会开发基础的人工智能技术，从语音识别到计算机视觉，从神经语言程序学到数据仓库，再到用户理解。我们会利用这些技术支持百度的很多内部业务，还会孕育新的方向。例如，在百度内部，我们所有的重要业务领域都已经被人工智能改变。从网络搜索和广告投放到机器翻译和餐厅推荐，所以人工智能已经在百度随处可见。
人工智能已经非常擅长自动处理人类所能从事的事情。例如人类非常擅长识别语音，而人工智能语音识别也在从事相同的任务。人类非常擅长识别人脸，人工智能也在这一领域取得了快速进步。
结果就是，我们的工具更擅长自动处理人类所能完成的工作，而不是解决人类都无法胜任的任务。原因有很多，但其中之一在于，当我们选择一项人类能够完成的任务，然后让人工智能介入其中之后，就会努力研究为什么人类完成任务的速度更快。所以，如果你看看人工智能的各种垂直领域，肯定会发现一些连人类都不太擅长的任务。
我认为现在为我推荐的书甚至比我妻子推荐得还好。要知道，我妻子对我非常了解。之所以出现这种情况，是因为亚马逊汇总了海量数据，了解我浏览过哪些书，在网站上看过哪些书。从这个角度看，它远比我的妻子更了解我在看什么内容。
从研究角度来看，迁移学习和多任务学习是我需要探索的领域之一。当今机器学习技术的多数经济价值都是应用学习，学习许多标签化的数据，以此完成你希望解决的具体任务。例如，利用庞大的标签化人脸数据库学习识别人脸。对于很多任务而言，我们在特定的垂直领域根本没有足够的数据来构建自己的系统。
所以今后的一大领域是迁移学习，你可以让一套机器学习系统从事不同的任务。比如让它学会识别常见物体。学会了识别常见物体后，可以利用其中的多少知识来从事面部识别这项具体任务？
有一些技术目前已经广泛应用于迁移学习，但我认为相关的理论和最佳实践仍然处于早期阶段。我们之所以看好迁移学习，是因为现代深度学习技术已经可以为具备海量数据的问题提供不可思议的价值。这可以为很多应用模式的发展提供巨大动力。