首页 > 机器人资讯 > 对产业化进度不满,FacebookAI团队调整背后的路线之争

对产业化进度不满,FacebookAI团队调整背后的路线之争

日期:2019-02-20   人气:  来源:互联网
简介:对产业化进度不满,FacebookAI团队调整背后的路线之争 这几天AI界的一件大事,是被称为北美AI五巨头之一的Facebook,突然宣布对旗下AI团队与管理架构进行全面重组。 其中最显著的变化,要属Facebook的AI名片、人工智能教父级人物LeCun宣布不再担任FAIR团队……

对产业化进度不满,FacebookAI团队调整背后的路线之争

这几天AI界的一件大事,是被称为北美AI五巨头之一的Facebook,突然宣布对旗下AI团队与管理架构进行全面重组。

其中最显著的变化,要属Facebook的AI名片、人工智能教父级人物LeCun宣布不再担任FAIR团队的负责人,专注担任首席科学家,将更多精力投入学术工作。

这件事看起来只单纯的企业变动,但Facebook如此大动作调整AI,www.zr-kuka.com,显然不是无目的的乱改。隐藏在其背后的战略思考,或许暗示了在今天这个时间节点上,巨头企业如何看待整个AI产业的发展。

今天咱们来开个脑洞,尝试剥离一下这件事的背后,隐藏了哪些关于产业方向的细节和暗示。

从更大的视野看去,两条不一样的AI之路,正在今天此消彼长地影响着AI世界的走向。

商业化的步伐:AI的两条路之争

首先应该理解的,是Facebook到底在做一件什么事:为什么扎克伯克和施罗普夫愿意淡化作为AI名片的LeCun,也要坚持进行AI重组?

最直接的原因,显然是由于LeCun的个性和科学家身份使然,其团队风格太过自由和学术化,虽然研究实力强劲,但研发成果却始终跟Facebook的产业布局若即若离。

显然,对AI产业化进度的不满,是这次体系调整的根本原因。在重组架构之后,FacebookAI部门的管理架构变得更加精简,AML也将同FAIR更加紧密的合作。这意味着Facebook希望快速加强产学同频和AI研究成果的商业化应用。

真正应该引起我们重视的,是这场Facebook的内部AI革命,似乎传递出的是目前科技公司在面对AI时的两种选择。假如把这两条路比作AI的岔路口,那么他们分别是这样的:

道路A:公司重金打造研究体系,任由研究系统自有发展。等待成果自然成熟,汇入公司业务当中。这是欧美科技巨头开启AI时的常规玩法,基本是按照谷歌的模式。

道路B:快速让学术体系和产业体系发生频繁、有序、成规模的联系,按照产业需求反向定制化进行学术突破,高频开放的打造产学一体化。

显然,Facebook希望调整步伐,开始从A向B移动自己的产业部署。

有意思的是,这种选择不是只有一个人在战斗,甚至可以说这是在今天AI界非常主流的一件事。

其最直接的参照系,大概就是百度近一年的AI业务与产业布局调整。尤其不久前我们看到,百度研究院刚刚进行的新一轮的升级。引入了新的顶级科学家,并且以商业智能和机器人与自动驾驶这两个高度富有商业可能性的命题作为研究方向。

如此默契的同步,难怪西方媒体有评论认为这是Facebook第很多次保持与百度AI的战略同步。

而这个有意思的现象,背后或许隐藏着AI界的普遍疑问:企业究竟如何处理学术研究与商业化应用间的关系,究竟如何处理自生态与整个AI产业间的联系?传统的道路A,是否即将在这个快速发展的AI车道中失效了?

产学间的天平:百度模式的万物生长

今天的AI世界,一个普遍的疑问是以学术来主导AI产业,在企业世界放任学术研究无规则发展,究竟是不是一件好事?

尊重学术自由,给予学术极大支持当然是好事。但是今天对于AI公司的产学分离传统有两点诟病:一是是否应该让难以快速进入商业应用的学术研究回归学校与纯研究机构,否则浪费投资人的钱做炫技式研发似乎不妥;二是企业资源毕竟有限,是否应该找到产学间的平衡点,集中力量突破最有待AI企业去解决的问题。比如百度研究体系在无人驾驶上的高度投入和产学一体,已经在今年Apollo的成长中被验证是正确的。

无独有偶,近年来微软、IBM、亚马逊,库卡机器人,正在纷纷调整自身学术科研体系与产业的连接程度,规划出整体化鲜明、有清晰战略意图的产学同频体系。包括近段时间百度所做的调整,都是着眼于聚焦产业方向,升级研究体系,加强产学体系的一体化对接等等。

另一个有趣的坊间传闻,是Facebook最开始做AI、设立两大AI实验室,据说就是李彦宏建议给扎克伯克的。

那么是否有可能,Facebook这次架构调整的深层动因之一,就是希望学习和模仿百度的成功呢?

与之形成鲜明对比的,或许是近段时间来受到很多争议的谷歌模式。比如在产品人才和工程人才快速上位AI的今天,谷歌依旧是李飞飞继续带队并委以重任。另一方面,谷歌的产业布局依然保持着大而全的全面开花模式,近乎没有谷歌不做的AI产品,但同时也很难说其哪个产品做得特别好。缺少聚焦和专注,缺少产品思维,都已经在去年一年中成为围绕谷歌的舆论阴影。

而DeepMind持续保持亏损状态,谷歌大脑难以提供鲜明产业支持等问题,也说明了学术端的速率似乎还是与产业端不同。

这或许表明,产学分立的传统AI模式,正在日益像百度等企业代表的产学一体方向过度。天平开始倾向有清晰计划和高度产业组织能力的AI力量。

日益封闭还是持续开放,这是一个问题

隐匿在产学天平背后的,是企业如何思考AI,认识AI产业的问题。

去年5月的2017GoogleIO大会上,谷歌全面明确了AIfirst战略。进而第一个表现就是全阵列化的硬件+软件套餐,打造了迄今为止地球上最庞大的AI产业群。

显然,谷歌对AIfirst的理解,是GooglefirstinAI。在战略出发点上选择了大而全的模式,谷歌的AI生态开始出现两种显著表现:占坑和排他。

所谓占坑,是指但凡有人想出来的AI产品,谷歌就要有类似的。于是我们看到了谷歌有类似苹果Siri的谷歌语音助手,有类似亚马逊Echo的智能音箱,有对标Facebook的信息和图片助手等等。更有手机、平板、相机、穿戴设备等等AI硬件。

而排他,则是谷歌在推进AIfirst时,逐渐开始放弃合作与分工的互联网行业准则。开始进行全流程的AI谷歌化。比如我们看到在算力上提供了TPU和谷歌云的AI能力集成,在算法上以TensorFlow为中心打造闭环生态,在数据上封锁谷歌数据体系对外合作的可能,在人才上开始了世界各地的研发人才争夺战。

其实谷歌今天的AI战略,可以用中国互联网用户非常熟悉的一个词来解释:跑马圈地。这也是为什么谷歌不在乎产学的同步和连接。因为在谷歌的进度中,收集和占据最好的学术资源,并将成果源源不断纳入谷歌体系才是第一位的。所以军备竞赛式的企业学术氛围依旧通行于谷歌内部。

可谓大而全,意味着日益满足于自我循环和封闭与外界联系。于是今天的欧美AI世界中,一种反谷歌的情绪或许正在酝酿。这背后的原因,有媒体归结为谷歌严格执行,且在日益提高的生态封闭与全谷歌化策略。换言之,霸权是令人生畏的。

由于AI是一个多元化严重的技术种类,这些战略的执行,意味着谷歌正在日益挤压美国同行的话语权。从TensorFlow的排外性、云服务和TPU的绝对谷歌化,到语音业务社交业务的封闭,谷歌处处打压作为后来者的Facebook等等。如今的谷歌很像是当年3Q大战前的腾讯,有一种凡AI就要谷歌的气质。

但AI一定要封闭和独大吗?这或许也是一个我们今天应该思考的问题。

相比较来说,AI产业的另一种模式可以说是百度代表的开放合作模式。

可以肯定的说,百度正在践行陆奇所说的多个朋友多条路。在产业生态化、技术开放性和战略合作上有着开放的思维和优质的合作案例。这是今天在AI界更能行得通,更受到行业容纳的一种模式。

另一个关于产业开放还是封闭的聚焦问题,来自对开发者的影响。谷歌的开发生态确实在持续提高技术吸纳力,但真实进度却一直没有谷歌期待的那么理想,很大原因在于过分封闭的产业生态,给开发者的选择性太小。

举个例子来说,谷歌的AI课程和培训计划,是完全针对于TensorFlow的,提供开开发者的硬件API,也是只能接入TensorFlow系统的。而提供的TensorFlow社区资源与新的AI开发工具,又是完全部署在谷歌云上的。

免责声明:本网部分文章和信息来源于互联网,本网转载出于传递更多信息和学习之目的。如转载稿涉及版权等问题,请立即联系网站所有人,我们会予以更改或删除相关文章,保证您的权利。