簡單講就是，Input--->系統（這裡指神經網路）--->Output（直接給出輸入，NN神經網路就給出結果，一氣喝成！！！）

　　機器之心：那你現在最主要的興趣是在視覺和在語言處理這方面的這個方向嗎？

　　田淵棟：這些方向都會有涉及。但現在時代不同了，不應該把自己限制在視覺或者某個特定方向。

　　機器之心：不是一個專門的應用。

　　田淵棟：對，因為感覺上自然語言處理、影象、語音，這些基本上都是應用了。所以說如果必要的話，其實可以在這個中間進行切換，或者做一些交叉的方向。以前做這三個方向，可能需要大量的領域知識，特別是做自然語言處理，要學以前語言學的文獻。要做分詞，比如說每個詞給一些詞性。要做一些語法的分析、語素的分析，有很多很多的步驟。但現在的趨勢是從頭到尾都讓機器學。

　　機器之心：就是他們說的 end-to-end。

　　田淵棟：是的，end-to-end 端對端的學習。比如說自然語言這一塊，並沒有比以前的效果好太多，但整個流程變得很簡單方便，將來進步的速度可能就會變快。比如機器翻譯裡面，你把一個句子，直接通過神經網路翻譯成另外一個語言的句子，這樣就比以前快。以前可能要分詞呀，詞性標註呀，對每個詞找到另外一個語言對應的詞或者片語，找到之後再重新排列一下，最後才產生一個句子。要通過幾個步驟，但是現在在概念上，只要一步就算出來。【注：現在基於神經網路的翻譯系統確實比以前好很多了 】。

　　為什麼會出現端對端呢？我覺得主要是因為神經網路這個模型的優點。神經網路模型是個非常靈活可擴充的模型，隨便連一下，然後做後向傳遞就可以了。大家一開始沒有意識到它的厲害，覺得做這個系統得要分幾步吧，神經網路只是其中一步，前面和後面還是通過傳統方式來做比較安全。後來大家就慢慢意識到，為什麼不用神經網路把整個系統打通？那樣的話，又省時效果也會更好。自然而然，大家都會思考端對端的思路。我覺得現在基本上端對端的效果，主要體現在整個迭代的速度上，從設計模型到訓練，到看到結果，到修改模型這樣一個迴圈的速度會很快，效果也通常會變得更好。人優化引數的時候，可能半小時優化一次，看看結果如何；機器優化引數，可能一秒就優化幾百次。所以這個時間的改進是數量級上的改進。

　　資料集的獲得，現在主要是在網上花錢，人工標註。比如說一張圖幾塊錢的，然後讓人去做。就發動群眾的力量嘛，看大家有沒有空。有空閒著無聊了，就標註兩張。這樣把力量彙集起來。