“Google只认钱!机器学习20年没进步”,CMU学者炮轰AI第一大厂

问耕 发自 凹非寺 量子位 出品 | 公众号 QbitAI

“机器学习是一个了不起的工程成就。但这不是科学,远远不是。” “这技术现在所做的事情,跟1990年没什么差别,顶多就是规模更大,但并没有给我们带来比20年前更深刻的见解。” “Google比很多大学厉害,唯一的原因是他们的每个研究人员,能够比别人多雇佣十倍以上的研究生。” “在Google,一切都是商业计划。” “你会身处机器学习的最前沿,但,这只是一个工程学科。所有的基本目标都是大公司设定的,你不可能成为一名科学家。”

这几天,一位耿直的CMU学者Simon DeDeo,在在Twitter上猛烈炮轰Google Brain团队,对营利性机器学习行业展开嘲讽。(其实也顺便无情抨击了Facebook的研究机构。)

他批评这些大企业专注人工智能,只是为了获取更多的钱、利润,而不是为了推动科学的进步。这些观点引发了广泛关注。

用著名媒体TNW的话来说,这是一场史诗级的讨论。

赞成和反驳之声齐飞。但身处暴风中心的Google AI负责人Jeff Dean没有发声。不过,Facebook的首席AI科学家Yann LeCun站了出来。

开炮

事情的起因是这样的。

本来一堆人(又)在批评Facebook。或曰Facebook应该拆分,包括WhatsApp、Instagram等,不应都在扎克伯格一手掌握之中。

讨论过程中,Simon DeDeo说AT&T和Facebook最大的区别是:贝尔实验室发明了C语言、UNIX、晶体管、量子霍尔效应、宇宙微波背景辐射等;而Facebook Research发明了让你上瘾社交网络的新方法。

听闻这话,有人插嘴问说:你批评了Facebook的研究机构,那你怎么评价Google Brain,或者其他科学家云集的实验室?

就是这么一问,楼歪了,人炸了。

Simon DeDeo本尊

Simon DeDeo仿佛是清了清嗓子,说:既然问起来,那就说点真话。毕竟。我不需要Google的赞助,我的职业生涯也不用巴结他们。

随后,他继续连发了30多条推文,组成一篇檄文。主要说了这些话:

我在贝叶斯时代长大。那时科学家们用一些简单、理论驱动的方程改变着我们对世界的看法。后来我也以此为标准。 2010年左右,深度学习变得不可忽视。 这令人兴奋。我们在研究所里听到访者讲解决策树、随机森林等等各种其妙的事情。我也尝试用过这些新方法,但老实说,它们吸引力不大,因为其他更简单的工具就能胜任非常非常多的任务。 后来我加入印第安纳大学,当时我们热切希望招到一个搞深度学习的人。我带所有的应聘者去吃早餐,想搞明白深度学习到底是什么。 基本结论就是:没什么什么好答案。不管你搞什么,基本就是一个人坐在那里,各种调整参数。 机器学习是一个了不起的工程成就。但这不是科学,远远不是。这技术现在所做的事情,跟1990年没什么差别,顶多就是规模更大,但并没有给我们带来比20年前更深刻的见解。

Google比很多大学厉害,唯一的原因是他们的每个研究人员,能够比别人多雇佣十倍以上的研究生。但大学里的研究更有学术意义。 他们不知道自己在做什么。Google有足够的人力把深度学习应用于一切的一切,目标就是找到可以产生最大影响力的领域。 我访问过大约50所大学,所到之处皆有新收获。而当我到访企业的“研究”实验室时,情况完全不同。 你能在Google Brain搞一些很酷的研究么?老实说,不能。你会身处机器学习的最前沿,但,这只是一个工程学科。所有的基本目标都是大公司设定的,你不可能成为一名科学家。 如果你想构建一个监控别人,并且向他们推销更多广告的机器,那你就去企业的实验室吧。 如果你想赚钱,那里可以挣很多。在学术界不行。

但如果你的思想和灵魂,想成为推动人类智慧进步的动力,你最好别去Google,当然更别去Facebook了。 我建议你来学校读研,成为一个博士。你不会得到丰厚的收入,但会得到真正关心你的导师。 一个优秀的博士生导师,不会干涉学生的所思所想,这是可耻的。而在Google,一切都是商业计划。 这不是开玩笑。是我的十年经验总结。秋天又该开始新的研究生入学申请了,建议你好好想想自己何去何从。 最后说个故事。我们之前访问了Google Research,那里的人聪明的不可思议。我们一起头脑风暴出了好多精彩的学术研究思路。会面的最后一天,高校的学者说:OK!我们去酒吧,再具体讨论一下! Google的人说:这几天对我们来说相当于度假,手上的实际的工作已经落下了,这个周末必须加班赶工。 是的,聊聊学术对他们来说,就像一个假期。

反击

这一块大石头,激起了千层浪。

Oren Etzioni,艾伦人工智能研究所(AI2)的CEO,评价说:DeDeo的炮轰把事情简单化了,而且充斥冒犯,但也的确发人深省。

“有意思。不少人都持有这种鲜明而挑衅的言论。他们错得很有意思。”一位身在Google Brain的访问学者Charles Sutton反驳说。随后,他继续为“工程”两个字辩护,并指出机器学习亦有诸多进步。

在reddit上,网友们也展开热议。

有人说,DeDeo只是在Google Research里遇到一些不以研究为导向的人,并据此对所有工业界的实验室进行了概括。然后以DeepMind为例说明,只有Google这样的企业,才能花钱押注几十年后的技术。

网友jbcraigs也持反对意见。他说Google有大量的部分都在做纯粹的学术研究,从2013年以来,Geoffrey Hinton一直为Google工作,没有“领导”告诉他应该研究什么,其他Google的研究人员也是如此。

有人很疑惑:企业投入巨资进行基础研究的动机是什么?

“其中一个重要因素是PR。企业到了一定规模,支持10名学者随意展开研究的成本几乎微不足道,但却能吸引更多的人才,提高自身的声誉。”网友NichG从这个角度给出了自己的看法。

尽管外界的争议沸沸扬扬,但Google AI(包括Google Research)的负责人Jeff Dean目前仍未作出任何回应。

倒是Facebook的首席AI科学家Yann LeCun,按捺不住反击了下。他对DeDeo说:

你被严重误导了。 没错,Google Brain很多工作都是专注工程和应用。 但是,FAIR、DeepMind以及很多Google Brain面向研究的部门,的的确确在进行实际的科学研究。

其实,以上这种工程和学术的争论,由来已久,内外皆有。

你还记得么?去年Google Brain团队的科学家Denny Britz,曾经发文吐槽深度学习:瓶颈就是太不重视工程!

我之前读研搞NLP和信息提取的时候,大部分时间,都用来把科研想法变成代码。当时可能95%的研究生和导师们都不愿意碰代码。当我提出对某个问题的疑问时,得到的回复通常是:“这只是一个工程问题,先掠过吧”。 后来我才知道,这种说辞的潜台词是:我不认为一篇与此有关的论文,能够通过同行评审。这种心态在学术界的人中似乎普遍存在。但作为一个工程师,我不禁注意到,缺乏工程实践产生的阻碍。

当然另一种意见也不缺乏。

去年NIPS期间,获得“Test of Time”最具时间价值论文大奖的Ali Rahimi(阿里·拉希米),登台演讲,并朝着整个深度学习界开了一枪:机器学习已经成了炼金术。

我希望我所生活的世界里,这些系统都建立在严格、周密、可验证的知识之上,而不是基于“炼金术”。 我不排斥使用一些自己不懂的技术,比如说我是坐飞机来的,并不完全清楚它的工作原理,但知道有整个航空界都在研究这项技术就很安心了。

但阿里话锋一转,他说很多构建深度神经网络的一些基础工具,“我们对它几乎一无所知”。他批评机器学习太工程,而缺乏理论支撑。

当然,当时LeCun也照例跳出来反对。

那件事的详情,可以通过这个传送门回顾

OMT

在这次的争论里,你持什么意见?

以及,到底Google Brain在研究什么?如果你感兴趣,这有一些参考资料。

Google Brain的2017年度总结

Google Brain AMA(2017)

Google Brain揭秘:20大研究领域

就酱~

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2018-07-15

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AI科技评论

从谷歌TPU谈起,人工智能正如何撼动芯片市场

编者按:本文原作者为 Wired 高级作家 Cade Metz。原标题为《How AI Is Shaking Up the Chip Market》。以下为雷锋...

3238
来自专栏CVer

聊聊找AI算法岗工作

首先,本文不是为了增加大家的焦虑感,而是站在一名学生的角度聊聊找AI算法岗位的那些事儿(不喜请喷)。

5970
来自专栏人工智能头条

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

993
来自专栏机器之心

Kevin Kelly解读人工智能狂热:破解超人类人工智能的五个假设

选自 backchannel 作者:Kevin Kelly 参与:Rick、晏奇、黄小天、吴攀 人工智能正变得越来越热,有时候让人难以分清新闻报道中那些关于超级...

36411
来自专栏华章科技

译见:从无处看世界:大数据的文化意识形态

“无论什么历史年代里,科学的走向取决于我们如何理解科学”—SandraHarding,《谁的科学?谁的知识?》(1991)

823
来自专栏量子位

AI全面超越人类还需多少年?352名专家预测(附论文)

安妮 编译整理自Inverse 量子位出品 | 公众号 QbitAI ? 展望未来,AI可以在10年后模仿出斯威夫特的歌曲,37年后可以代替人类进行手术,86年...

36510
来自专栏大数据文摘

2016年10个重要的可视化发展

1503
来自专栏大数据文摘

在大数据的世界中蓬勃发展

1505
来自专栏AI科技大本营的专栏

揭秘@爱可可:“寂寞呆子”成长记

从一个人的狂欢到一群人的狂欢,到除了我以外其他人的狂欢,我其实是越来越冷静了。——陈光

1033
来自专栏PPV课数据科学社区

盘点国外社交网络:大数据意义究竟何在?

“别说忙,没工夫看书。。。你那刷FB/朋友圈的工夫腾出来,保证每周啃下一本”,小编身边总充斥着这样的‘训话’。。。 额,奈何我每天的工作离不开从社交媒体中获取信...

3906

扫码关注云+社区