这是一个好问题,我从科研和个人发展两个角度来说说我的看法。
首先,目前做强化学习方向的老师和同学还是比较多的,近几年强化学习领域也出了不少成果,但是强化学习(RL)与图神经网络(GNN)存在同样的问题,那就是虽然在学术领域有很多成果,但是在产业领域的落地应用却举步维艰。
以我组里的同学为例,硕士研究生期间做强化学习的同学,基本上都选择继续读博了,一方面这部分同学对科研比较感兴趣,另一方面强化学习领域的岗位目前确实比较少,而且要想竞争这些岗位,硕士研究生也存在竞争力不足的问题。
从这个角度来看,如果未来有进一步读博的计划,选择强化学习也是可以的,但是相比于计算机视觉来说,强化学习的入门难度要高一些,这一点要做好心理准备。
目前强化学习领域的研究着力点比较多,比如离线强化学习领域就有很多事情可以做,而且这个方向与智能体的落地应用有比较直接的关系,今年有一些离线强化学习方面的成果也是值得关注的。
视觉领域是目前人工智能领域相对比较成熟的方向之一,不仅有大量的研究成果,落地应用也很多,相信在工业互联网的推动下,未来视觉在产业领域的创新空间还是非常大的。
我目前也设立了计算机视觉组,主要在医疗领域做一些创新尝试。
从科研创新的角度来看,当前视觉领域的创新难度确实比较大,而且有的领域对于在大学实验室创新的老师和同学来说,也并不算太友好,比如半监督学习在视觉领域的应用,这基本上是大厂研究院的天下。
从个人发展规划的角度出发,如果未来有进一步读博的***,并且以后想到教育、科研领域发展,可以选择强化学习方向,因为作为机器学习的重要范式之一,未来强化学习本身的泛化空间还是比较大的。
如果未来想到产业领域发展,选择计算机视觉方向目前看来更稳妥一些,毕竟对于产业领域来说,能落下来的人工智能创新才更有意义。
[免责声明]本文来源于网络,不代表本站立场,如转载内容涉及版权等问题,请联系邮箱:83115484@qq.com,我们会予以删除相关文章,保证您的权利。转载请注明出处:http://www.christianjonbillett.com/post/50185.html