财新传媒
位置:博客 > 李开复 > 北美AI巨头也有“派系”斗争

北美AI巨头也有“派系”斗争

上个月,李开复受邀前往北美,参与了一系列AI相关活动。他在MIT分享了来自中国的AI进展,还与“AI三巨头”——Hinton、LeCun和Bengio,进行了面对面交流。
 
他也看到了Google、Facebook和微软在AI人才组织和发展中,遭遇的竞争和挑战。
 
回国后,李开复向AI自媒体量子位的读者口述了自己的北美见闻。

 
各位读者朋友们:
 
你们好!
 
这一次去北美,最核心的议程是参加MIT计算机科学与人工智能实验室(CSAIL)和数字经济中心(IDE)主办的AI会议,主题是:AI和就业的未来。
 
避而不谈的AI挑战
 
先谈谈大会观感吧,这一次Google、Facebook和微软等美国AI巨头公司都有代表参加,但最令我惊讶的是这些巨头这次表现出的AI态度。
 
原本以为会谈论很多人工智能对未来和人类的影响,比如工作、隐私、网络安全等等,好的坏的都会探讨,但会上并没有听到太多“负面”的探讨。
 
这次这三家公司的代表演讲,显得有些避重就轻。谈谈技术,讲讲科技与未来,然后说下自己正在进行的研究,偶尔也谈论政策,但多半还是与特朗普有关,签证移民政策之类的,基本没有谈论人工智能正在带来的挑战。
 
三家公司代表中,只有Google的代表谈到一点人工智能带来的挑战,不过他主要讲的还是未来三年的计划,比如Google帮助培训人类更好的使用AI,核心是帮助其他领域的科学家利用AI把工作做得更好。对于如何解决客服失业或工作被替换的问题,并不涉及。
 
我在这三家公司都有高管朋友,他们后来跟我私下解释说,公司公关部门清楚地告诉过他们,不可以谈人工智能潜在的负面影响,要尽可能把人工智能描述得很美好,一切都是“人+机器=3”,人很强,机器很强,加起来更强。
 
今后人类还会学着跟机器一起彼此增强技能,就业问题也会迎刃而解,其他技术问题也会迎刃而解,现在正是巨大生产力的大发展时期,机器正在帮助人类解决各种不适合人类解决的问题,所以不要过于谈论一些不太美好的事情。
 
我觉得这不是一种负责任的公关策略和行为。因为这三家公司作为美国甚至全球AI的领跑者,熟知最新技术进展,也知道“水能载舟亦能覆舟”的道理,不能只向大众传达“载舟”。
 
我觉得在人工智能的探讨中,一定要有责任感,不仅要分享带来的巨大机会,也要分享未来潜在的挑战,然后让更多力量参与进来去解决问题,我觉得这才是比较负责任的做法。
 
对中国AI发展心态复杂
 
另一个令我惊讶的是以美国公司为核心的AI组织,对中国AI的态度。
 
美国有很多组织在讨论AI方面的议题,比如Partnership on AI,应该算是大家相对比较认可的非盈利机构,但现在组织成员都是美国的公司,这就有些“尴尬”。
 
中国的AI进展也很快,你不请中国公司加入进来探讨,自己琢磨如何在AI发展上给开发者制定规则、做出约束,或者如何避免AI在道德和社会层面带来负面影响,这都有些不切实际。
 
而且你不请中国公司参与,自己做一大堆决定,最后中国公司在你们警惕的那些红线和边缘地带进展飞快,反而失去了一开始成立组织的初衷。
 
这些都是一目了然的事实。但美国这帮AI公司也有一些私下的顾虑。他们觉得在隐私等相关问题上,中美两国的道德接受度是完全不同的,比如装摄像头,中国可能接受、执行起来比美国要快,你这个组织制定的约束,也不一定就能发挥效力。
 
总之给我的核心感觉是:Partnership on AI这样的组织没有底气认为自己可以获得中国公司的支持,但可能因为没有中国公司参与,他们又会因之有所损失。因为他们一边自己达成共识、相互约束,另一边中国AI快速发展,他们就会落后。
 
如果放在过去,可能问题不大,因为美国的科技远远领先其他国家,但现在AI来讲,中国和美国之间的差距并不大,所以我觉得美国这些AI组织如今境地有些尴尬,身陷两难。
 
OpenAI 离初衷越来越远
 
谈到AI相关的组织,可能国内知名度比较高的是马斯克和YC创始人Sam发起的OpenAI,当时也招揽到了不少人才,不过最近正在遇到危机,很多核心人物都走了,我也从一些核心人员那里听到一些原因。
 
先说说离开的代表性大牛吧。Pieter Abbeel,是加州大学伯克利分校教授,强化学习领域的大牛。去年4月正式离开伯克利加入OpenAI,从顾问转为全职研究员。最近从OpenAI走了,可以说影响不小。
 
他离职以后,创业做了一家名为Embodied Intelligence的公司,教机器人学习,比如去做一些从人的动作学习、然后做重复性工作的算法开发。
 
这家公司里,还有OpenAI的前研究员Peter Chen和Rocky Duan,他们都是Abbeel在伯克利的博士生。所以相当于师徒一起离开了吧。
 
另一个大牛是lan Goodfellow,GAN的发明者,他之前离开Google大脑团队加入OpenAI,今年又重新回到了Google大脑。
 
我这次也跟OpenAI中待过的人聊过,大家离职的核心原因其实挺一致。
 
首先,当初加入OpenAI,是希望把AI做得更开放,不要垄断在几家大公司手中,毕竟当时马斯克发起成立OpenAI,说的就是Google为代表的公司太强势,把超过50%的业界顶级AI专家招入麾下,长此以往,可能会导致AI技术的垄断或者走向其他方向。
 
其次,OpenAI发起时,对于AI发展存在的一些挑战,比如隐私、安全、威胁人类工作之类的问题,他们希望用更开放的方法去做,这样等到AI真正发展起来后,才不会让少数公司独大,这是第二个共同理想。
 
还有第三个原因,没有怎么被拿出来谈。到OpenAI这样的组织待着,要比学校里薪资高出3-5倍,这些学术人才到了OpenAI,也还是能推进自己的研究,加上马斯克的口才及个人魅力,所以创立之初,人才纷至沓来。
 
但现在快2年过去,也就有一些问题暴露了。
 
首先,回过头去看,OpenAI真正产出的成绩并不多,外界能感知的就更少,比如开源之类的,进度有限。
 
其次,他们做的一些项目展示,比如机器人帮你端菜、洗碗、刷盘子什么的都挺好的,他们自己也觉得很有意思,但相对AlphaGo这种项目,一对比就被打得落花流水。
 
OpenAI也参与了AI打DOTA之类的,但DOTA的影响力,没有AlphaGo引起的那样大,后来DeepMind团队在医疗等领域,业界影响也很大。
 
另外,还有与马斯克相关的原因。因为OpenAI这个组织跟马斯克关联紧密,所以有时候马斯克自己其他公司的事情,比如特斯拉,也让OpenAI的科学家帮忙出主意,有点成为马斯克的“智囊团”了。这个本身算不上特别大的问题,但毕竟会让有些人才心里不舒服。
 
当然,资金方面也不是没有问题。最开始说将有10亿美元来支持OpenAI,但这并不意味着一下子就有这样一笔钱打到账上,而是一个目标数字,主要投资人也是马斯克和他的几位朋友,并且以马斯克的为主,钱的问题自然是个隐患。
 
所以,OpenAI这样一个当初被寄予厚望的AI组织,希望他可以抗衡Google,现在看来基本不可能了。
 
OK,那既然谈到了Google,顺着说说Google、Facebook和微软这三家AI巨头,当前在AI方面给我留下的印象吧。
 
AI三巨头公司
 
Google
 
先说下Google。Google内部相当于有三个部门在搞AI,Google大脑、Google云,还有DeepMind。
 
Google大脑和Google云,都在Google统治下,应该协调起来更好一些。
 
但DeepMind被收购至今,还有相当大的自主决策权,所以不可避免会与另外两股Google内部力量产生竞争,比如DeepMind和Google同时进入一些城市,也会有彼此抢人才的状况。
 
当然,他们内部会讲得很好,说建立两个机会来争取人才,对公司利益也是最大化。但这样的竞争既然存在,双方的合作就也不会特别完美,问题还是有的,只是细节不能多说了,大家都是朋友。
 
这三家AI巨头公司中,其实给我印象最深的还是Facebook,因为近几年来,我认为把厉害人才用得比较好的是Facebook。
 
Facebook
 
核心自然是Yann LeCun用Facebook的资源聚拢了很大一批人才。
 
LeCun这次也在MIT发表了演讲,没有谈到有大突破的东西,但会议中还是有不少可以参考的东西。他特别提到了华人AI科学家何恺明,以及后者的Mask R-CNN。
 
LeCun说现在的进展是5年前难以想象的,对于机器学习,从识别过程走上理解过程,进展都比之前顺利很多。我觉得在他的演讲交流中,我见到了他过去没有看到过的那种乐观。
 
他在会议中提到一个小突破,即用现在能够针对一张图问一个比较复杂的问题,然后这个问题能被拆分成很多部分,用自我深层的思考去综合解决。
 
比如你问这样一个问题:图中哪个物体离黄色球最远?系统就能拆分成距离黄色球最近、最远的物体,然后生成不同的网络,用一整套训练来完成这样一个任务。
 
我觉得这给他带来了比较大的乐观态度,特别是GAN方面的推进。会让他觉得可以做更聪明的理解型的决策模型,或者说,比他之前预计的时间要更快吧。
 
我看过他之前的发言,对AGI(通用人工智能)的预计非常长远,认为当前还没有任何工程根据,但这次他变得更乐观了,他也多次谈到Facebook内部推进的速度。
 
这种推进的核心组织,自然是他掌管的FAIR(Facebook AI Research),可能之前多多少少有一些曝光,不过中国读者可能不太清楚这个机构的内部情况。
 
FAIR现在是一个规模120多人的机构了,整体水平非常高,应该说放眼全球,除Google之外的最厉害的一个AI科研机构,非FAIR莫属。
 
因为FAIR既在Facebook,又能够有很大的自由度做事情,LeCun个人也吸引了很多顶级的人,这些人再彼此号召,就会让FAIR的江湖地位不断提高,这算是Facebook在人才吸引方面很好的一个策略吧。
 
不过也不是没有问题,体现在研究机构和产品部门的“矛盾”上。
 
LeCun原本有一个对接部门,这个部门主要负责把FAIR的技术产品化。因为LeCun个人拒绝做产品,他自己是科研大师,更多技术研发的初衷和兴趣,也都是科研式的。
 
LeCun甚至严苛到要求团队不要过分使用Facebook的数据,要更多在标准数据集的基础上做出有震撼力的东西,不然凭借Facebook的数据,他会觉得“胜之不武”,而且结果上,也不知道究竟是Facebook的数据厉害,还是他厉害。
 
这一点上,我不是很同意他的观点,但我理解他的想法。LeCun学术出身,很爱学术方面的竞争,他也肯定希望别人输得心服口服,所以他希望让他的研究基础跟别人相对公平,于是要求团队尽量不要用Facebook的数据,要用标准数据,这样结果上与他人就有可比性。
 
反正LeCun可以说是一个中规中矩的科研人,他想把事情做到最好,不想占便宜,用数据取胜,这一点上是让人尊敬的,是一个科学家推动科学技术进步的态度。
 
但我觉得有其中两个问题。
 
第一,当你不用最大数据集的时候,你不知道是不是已经把技术做到了最好。因为最好的技术,可能是适用数据最广泛的技术,所以是不是因此丢失了最好的算法,这是值得讨论的。
 
第二是完全以学术方式来做技术,拒绝适用内部大量数据,可能会让自己技术应用到产品上出问题。
 
这两个问题,也不是看不到表现。最近Facebook内部也有一些调整,有一个部门原来因FAIR专门成立,希望把FAIR的技术转换为标准产品,让它能够应用到公司各个不同的领域。
 
但最近那个部门的领导换成了一个中国人,他来了以后就跟FAIR不太互睬,比如有些技术,语音之类的,他就觉得自己可以做,不用完全等着FAIR。当然视觉方面还是依赖于FAIR的突破,但内部的分歧已经有苗头了。
 
学术派 VS 工程派
 
这其中也有一个蛮常见的问题,一家公司想要在技术上更领先,就会涉及人才网罗和组织,而很多科技人才哪里找,还是高校和科研单位为主吧。
 
所以科技公司里,如果你单纯招一批研究的人才进行研究,怎么跟产品工程的人融合,是一个非常大的挑战。
 
Facebook和微软,采用的都是“象牙塔”模式。
 
公司组织架构下做一个象牙塔,用这个象牙塔吸引最顶级的人才,让他有大量的数据可以用,可以写论文、做研究,一切没有限制,自由科研。然后再通过产品工程师,把技术实现应用。
 
最早这么做的应该是比尔盖茨,当时推出微软研究院后,以非常快的速度,把顶级人才吸引了过来。后来百度也用这样的方法,效果也不错。
 
但是类似“象牙塔”的结构和系统,问题也很明显。
 
这些企业内部的科研组织,确实吸引了科研大牛,进而吸引一批小牛,很快就组成了很厉害的科研单位。但因为给于了足够大的自由度,也很容易与产品部门有隔阂,科研学术的这部分人,会觉得我写了这么多论文、获了这么多奖、又是各种fellow,你这种产品小朋友按照我意思做就行,我告诉你人脸识别ready了,你就赶快放到Facebook产品中去,或者不放拉倒。
 
但是产品部门的人也会有想法:公司的钱都是我赚的,广告的钱也都是因为产品弄来的,公司的流量和产品后期也都有我的付出,你们这些人加入后,就写写论文,也没有对公司营收产生实际价值,地位却比我高,赚的钱也比我多,我就不服气。
 
所以研究和产品在大公司里对抗,不是什么意料之外的事情。
 
或者也有公司会直接把研究和产品放在一起,就都是为产品服务的,这样就不存在两个部门打仗了。比如阿里巴巴,可能吸引的人学术地位没有那么高,但阿里会更注重学术群体和产品工程师的融合。Google也差不多,你看两个部门都是科研部门,但最终都是要做产品,都以产品服务公司。
 
所以现在来讲,大公司里搞研究机构,吸引学术人才进来,差不多就这两种模式吧,各有利弊。不过显然“象牙塔”模式,给足学术大牛空间自由科研,最后还是因为和产品部门之间的隔阂矛盾而离开,这种案例并不少见了。
 
这算是企业研究院的“魔咒”。现在虽然FAIR很强大,但从IBM到富士施乐,都没有摆脱魔咒。企业一帆风顺的时候当然不会表现出问题,然而一旦遭遇财务问题,象牙塔就会开始崩塌。
 
所以这算是一个悬而未决的问题吧,蛮有意思,也蛮值得思考。
 
与“AI三巨头”游
 
“AI三巨头公司”之外,这一次收获比较大的是跟“AI三巨头”分别进行了交流,其实我和这“AI三巨头”之前也有一些关系,不过有些交集是这次交流才知道的。
 
Geoffrey Hinton,我在CMU念博士时,他在CMU任教,是我隔壁室友的导师,我博士时候做一个项目,还请他参考签字,不过以为都过去很多年了,他应该不记得了。但Hinton记性很好,他见面跟我说记得我,还跟我说当时他给自己的博士学生买了很多硬盘,最后都被我“掠夺一空”,拿去装语音数据了。所以蛮令我意外。
 
另一个让Hinton谈论较多的话题是中国,他其实跟中国有很深的缘分,他家族亲戚里,有两位是中国最早的永久居民,当时跟着毛主席到延安,后来成为中国的1号和2号永久居民。他们全家都是社会主义的信奉者,他也深受影响,不然当初也不会离开CMU到多伦多大学去,他说当时就是觉得CMU拿了太多美国国防部的钱,走得太近了,自己不喜欢。
 
Hinton是一个很感性很随性的人,想到什么说什么,没有太多的顾忌,性情中人吧。我还问他是不是可以认为TDNN对后来的CNN有启发,他回答说TDNN其实就是最早的CNN,这话公开说出去可能会引起轩然大波,不过Hinton就是这样一个很感性的大牛。
 
比较遗憾的是他目前的身体情况,70多岁,虽然还很硬朗,但他不能坐,只能站着或躺着,所以他坐不了越洋飞机,即便对中国很感兴趣,也没办法。他现在一半时间在Google,另一半的时间就在多伦多大学。
 
LeCun,之前履历经历上的交集不多,不过这次见面,他倒说了一件我们都有印象的事。LeCun说,他在AT&T的时候,他的老板告诉他希望挖我过去工作,我也记得这件事,虽然当时并没有认真考虑过去AT&T工作,不过LeCun竟然记得,也是让我有些意外。
 
跟LeCun交流很有意思,主要谈到了AI当前的技术进展,以及他领导的FAIR。最深刻的印象是他比以前更乐观了,说明AI技术突破给了他很大的信心,另外Facebook网罗的人才,也让他很振奋。
Yoshua Bengio,我跟他是第一次见面,不过大家之间也有一些共同“纽带”,他的博士导师Renato De Mori也是做语音的,所以之前我跟他导师有一些交流和合作。
 
Bengio给我的印象是:很像一个政治领袖——口才很好、温文尔雅,话少而精。
他的团队现在做得也很大,而且刚好赶上加拿大史无前例的机遇,所以也是举国上下围绕AI在开展一些事情,这个可能比较值得聊一聊,之前科技相关的话题,聊到加拿大的时候也不多。
 
 
AI:加拿大史无前例的机遇
 
加拿大这个国家,不要看她领土面积很大,但人口不多,而且居住条件也没那么好,比较冷,整个生活方式也相对安定,跟美国有一些不同。
 
现在,因为深度学习的原因,Hinton和Bengio把多伦多和蒙特利尔,建设成了人工智能重镇。
 
于是加拿大政府在国家层面、省层面,都有层层拨款去推动人工智能。一定程度有点像我们国务院的白皮书,下发到省市,然后具体去做。
 
主要涉及两个城市,一个是多伦多,另一个是蒙特利尔,两个城市又以高校为核心,其实是围绕Hinton和Bengio为核心,形成了多伦多和蒙特利尔两大AI研究机构。
 
多伦多主要有两所大学,一所叫多伦多大学,另一所是滑铁卢大学,有点类似我们的清华北大吧,这两所大学的精神领袖是Hinton,他在这里组织起了一个强有力的科研组织:Vector。
 
蒙特利尔也有两所高校,分别是蒙特利尔大学和麦吉尔大学,精神领袖是Bengio,也形成了一个科研组织:MILA。
 
这两个组织,现在网罗了大批AI相关的人才,基本以加拿大人为主。那为什么会形成这两大组织呢?与刚才说到加拿大想抓住AI历史机遇有关。
 
为了留住人才,打造AI重镇,加拿大从国家到省层面,都在拨款,或者倡议当地企业捐助基金鼓励人才进行AI研究。
 
这些钱拨下来以后怎么用?最直接地方式就是给教授加薪,细节没公布,但与AI相关的教授,差不多直接涨薪3倍。
 
于是问题也随之而来,因为做AI就能加薪,所以不少传统学科的教授,比如语音学的教授,也想挤进来,也说自己的研究与AI相关,那如何判断、决定谁加薪就成了大问题。
 
这时候Bengio和Hinton在其中就发挥了作用,他们相当于承担起“判断”和“选拔”人才的角色。
 
于是Hinton就组织起Vector,Bengio组织起MILA。
 
而且这两个机构也不虚,可以说把优质的教授都拉了进来。一方面,这些人才基本都在做机器学习;另一方面,这也都是可能会被Google和Facebook挖走的人。所以这两大组织实际上起到了“保护人才”、“留住人才”的作用。
 
也挺有意思,之前Google和Facebook在很多大学挖人,在美国挖得比较顺利,比如Google挖了一半的斯坦福教授,CMU自动驾驶团队被Uber集体端走之类的,但是在加拿大这边反而动静不大。
 
虽然也跟美国公立学校的组织制度有关,比如不能直接涨薪3倍之类的,但无论如何,这两大组织在加拿大AI人才保留方面,起到了关键作用。
 
讲一个我知道的例子吧,Google为某个加拿大博士开出了顶级offer,年薪百万美元,但这个人最后还是留在了加拿大继续科研,所以可以想见加拿大AI研究人才薪资方面的不俗。
 
具体的话,Hinton和Vector,Bengio和MILA在推进AI研究的方法上,有些不一样。
 
Hinton的做法,是圈了30多个多伦多科技公司,围绕着这些科研人员,让他们在公司里面做顾问、CTO,只要不荒废科研工作,开放性质地进行AI研究。
 
所以打个比方,Hinton的做法是正在让多伦多变成一个大的孵化器,我们这次还去看了很多多伦多的公司,整体感觉像是到了一个大卖场,很多项目都很便宜,可以简单列个比较关系吧:
 
加拿大普通AI项目的估值<两大教授学生AI项目的估值<硅谷AI公司的估值<中国AI公司的估值。
 
不过一方面是中国公司估值确实贵,另一方面也是因为加拿大环境原因,他们在数据方面跟中国不能比,对于商业的理解,也不一样。
 
Bengio和MILA在蒙特利尔,核心做了一家Element AI的公司,腾讯还参与了投资。
 
这家公司做什么呢?其实有点跟创新工场AI工程院类似,找一些垂直领域,然后基于AI打造解决方案,他们的团队现在有100多人,全球范围招聘,光融资就募到了很多钱。
 
虽然加拿大整体市场也不大,数据也不多,但也有一些优势领域,比如社保做得很好,医疗数据做的很好。所以是不是可以有些机会?可能还是有的。
 
总之这一次在加拿大,最强烈的感觉就是加拿大对于百年难得一遇的机遇的渴望,政府大力推动,给高校设立“讲座教授”之类的基金,花很多钱让顶级教授留在加拿大任职。
 
然后地方省份,也拿出钱来支持学校、围绕企业和孵化器进行发展。他们也都在考虑,如何全球吸引人才,如何做AI的培训。
 
所以加拿大整体展现出来的就是围绕AI,打造生态,培养创业环境的态势。
 
本文转载自量子位(公众号 QbitAI)
推荐 5