AI巨头实力排名新鲜出炉:DeepMind第一,IBM垫底

一文分析谷歌、微软、Facebook、IBM等巨头间的AI实力。

近日,Google Brain的Eric Jiang在Quora回答提问,分析了谷歌、微软、Facebook、IBM等巨头间的AI实力,引用最新例子(比如 ICLR论文接收)。结合之前Yann LeCun关于几家公司谁的AI最强的回答,可以对全球 AI 实力分布有一个比较好的理解。

谷歌大脑研究工程师 Eric Jang 的回答:DeepMind 是第一,谷歌大脑很快将升到第一梯队

首先,我需要声明我的回答会有一些偏见,因为我在谷歌大脑工作,而且我很喜欢谷歌大脑。我的观点仅代表我自己,不代表我的其他同事或 Alphabet 公司。

我对“AI研究领域的佼佼者”的科技公司的排名如下:

梯队1. DeepMind

我认为就现在来说,DeepMind 是 No.1 的。

他们发表的论文在研究界里很受推崇,而且涉及的领域非常广,例如深度增强学习,贝叶斯神经网络,机器人学,迁移学习,等等。他们从牛津大学和剑桥大学招揽了大量人才,这两所大学是欧洲最好的 ML 研究学府。他们也有一个多元化的团队专注于通用 AI 的研究,包括有专门打造基础设施和工具的软件工程师,帮助设计研究工具的 UX 设计师,甚至有生态学家(Drew Purves)专门研究其他领域,例如生态和智能之间的关系。

在 PR 和吸引公众目光方面,Deepmind 也是首屈一指的,例如 DQN-Atari 和创造历史的 AlphaGo 时的 PR。每当 Deepmind 发一篇论文,很快就会出现在 Reddit 机器学习板块和 Hacker News 的顶部,表明他们在技术社区多么受到推崇。

梯队2. Google

虽然我把两家 Alphabet 的子公司放在这个排名的顶端,但我得声明 Facebook 和 OpenAI 和 Google 是并列处于第二梯队的。

Yann LeCun 此前回答过一个类似问题,但我认为他错估了谷歌大脑在研究界的贡献。他说:

但它(谷歌大脑)大部分研究是专注于应用程序和产品开发,而不是长期的 AI 研究。

完全不是这样!错了!

TensorFlow(谷歌大脑团队的主要产品)只是谷歌大脑众多项目中的一个,据我所知也是唯一面向外部的产品。谷歌大脑刚成立时,第一个研究项目确实偏向工程,但今天谷歌大脑团队已经有很多员工,关注 AI 每个子领域的长期的 AI 研究,就类似于 FAIR 和 Deepmind。

举例说来,FAIR 在 ICLR 2017 会议上有16篇论文被收录,其中3篇被录为 Oral(即非常杰出的论文)。

谷歌大脑今年在 ICLR 上被收录的论文实际上比 FB 还稍微多一些,有20篇,其中4篇被录为 Oral。

这还不包括 Deepmind 或谷歌其他团队(搜索团队、VR、Photos团队等)的论文。虽然比较被接收的论文数量不是很好的指标,但我想消除那些暗示谷歌大脑不是深度学习研究的好地方的说法。

谷歌大脑也是拥有很强协作灵活性的产业研究组织。我想世界上没有其他企业或研究机构同时与伯克利、斯坦福、CMU、OpenAI、Deepmind、Google X 以及谷歌内部的无数产品团队在进行合作。

我相信在不久的将来,谷歌大脑能够升到第一梯队。我个人有接到谷歌大脑和 Deepmind 的 offer,并选择了前者,因为我觉得谷歌大脑能给我更多灵活性来设计自己的研究项目,并且与谷歌内部的其他团队的合作更紧密,而且我加入了目前还不能公开的一些非常有趣的机器人项目。

梯队2. Facebook

FAIR 的论文很强,在我印象中他们重点关注的是语言领域的问题,例如问题回答,动态记忆,图灵测试,等等。偶尔他们也会发一些统计学、物理学和深度学习结合的论文。他们在计算机视觉方面也很强。不过除了他们的声誉非常好之外,我对 FAIR 了解不多。

由于 TensorFlow 的广泛采用,FAIR 几乎已经输掉了深度学习框架方面的竞争,但 Pytorch 是否能夺回市场份额值得观察。

梯队2. OpenAI

OpenAI 的成员阵容很强大:Ilya Sutskever(全面的深度学习牛人),John Schulman(TRPO的发明者,硕士方向是策略梯度),Pieter Abbeel(机器人学),Andrej Karpathy(Char-RNN,CNN),Durk Kingma(VAE 的发明者之一),Ian Goodfellow(GAN 的发明者),等等。

尽管 OpenAI 是一个只有约50人的小团队,但他们有一个顶尖的工程团队,研发一流的、真正有用的研究工具,例如 Gym 和 Unverse。他们也通过提供以前只有大科技公司能用的软件,为更多研究团体提供帮助。这也为其他公司增加了压力,使得他们开始开源代码和工具。

我差点想把 OpenAI 列为第一梯队,因为在拥有顶级研究人员方面他们不输 Deepmind,但他们成立不久,尚没有经历足够长的时间来证明这一点。他们也还没有发布与 AlphaGo 相当的成果,虽然我认为 Gym 和 Universe 对研究社区的意义非常重要。

作为一个所有基础设施都完全从头建起的小型非盈利研究团队,他们没有像大科技公司那么多的 GPU 资源、机器人或软件基础设施。拥有大量算力对研究,甚至对一个人能够想到的点子产生很大影响。

初创公司很艰难,我们可以观察他们在未来几年是否能够继续吸引顶尖的人才。

梯队3. 百度

百度 SVAIL 和百度深度学习研究院是做 AI 研究的很好的地方,他们正在开发许多有前景的技术,如家庭助理,盲人助理,自动驾驶汽车等。

虽然百度存在很多问题,但他们绝对是中国研究AI最厉害的企业。

梯队3. 微软研究院

在深度学习的革命之前,微软研究院曾经是最负盛名的地方。他们的成员中多为多年 AI 研究经验的教授,这可能也解释了为什么他们错过了深度学习(因为深度学习的革命主要是由博士生们驱动的)。

而且,他们几乎所有的深度学习研究都是在 Linux 平台上进行的,他们的深度学习框架 CNTK 得到的关注不及 TensorFlow,torch,Chainer 等。

梯队5. 苹果

苹果在招揽人才方面确实有些艰难,因为研究人员通常都想公开出版自己的研究成果。苹果也做一些产品驱动的研究,但这无法吸引哪些想要解决通用 AI 问题的研究人员,或那些希望自己的研究成果被学术圈关注的研究者。我认为他们的设计根基与研究有很多相似之处,尤其是涉及创造力时,但我也认为发布新产品对长期的基础研究会是一种阻碍。

梯队10. IBM

我认识一位 IBM Watson 项目的前成员,他把 IBM 的“认知计算工作”描述为完全是一场灾难。这个项目由管理层推动,但这群人完全不懂机器学习能做什么,不能做什么,只是拿这个热词做卖点。Watson 使用深度学习做图像理解,但是据我所知,它的信息检索系统的其余部分并没有真正用到最新的深度学习技术。基本上,我认为IBM是在瞎搞,对初创企业来说,在二级市场有很多应用机器学习的机会。

备注

说实话,所有上述公司(也许除了IBM之外)都是做深度学习研究的好地方,而且鉴于开源软件和现在整个领域的快速发展,我不认为有任何一家科技公司在“领导 AI 研究“。

我对深度学习研究者的建议是找到一个你感兴趣的团队/项目,不用管别人对声誉的评价,而且专注于将工作做到最好,让你所在的机构成为AI研究的佼佼者。

如何评价苹果、微软、谷歌和Facebook之间的人工智能实力?LeCun 的回答

关于这一点,我的立场让我无法做出公平的回答,但有几点我可以说一下:

苹果不是人工智能研究圈子里的玩家,因为他们的公司文化很隐秘。你不可能在隐秘的氛围下做前沿研究。不发表则算不是研究,顶多也就是技术进步。

微软一直都在做一些很好的工作,但有很多人才都在从微软流向Facebook和谷歌。微软过去做了一些很厉害的语音相关的深度学习研究(2000年左右在手写识别方面取得了很好的成果)。但从他们最近的一些项目可以看出,微软研究院的目标相比FAIR或DeepMind要逊色很多。

谷歌(具体是Google Brain等研究组)无论是在深度学习产品还是服务方面都可以算是领先的,因为谷歌在这方面起步最早。他们在基础设施(比如TensorFlow和TPU)上有很多积累。但谷歌 AI 研究的关注点是应用及产品开发,而非长期 AI 研究。证据就是Google Brain 的一些顶尖研究人员离开了那里,去了DeepMind、OpenAI,或者到了FAIR。

DeepMind在基于学习的 AI(learning-based AI)方面一直都做得很好。他们的长期目标跟FAIR的有些类似,研究的课题重合度也挺高:无监督/生成模型,规划(planning)、RL、游戏、记忆增强网络、差分编程(differentiable programming)。DeepMind的一个问题在于,他们从地理位置和组织结构上都远离谷歌(Alphabet)。这样就不太方便为其所有者盈利,不过他们现在看来做得挺好的。

Facebook的人工智能研究所FAIR成立于2.5年前,在这么短的时间内在业界树立起自身领导者的地位。我自己都为FAIR能吸引这么多世界顶尖AI研究员而感到震惊(FAIR有60多个研究员和工程师,现在分布在纽约、Menlo Park、巴黎和西雅图)。同样,我也为我们在过去两年半时间里取得的成果感到震惊。我们的目标远大,在FAIR我们从长期着眼,在公司里也有一定的影响力,因此存在不会受质疑(不出成果)。最关键的,我们非常开放:我们所有的研究员一年都会发表多篇论文。没有什么比看见一位前景大好的研究员加入一家不那么开放的公司或者一家初创企业,然后从研究圈子里消失更令人当头一棒的了。

原文发布于微信公众号 - 镁客网(im2maker)

原文发表时间:2017-02-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

麻省理工机器学习峰会:人工智能重塑世界

据麻省理工学院网站报道,在麻省理工学院和风险投资公司Pillar联合举办的机器学习峰会上,行业领导者、计算机科学家以及风险投资家汇聚一堂,讨论智能计算机如何重塑...

30360
来自专栏腾讯大讲堂的专栏

2017腾讯创新日 | 科技引领潮流,创新打造未来

创新充满挑战,科技提供更多可能,随着社会的不断前进,科技、创新越来越深入我们的工作和生活中。勇于挑战自我、专研业务技术的腾讯人在6.14日举办了2017年“腾讯...

40560
来自专栏镁客网

一不小心就败家了?Buy+计划还没那么神奇

17440
来自专栏大数据文摘

业界 | Teradata全球调研:四分之三企业分析项目数据科学家“缺货”

当地时间10月15日,2018 Teradata全球用户大会在美国拉斯维加斯举行。来自15个国家的3000多位数据人参与了本次峰会。

8440
来自专栏华章科技

数据为谁而用?——人性化交互金融知识图谱问答探索

《经济学人》五月第一期杂志中,头条新闻中将数据比作世界上最有价值的资源。早在2014年马云董事长就说过阿里巴巴从本质上来讲已经成为一家数据公司。文章[4]中说现...

12120
来自专栏AI科技大本营的专栏

CCAI 2017 | 蚂蚁金服人工智能部技术总监李小龙:蚂蚁金服智能金融实践

蚂蚁金服人工智能部技术总监李小龙 记者 | 周翔,焦燕 7 月 22 - 23 日,在中国科学技术协会、中国科学院的指导下,由中国人工智能学会、阿里巴巴集团 ...

382110
来自专栏about云

大数据架构师、开发人员、公司必读:国外大数据应用的10个项目案例(图表)

问题导读 1.大数据如何应用于电力能源项目,带来效益? 2.数据可视化有哪些应用? 3.是否可以将可视化应用于空气污染? 4.大数据如何应用于各种(手机)应用...

435100
来自专栏腾讯研究院的专栏

75.9%受访者发现存在“大数据”滥用现象

电子科技大学互联网科学中心主任、《大数据时代》中文翻译者周涛认为,企业有没有“大数据”能力,分析报告是否包含“大数据”成分,要看是否具备两个特征:一是数据本身...

22650
来自专栏机器之心

业界 | 闪耀墨尔本:IJCAI 2017「腾讯 X 机器之心」青年学者技术分享酒会

机器之心报道 作者:李泽南 人工智能领域顶级学术会议 IJCAI 2017 已于 8 月 22 日在澳大利亚墨尔本正式开幕,本次大会吸引了来自全球各地的顶级科研...

40880
来自专栏数据猿

友戏互联联合创始人兼CTO于亮:Fintech助力智慧金融

数据猿报道,2017年10月25日,由 数据猿 联合《清华金融评论》共同主办的“2017金融科技价值峰会——数据驱动金融商业裂变”在北京隆重召开。本文为数据猿现...

26160

扫码关注云+社区

领取腾讯云代金券