2021年深度学习哪些方向比较新颖，处于上升期或者朝阳阶段，没那么饱和，比较有研究潜力？

我对这几个还比较感兴趣，而且认为也是深度学习中存在的问题，以及值得解决的问题：

1.基于数据的应用场景

数据本身获取就是一件难事，更何况后面的标注（无监督/半监督），如何采用现有数据或者更少数据（few/one/zero-shot learning）。也许目前离工业落地还有距离，但也是有需求的。

2.深度学习可解释性

目前的深度学习很多工作是在一个坑里，堆叠数学公式，使用一些trick，然后刷新一个指标，或者再定义一个新的指标去刷，没有深挖模型的可解释性这一个问题。就好像每次考试前都没复习，但一不小心还考的不错，想起来总觉得不踏实。

3.模型鲁棒性以及训练和真实数据的偏差

很多时候大家训练的模型都是单一设定下的，我总是想，要是能够提高模型的鲁棒性，在其它相似或者有一定差异的场景下也能直接使用就好了，这样也减少了数据的需求。但随之带来的，训练数据和真实场景中的数据往往是有bias的，也是需要解决的一个问题。总而言之，就是怎样用较少的数据，得到一个对多个数据集/场景都非常友好的模型，那就太好了。