热门问答
这是不少同学比较关心的问题，我来说说我的看法。
首先，当前很多同学在读研期间会选择主攻人工智能方向，一些非计算机专业的同学也会考虑与人工智能技术相结合来做创新，而计算机视觉和自然语言处理这两个方向的热度是相对比较高的，也是成果频出的两个大领域。
从科研的角度来说，要想更快做出成果，有三个重要的因素，其一是自身的知识基础和兴趣方向，其二是当前所处的科研场景，其三是目标领域的创新空间。
按照历史经验来看，读研期间所处的科研场景对于能否更快做出成果输出有比较直接的影响，所以建议大家在读研期间一定要结合自己的课题方向来选择创新点，这样可以充分利用课题组的科研资源，也会得到导师更多的指导。
cv和nlp这两个方向的创新空间都是比较大的，而且都可以跟很多行业场景相结合来完成创新，这也是当前很多同学的选择，尤其是专硕同学。
以我的课题组为例，目前cv和nlp这两个组虽然建立的时间并不长，但是也是两个比较高产的组，从整体的成果输出数量来说，cv组的输出相对更多一些，有不少同学也做出了比较强的创新成果，这与近几年cv方向人才需求量相对比较大也有一定的关系。
读研选择主攻方向不能仅仅看是否更容易做出成果，更应该结合自己的发展规划来选择主攻方向，如果选择的方向与未来的发展规划并不契合，这本身就在走弯路。
考虑到实践场景对于学生创新的重要性，我联合一些头部985大学的导师和互联网大厂的企业导师，共同搭建了一个线上的实践场景，借助我们的科研资源和产业资源在持续开展一些科研实践活动和项目实践活动，感兴趣的同学可以联系我申请参与，相信一定会有所收获。
最后，如果有计算机专业读研、科研相关的问题，欢迎与我交流。
以上内容由考研网友：IT人刘俊明(提问者)发布
cv更容易出成果，nlp环境依赖多。cv可以标准化，不同国家地区的人识物结果是一样的，看视频的感受是趋同的，唯一受影响的就是风俗文化和认知水平。nlp就完全不一样了，不同语言表达方式千差万别，你用在中文的模型不能套在英文上，另外文字是需要人脑逻辑思维加工才能会意，而视频图像不需要，人和动物区别就在于语言文字，这也是nlp难以出成果的原因之一。
另外在国内有个非常不好的现象，把擦点边甚至不挨着的东西虚假宣传成什么牛逼的高科技，最典型的例子就是机器人骚扰电话，竟然也说成是nlp的智能化应用，及其简单的人机对话用个语言模版就搞定的事非要吹成人工智能技术，还梦想着上市捞钱，这种风气能搞好ai吗？
虽然在中国，获取样本的成本低、量又多，比美国不知道好多少倍，但潜心研究的人真的不多，可惜了这么好的资源。
以上内容由考研网友：深度背景调查发布
CV
以上内容由考研网友：热情的小红花Vy发布
