音，但是2017年也是得到了较大的发展，有些深度学习学者在图像处理获得突破后都考虑深度学习在NLP中的应用，同时，像知识图谱等语义网路技术也逐渐被工业界应用，微软小冰、苹果语音助手等也更加智能。但是NLP存在的问题很多，比如要考虑语言背景知识，考虑语言情感，考虑语言的个性化等，所以要真正实现这一块大规模的应用还有很长一段路要走；

6、最后，就是多模态的研究，语音，图像，语言等模态混合研究是趋势；

7、在推荐系统方面，这是离商业化最近的，也存在一些应用的诟病，比如「大数据宰熟」、「暴力事件的推送」、「重复推荐」等，这都反应目前的推荐存在较大的改进空间，这些问题是否是完全由推荐演算法性能能改进的？我觉得也不见得是。在推荐技术方面，最近研究比较火的也是深度学习的应用，比如宽深度模型，deep+ffm等。所以，我觉得推荐系统研究不仅是要考虑这些新演算法推荐的精准度，实时性，在线化等问题，更要从产品和用户的角度考虑如何使其机制更完善，流程更自然。

泻药

短期推荐（2年），中期CV（5年），远期NLP（10年）。

因为推荐最成熟商业化落地最好，但逐渐进入红海。

CV其次，NLP最不成熟。

需求都很大，越成熟的行业竞争越激烈，而且基本发展到一定程度都在拼语义认知，也就是NLP在解决的核心问题，即怎么让机器跟人类沟通。

所以某种角度来说，NLP相对站在更高的位置。

两者相铺相成，共同发展才会使得人工智慧有大的进步，诚然现在计算机视觉发展比NLP好点，但是两者的发展远远不够，大家不应跟著大牛大公司跑，很多应用场景处于发展的处级阶段。

得人觉得把cv和nlp结合起来有很大的发展空间。因为目前的NLP都是基于语法的浅层语义理解，好一点的加上上下文和一些不完善的知识图谱。用这样的系统来理解人类复杂的思想、情感和意图，结果是显而易见的。如果加上CV的信息并加以融合就可以大大增强NLP在意图、情感方面的理解能力。这个应该是一个不错的方向，有能力可以尝试一下。如果对自然语言理解感兴趣的话，可以关注一下我在知乎个人主页《智能机器人》一书的连载，我们准备以关注者为基础建一个微信群来讨论一下人工智慧的「牛顿」理论和应用，谢谢。

推荐。nlp在我有生之年很难被「业务人员」所接受，特别是不经他们人工审核的。。。给推荐做标签或者表征向量，为啥不直接去干推荐算了。

毫无疑问计算机视觉方向更好，

中国企业：商汤科技C轮融资6亿美元，阿里巴巴淡马锡苏宁等参与投资_财经_腾讯网?

finance.qq.com

计算机视觉方向的大公司多了去了，投资过亿的也不再少数，nlp领域还没怎么留意到有哪个比较大的公司，相对来说cv领域落地的商业项目和应用场景要远远多于nlp领域

仅从就业难度来说cv是最最激烈的

推荐阅读：
相关文章