尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
日前 CMU 教授 Simon DeDeo 的幾條推文，可謂是將學界與業界的矛盾推到了風口浪尖。DeDeo 認為，以 Google、Facebook 等巨頭為代表的科技公司成立研究院，其目的並不在於研究「真正的科學」，而是純粹以盈利為導向。目前這些公司在機器學習方面並沒有太大進展，可能還停留在 20 年前的水平。
這番地圖炮一出，便遭到了業界人士集體吐槽，也在 Twitter 和 Reddit 上引發了網友的激烈討論。業界與學術界，究竟誰為理想？誰是真愛？小線菌想在這里和你聊聊。
本文約 4500 字，預計閱讀時間 10 分鐘。
你想去 Google 專心搞科研？別傻了，你不會成為科學家的。
如果你想為人類做點兒貢獻，那可千萬別去 Google。Facebook 也不行。去讀博吧。
如果你的專業恰巧是 CS，而且畢業後希望投身科研，那麼前方無非有兩條路：一是學術界，留在高校做理論研究；二是產業界，去科技公司做研發。對留在學界和投身業界孰好孰壞的爭論由來已久，而最近一場關於 AI 的討論，又將這個問題推上了風口浪尖。
事情是從這里開始的。
不久前，有人在 Twitter 上詢問網友對類似Google大腦等企業研究院的看法。本來這可能只是個大家一團和氣，結論各有利弊的問題。可這條推恰巧被 CMU 教授 Simon DeDeo 看到了。不管是基於個人意見還是代表學界看法，總之 DeDeo 借這個機會把以 Google 為首的科技公司吐槽了個遍。他認為，以 Google、Facebook 等巨頭為代表的科技公司成立研究院，其目的並不在於研究「真正的科學」，而是純粹以盈利為導向。目前這些公司在機器學習方面並沒有太大進展，可能還停留在 20 年前的水平。
簡單來說：
不要誤會，我不是針對某家公司，我是說這些研究院搞的都是什麼玩意兒。你們打著科學研究的幌子，其實根本沾不上科學的邊兒！
為了進一步闡述自己的觀點，DeDeo 激情連發 30 多條推文。以下是小線菌節選的部分內容：
機器學習絕對是工程學上一項了不起的成就。但它並不算科學，甚至沒法和科學搭上邊。我們現在的研究成果，相比 1990 年來並沒有什麼實質性的進展，也並沒能讓我們在這條路上走得更遠。
Source: Simon DeDeo · Twitter
像我這種級別的科學家，在Google大腦到處都是。他們本該自由探索人類知識的邊緣，而現實中卻都帶著十幾個人的團隊做些沒有意義的事情。Google看起來比堪薩斯大學厲害，那是因為他們人多啊。每個科學家身邊可以配備相比大學十倍以上的人手。不過，當然啦，堪薩斯大學的學生可以做點真正有意義的事。至於在Google？呵呵。
他們對自己手頭的工作一無所知。因為人多，所以任性，他們可以把深度學習應用在任何方向上，但這樣做的目的卻是找到那些他們可以發揮最大影響力的領域。
你能在Google大腦專心致志做研究嗎？當然不能啦。沒錯兒，你是可以接觸到業界最前沿的成果，但別忘了，研究的基本目標是為公司服務。你不會成為一名科學家的。當然啦，如果你缺錢，那做出這種選擇一點兒毛病都沒有。加油哦。
但如果你希望以自己的努力，為人類智慧的發展進步做出哪怕一點兒貢獻，那我勸你別想著 Google 了。Facebook 什麼的當然也不行。我有個建議：去讀博吧。雖然生活上會吃點苦，但導師才是那個真正關心你，幫助你發展的人哦。
Source: Simon DeDeo · Twitter
事情發展到這里，就有點意思了…
總結一下：想賺錢，去大公司；想改變世界，那還是留在學校吧。
最後，Simon DeDeo 還補了一刀：「我們曾經有機會訪問Google研究院，那兒的人都超級聰明！我們一起腦暴了各種研究方向。到訪問的最後一天，學術派表示，讓我們去喝一杯再聊一會兒吧。而Google專家們卻說，暢想未來的這幾天簡直可以算是個小假期了。手上的工作進度已經落後了，這周末還得加班呢。可對（我們）學術派來說，這才是我們真正的，願意為之付出心血的工作啊。」
真的是這樣嗎？
一石激起千層浪。消息一出，業內人士首先坐不住了。Facebook 首席人工智能科學家、紐約大學教授 Yann LeCun 就迅速發推反駁道：「這絕對是場誤會。雖然Google大腦在工程科學及其應用上投入了大量精力，但 FAIR 實驗室、DeepMind 和Google那些研究向的部門真的在努力做科研啊。」
《智能和兩個奇點》（Intelligence and the Two Singularities）作者 Calum Chace 也隨後表示，「可能 DeepMind 400 多位 PhD 看到這消息，最多是翻個白眼，就回去搞科研了（並懶得理你 」
這番地圖炮也隨即引發了網友的激烈討論。部分冷靜理性的圍觀群眾表示：DeDeo 說的不是沒有道理，但整體而言未免太過偏激。簡而言之，他認為企業研究院花重金投入 AI 研究的主要驅動力是盈利，而非推動科學研究的發展進步，因此並不能被稱作「真（純）正（粹）的科學」。此外，這些研究院在搞的也並非是多麼尖端酷炫的技術，而更傾向於進一步挖掘已知領域的可能應用。所以高校在理論研究方面的貢獻才遠遠領先於業界公司。
針對第一點，Reddit 網友表示：如果說企業以盈利為目的的研究不算研究，那如果科學家為發文章、評職稱或者更遠一點兒，為拿諾貝爾獎而進行的研究也不是真正的研究了？這不是在逗我嗎。
而第二條觀點同樣炸出了一批考據黨。網友紛紛舉出各大企業研究院近年發表的文章與申請的專利來反駁。在 Google AI 網站上，可以看到Google僅在 2018 年（還沒過完呢）就發表了多達 322 篇論文。其近幾年發表的論文數量均以數百計，其中不乏發表在《Nature》等世界頂級科學期刊上的重量級文章。而在不久前舉辦的 ICLR（International Conference on Learning Representations，國際學習表征會議）上，Google、DeepMind、Facebook、OpenAI、微軟等公司共貢獻了 9 篇 oral（口頭報告）論文和 107 篇 poster（海報展示）論文，占會議接受論文總數近一半。其中被 DeDeo 大力吐槽的 Google 和 DeepMind 兩家加起來就貢獻了 20%。
Source: Google AI Publication Database
對於 DeDeo 痛批科技公司「不思進取」，即無論「神經網路」這一概念被炒得多麼炫酷，其實際應用卻遠遠不及理論研究一事，網友表示，問題的重點在於：是誰在負責理論研究，以及誰為這些先進理論提供支持。以 Google 為代表的科技公司，其重大貢獻之一便是提供海量數據或算力。嚴格來說，這確實不能算作是「發（科）現（學）」，但它毫無疑問為理論落地提供了堅實的基礎。
此外不得不提的是，內部研發僅僅是一方面。對於自身並不擅長、或者說沒有取得突破性進展的細分領域，科技巨頭則傾向於用買買買解決問題。人工智能是Google的強項，也是它重點關注的領域。以Google母公司 Alphabet 旗下的風險投資部門 Google Venture 為例，其受資公司主要分布在 5 個領域，Data & AI 就是其中之一。此外，去年Google還正式宣布成立 Gradient Ventures 早期風險投資基金，專門瞄準 AI 領域的創業公司。根據 crunchbase 數據，截至目前 Gradient Ventures 已進行十筆投資，其官網上也公布了以 Algorithmia、BenchSci 等為首的八家受資公司。毫無疑問，一方面這些公司的技術可以為Google所用，與此同時，Google為這些公司提供的，除了資金，更重要的是業內專家的建議與技術支持。這不僅可以讓初創公司少走許多彎路，在一定程度上也加快了技術落地的腳步。
Source: Gradient Ventures
學界與業界的爭論由來已久，為什麼這次火了？
此次 DeDeo 對科技公司的炮轟引發廣泛討論，一個不容忽視的因素是，近年來科技巨頭競相爭搶學術人才，而頂級學府的研究人員顯然也願意加入這些公司的懷抱。蘋果 AI 研發負責人，機器學習領域大牛 Russ Salakhutdinov 是 CMU 教授，Facebook 首席人工智能科學家 Yann LeCun 是紐約大學教授，而史丹佛教授李飛飛目前則擔任Google雲人工智能和機器學習首席科學家。雖然現已離職，史丹佛教授吳恩達也曾擔任百度公司首席科學家近三年，負責主管百度研究院，特別是百度大腦計劃。
這些頂尖學者的加入，一方面意味著為科研理論成果創造了「接地氣」的機會，但另一方面也不禁引發我們的擔憂：大公司的人事調動與資源調配，是否會在一定程度上干擾科研進展？如果這些科學家不必考慮公司策略，而是在高校中自由發揮，是否結果會有所不同？
的確，潛心科研的學術派並不一定同時擅長處理大公司中的複雜局面。吳恩達 2017 年 3 月從百度離職時，業內紛紛猜測其背後原因，其中便包括百度內部層級「複雜混亂」。放下管理工作不談，身在巨頭的科學家也未必就能保持初心。畢竟就算技術中立，大方向上也還是要為公司的聲譽考慮。就在幾個月前，Google宣布未來將退出頗具爭議的「Project Maven」軍事計劃，作為首席科學家的李飛飛便在內部郵件中強調「請盡量避免提及 AI，畢竟 AI + 軍事可能是當前最為敏感的話題。一旦被媒體捕風捉影，可能會對 Google 造成重大影響。」
如果說聚光燈下的頂級科學家不可避免會受影響，那我們這些普通人呢？
不可否認，無論在灣區還是在帝都，高校畢業生加入科技巨頭都是主流選擇。無論是優厚的 package 還是可供施展的平台，都對他們有著強烈吸引力。外媒調查表示，畢業於一流名校如常春藤與牛劍等的人工智能人才一直是科技巨頭感興趣的目標。而在著名問答平台 Quora 上，隨手一搜，就會看到大量諸如「想去Google做 AI，PhD 是硬性要求嗎？」「我希望畢業後加入Google大腦，從現在開始要做什麼準備」的問題。而在「在Google任職科學家是種什麼樣的體驗」這一問題下，Google前員工、機器學習工程師 Dmitriy Genzel 給出了非常積極的答案：
在 Google 工作的感覺簡直太棒了。
Google 可能是全世界擁有最多頂尖 CS 人才的機構（尤其是在某些細分領域，例如機器學習），而且它有比任何大學都多的 CS PhD。可以說，不管你的興趣是什麼，你總能在身邊找到該領域的大牛，而且他們願意解答你的任何疑問。你有機會接觸到世界最新的研究成果，其中大部分甚至都還沒有向外界公布。大牛們開發的工具也都會更新到 Google 代碼庫，由所有開發人員共享。
Google 有最好的工作環境，恐怕全世界都知道，在這里我無意多提。但對科學家來說，它最大的優勢可能是計算資源。舉個栗子，如果哪天你需要一萬台計算機，或者太字節數據，只要你想，Google 就有（當然，前提是你的研究方向是公司級別）。
相比普通開發人員，Google 科學家的平均年齡要大很多。你完全可以把它作為自己一生的奮鬥目標（很多人就是這麼乾的）。此外，科學家的晉升體系也有所不同：主要取決於他們的工作是否對業界產生重大影響，而不必與公司願景緊密相關。開發者並沒有這樣的自由——他們工作的重心仍然在公司產品上，而科學家卻可以有所選擇。
我覺得 Google 有點像當年的貝爾實驗室。Google 不缺錢，也樂意在不同領域大把投入。如果能為公司創造價值，那當然再好不過，但大家更強烈的願望是為整個人類智慧做出貢獻。
此外，微軟亞研院的相關人士也表示，亞研院學術氣氛十分濃厚，與其說它是研發部門，不如說更像是一個研究所或實驗室。唯一的遺憾，可能是部分研究成果囿於公司戰略，無法落地變現，可能拖過一段時間，然後就沒有然後了。
所以，事情並沒有那麼糟，right？
讓我們回到 DeDeo 事件：
DeDeo 的背景是天體物理學。雖然他的研究工作中會用到機器學習技術，但從嚴格意義上講，他並不從事人工智能方向的研究。鑒於他自稱「不受大公司資助，因此也不必為其說好話」，他可能… 也並不能完全理性客觀地分析在科技公司工作的利弊。
在業界方面，科技公司首先是企業，不是慈善機構。盈利毫無疑問是首要目標，從這種意義上來說，基礎研究無疑是回報率極高的長線投資，這也可以解釋為何科技公司願意斥巨資資助內部研究與高校科研機構。此外，支持頂尖科學家也可以算作公司 PR 的一種手段：據稱吳恩達入職百度後，多位業界科學家都通過郵件表達了願意加入百度研究團隊的意向，而這些人大多是百度此前就有所接觸，但未能成功邀約的。雖說拿人錢財，替人辦事總是難免，但需要強調的是，資本加持與學術研究並不衝突——相比開發者來說，企業科學家的工作更偏向於理論研究，也確實擁有更多自由。以公司利益為重，身不由己？不存在的。
而從學界方面來講，人工智能的研發與變現之路都遠比我們想像中複雜。許多曾有「高校 + 研院」經歷的業內人士表示，學院派普遍存在的問題是過於醉心理論研究，而不願考慮如何將項目投入實際應用，或者說相對缺乏開發技能。一旦談到代碼做到，沒有多少人願意去攬這攤臟活兒累活兒。其實，學界與業界並不一定「非黑即白」。除去擁抱巨頭，近年來學界大牛也紛紛成立創業公司，以便將研究成果快速應用到商業場景之中。例如國內專注人臉識別的中科視拓，就由中科院計算所的山世光研究員帶隊，其團隊成員也多數來自同一實驗室。總而言之，搞學術和商業化，雙方各有所長，願不願意接地氣，那是個人選擇。
而 DeDeo 此番博人眼球的理論，更像是作為教授，眼看大批畢業生帶著改變世界的夢想投身科技巨頭，結果幾年過去，卻發現大部分人在做的無非是推薦算法。失落，是難免的了。
參考資料：
- Simon DeDeo Twitter: https://twitter.com/SimonDeDeo
- Reddit discussion, “Academic expert says Google and Facebook’s AI researchers aren’t doing science”
- Reddit discussion, “Debate about science at organizations like Google Brain/FAIR/DeepMind”
- TNW, “Academic expert says Google and Facebook’s AI researchers aren’t doing science” By Tristan Greene
- Quora, “What is it like to be a research scientist at Google?” By Dmitriy Genzel
- Google AI Publication Database, https://ai.google/research/pubs/
- Gradient Ventures: https://gradient.google/
- Gradient Ventures · crunchbase: https://www.crunchbase.com/organization/gradient-ventures#section-locked-charts
- 雷鋒網，《五大頂尖企業研究院的 116 篇論文 ICLR2018 錄用論文，七大趨勢全解讀》
- 量子位，《「Google只認錢！機器學習20年沒進步」，CMU學者炮轟AI第一大廠》
