先说人工智能的科学理论和技术技术层次：
（1）最底层基石学科：数学、哲学这些
（2）往上是包括基础学科：如神经科学、控制论、计算科学这些
（3）最后一层是交叉应用学科：人工智能这个学科，其实是神经科学、概率论、控制论、计算科学等等的融合，是融合应用的学科理论体系。
学科往上我们把人工智能学科中的一些领域当作应用技术展开，这里面包括如：
（1）最基础的机器学习
（2）应用方面如多模态计算融合：计算机视觉、语音识别、自然语言处理、知识理解、渲染
（3）再往上就是解决具体问题的如人脸识别、行人重识别、车辆识别、语音转写、文本转语音、图像内容生成等等一个个具体技术问题。
（4）再往上就是更精细化的逆光场景下戴口罩人脸识别问题，算力有限的情况下如何实现又快又准的问题。
我们再来看新技术。这里要定义一下什么是新技术：我想讲的是最近5～10年诞生的新方法，无论是科学层面还是技术层面。但是看着我只能讲技术层面了。适当不要太严谨，我们从应用规模角度看技术
（1）先说机器学习领域吧，自监督学习，基于自监督学习的大规模数据预训练，这个算是近几年相当火了，当然自监督学习源于比如对比学习等等一系列方法，GAN这种生成对抗学习也有一定的裙带关系，anyway，如果说2015年之前是大规模的监督学习，大规模主要体现在标注，那么近几年大家在玩的就是怎么大规模使用无监督数据。自监督学习可以说是如何更大规模利用数据的技术。
（2）transformer，这个在nlp领域最火，然后蔓延到视觉，然后统一多模态的技术，是近5年最靓的仔，然后规模化的模型，一下子参数级别现在都到万亿了。
（3）20年的时候nerf这个技术路线开启更强的渲染，渲染更强了，3d视觉生成也就更牛逼了，那么元宇宙构建可能更容易？
（4）自动驾驶不能说人家技术没进步吧，激光雷达+视觉融合方案干到解锁L4，这个还是最近5～10年才work的吧。
（5）多模态融合，transformer带来了多模态融合在语义层面的统一，这块，很多新的有趣的事情在发生
（6）虚拟数字人，新任务，新技术，也是5年内才搞的比较多的，可以关注关注。
先说这么多吧
