谷歌大腦研究工程師 Eric Jang 的回答：DeepMind 是第一，谷歌大腦很快將升到第一梯隊

 

　　首先，我需要聲明我的回答會有一些偏見，因為我在谷歌大腦工作，而且我很喜歡谷歌大腦。我的觀點僅代表我自己，不代表我的其他同事或 Alphabet 公司。

 

 

　　我對“AI研究領(lǐng)域的佼佼者”的科技公司的排名如下：

 

　　梯隊1． DeepMind

 

　　我認為就現(xiàn)在來說，DeepMind 是 No．1 的。

 

　　他們發(fā)表的論文在研究界里很受推崇，而且涉及的領(lǐng)域非常廣，例如深度增強學(xué)習(xí)，貝葉斯神經(jīng)網(wǎng)絡(luò)，機器人學(xué)，遷移學(xué)習(xí)，等等。他們從牛津大學(xué)和劍橋大學(xué)招攬了大量人才，這兩所大學(xué)是歐洲最好的 ML 研究學(xué)府。他們也有一個多元化的團隊專注于通用 AI 的研究，包括有專門打造基礎(chǔ)設(shè)施和工具的軟件工程師，幫助設(shè)計研究工具的 UX 設(shè)計師，甚至有生態(tài)學(xué)家（Drew Purves）專門研究其他領(lǐng)域，例如生態(tài)和智能之間的關(guān)系。

 

　　在 PR 和吸引公眾目光方面，Deepmind 也是首屈一指的，例如 DQN－Atari 和創(chuàng)造歷史的 AlphaGo 時的 PR。每當 Deepmind 發(fā)一篇論文，很快就會出現(xiàn)在 Reddit 機器學(xué)習(xí)板塊和 Hacker News 的頂部，表明他們在技術(shù)社區(qū)多么受到推崇。

 

　　梯隊2． Google

 

　　雖然我把兩家 Alphabet 的子公司放在這個排名的頂端，但我得聲明 Facebook 和 OpenAI 和 Google 是并列處于第二梯隊的。

 

　　Yann LeCun 此前回答過一個類似問題，但我認為他錯估了谷歌大腦在研究界的貢獻。他說：

 

　　但它（谷歌大腦）大部分研究是專注于應(yīng)用程序和產(chǎn)品開發(fā)，而不是長期的 AI 研究。

 

　　完全不是這樣！錯了！

 

　　TensorFlow（谷歌大腦團隊的主要產(chǎn)品）只是谷歌大腦眾多項目中的一個，據(jù)我所知也是唯一面向外部的產(chǎn)品。谷歌大腦剛成立時，第一個研究項目確實偏向工程，但今天谷歌大腦團隊已經(jīng)有很多員工，關(guān)注 AI 每個子領(lǐng)域的長期的 AI 研究，就類似于 FAIR 和 Deepmind。

 

　　舉例說來，F(xiàn)AIR 在 ICLR 2017 會議上有16篇論文被收錄，其中3篇被錄為 Oral（即非常杰出的論文）。

 

　　谷歌大腦今年在 ICLR 上被收錄的論文實際上比 FB 還稍微多一些，有20篇，其中4篇被錄為 Oral。

 

　　這還不包括 Deepmind 或谷歌其他團隊（搜索團隊、VR、Photos團隊等）的論文。雖然比較被接收的論文數(shù)量不是很好的指標，但我想消除那些暗示谷歌大腦不是深度學(xué)習(xí)研究的好地方的說法。

 

　　谷歌大腦也是擁有很強協(xié)作靈活性的產(chǎn)業(yè)研究組織。我想世界上沒有其他企業(yè)或研究機構(gòu)同時與伯克利、斯坦福、CMU、OpenAI、Deepmind、Google X 以及谷歌內(nèi)部的無數(shù)產(chǎn)品團隊在進行合作。

 

　　我相信在不久的將來，谷歌大腦能夠升到第一梯隊。我個人有接到谷歌大腦和 Deepmind 的 offer，并選擇了前者，因為我覺得谷歌大腦能給我更多靈活性來設(shè)計自己的研究項目，并且與谷歌內(nèi)部的其他團隊的合作更緊密，而且我加入了目前還不能公開的一些非常有趣的機器人項目。

 

　　梯隊3． Facebook

 

　　FAIR 的論文很強，在我印象中他們重點關(guān)注的是語言領(lǐng)域的問題，例如問題回答，動態(tài)記憶，圖靈測試，等等。偶爾他們也會發(fā)一些統(tǒng)計學(xué)、物理學(xué)和深度學(xué)習(xí)結(jié)合的論文。他們在計算機視覺方面也很強。不過除了他們的聲譽非常好之外，我對 FAIR 了解不多。

 

　　由于 TensorFlow 的廣泛采用，F(xiàn)AIR 幾乎已經(jīng)輸?shù)袅松疃葘W(xué)習(xí)框架方面的競爭，但 Pytorch 是否能奪回市場份額值得觀察。

 

　　梯隊4． OpenAI

 

　　OpenAI 的成員陣容很強大：Ilya Sutskever（全面的深度學(xué)習(xí)牛人），John Schulman（TRPO的發(fā)明者，碩士方向是策略梯度），Pieter abbeel（機器人學(xué)），Andrej Karpathy（Char－RNN，CNN），Durk Kingma（VAE 的發(fā)明者之一），Ian Goodfellow（GAN 的發(fā)明者），等等。

 

　　盡管 OpenAI 是一個只有約50人的小團隊，但他們有一個頂尖的工程團隊，研發(fā)一流的、真正有用的研究工具，例如 Gym 和 Unverse。他們也通過提供以前只有大科技公司能用的軟件，為更多研究團體提供幫助。這也為其他公司增加了壓力，使得他們開始開源代碼和工具。

 

　　我差點想把 OpenAI 列為第一梯隊，因為在擁有頂級研究人員方面他們不輸 Deepmind，但他們成立不久，尚沒有經(jīng)歷足夠長的時間來證明這一點。他們也還沒有發(fā)布與 AlphaGo 相當?shù)某晒m然我認為 Gym 和 Universe 對研究社區(qū)的意義非常重要。

 

　　作為一個所有基礎(chǔ)設(shè)施都完全從頭建起的小型非盈利研究團隊，他們沒有像大科技公司那么多的 GPU 資源、機器人或軟件基礎(chǔ)設(shè)施。擁有大量算力對研究，甚至對一個人能夠想到的點子產(chǎn)生很大影響。

 

　　初創(chuàng)公司很艱難，我們可以觀察他們在未來幾年是否能夠繼續(xù)吸引頂尖的人才。

 

　　梯隊5． 百度

 

　　百度 SVAIL 和百度深度學(xué)習(xí)研究院是做 AI 研究的很好的地方，他們正在開發(fā)許多有前景的技術(shù)，如家庭助理，盲人助理，自動駕駛汽車等。

 

　　雖然百度存在很多問題，但他們絕對是中國研究AI最厲害的企業(yè)。

 

　　梯隊6． 微軟研究院

 

　　在深度學(xué)習(xí)的革命之前，微軟研究院曾經(jīng)是最負盛名的地方。他們的成員中多為多年 AI 研究經(jīng)驗的教授，這可能也解釋了為什么他們錯過了深度學(xué)習(xí)（因為深度學(xué)習(xí)的革命主要是由博士生們驅(qū)動的）。

 

　　而且，他們幾乎所有的深度學(xué)習(xí)研究都是在 Linux 平臺上進行的，他們的深度學(xué)習(xí)框架 CNTK 得到的關(guān)注不及 TensorFlow，torch，Chainer 等。

 

　　梯隊7． 蘋果

 

　　蘋果在招攬人才方面確實有些艱難，因為研究人員通常都想公開出版自己的研究成果。蘋果也做一些產(chǎn)品驅(qū)動的研究，但這無法吸引哪些想要解決通用 AI 問題的研究人員，或那些希望自己的研究成果被學(xué)術(shù)圈關(guān)注的研究者。我認為他們的設(shè)計根基與研究有很多相似之處，尤其是涉及創(chuàng)造力時，但我也認為發(fā)布新產(chǎn)品對長期的基礎(chǔ)研究會是一種阻礙。

 

　　我認識一位 IBM Watson 項目的前成員，他把 IBM 的“認知計算工作”描述為完全是一場災(zāi)難。這個項目由管理層推動，但這群人完全不懂機器學(xué)習(xí)能做什么，不能做什么，只是拿這個熱詞做賣點。Watson 使用深度學(xué)習(xí)做圖像理解，但是據(jù)我所知，它的信息檢索系統(tǒng)的其余部分并沒有真正用到最新的深度學(xué)習(xí)技術(shù)?；旧希艺J為IBM是在瞎搞，對初創(chuàng)企業(yè)來說，在二級市場有很多應(yīng)用機器學(xué)習(xí)的機會。

 

　　備注

 

　　說實話，所有上述公司（也許除了IBM之外）都是做深度學(xué)習(xí)研究的好地方，而且鑒于開源軟件和現(xiàn)在整個領(lǐng)域的快速發(fā)展，我不認為有任何一家科技公司在“領(lǐng)導(dǎo) AI 研究“。

 

　　我對深度學(xué)習(xí)研究者的建議是找到一個你感興趣的團隊／項目，不用管別人對聲譽的評價，而且專注于將工作做到最好，讓你所在的機構(gòu)成為AI研究的佼佼者。

 

　　如何評價蘋果、微軟、谷歌和Facebook之間的人工智能實力？LeCun 的回答

 

　　關(guān)于這一點，我的立場讓我無法做出公平的回答，但有幾點我可以說一下：

 

　　蘋果不是人工智能研究圈子里的玩家，因為他們的公司文化很隱秘。你不可能在隱秘的氛圍下做前沿研究。不發(fā)表則算不是研究，頂多也就是技術(shù)進步。

 

　　微軟一直都在做一些很好的工作，但有很多人才都在從微軟流向Facebook和谷歌。微軟過去做了一些很厲害的語音相關(guān)的深度學(xué)習(xí)研究（2000年左右在手寫識別方面取得了很好的成果）。但從他們最近的一些項目可以看出，微軟研究院的目標相比FAIR或DeepMind要遜色很多。

 

　　谷歌（具體是Google Brain等研究組）無論是在深度學(xué)習(xí)產(chǎn)品還是服務(wù)方面都可以算是領(lǐng)先的，因為谷歌在這方面起步最早。他們在基礎(chǔ)設(shè)施（比如TensorFlow和TPU）上有很多積累。但谷歌 AI 研究的關(guān)注點是應(yīng)用及產(chǎn)品開發(fā)，而非長期 AI 研究。證據(jù)就是Google Brain 的一些頂尖研究人員離開了那里，去了DeepMind、OpenAI，或者到了FAIR。

 

　　DeepMind 在基于學(xué)習(xí)的 AI（learning－based AI）方面一直都做得很好。他們的長期目標跟FAIR的有些類似，研究的課題重合度也挺高：無監(jiān)督／生成模型，規(guī)劃（planning）、RL、游戲、記憶增強網(wǎng)絡(luò)、差分編程（differentiable programming）。DeepMind的一個問題在于，他們從地理位置和組織結(jié)構(gòu)上都遠離谷歌（Alphabet）。這樣就不太方便為其所有者盈利，不過他們現(xiàn)在看來做得挺好的。

 

　　Facebook的人工智能研究所FAIR成立于2．5年前，在這么短的時間內(nèi)在業(yè)界樹立起自身領(lǐng)導(dǎo)者的地位。我自己都為FAIR能吸引這么多世界頂尖AI研究員而感到震驚（FAIR有60多個研究員和工程師，現(xiàn)在分布在紐約、Menlo Park、巴黎和西雅圖）。同樣，我也為我們在過去兩年半時間里取得的成果感到震驚。我們的目標遠大，在FAIR我們從長期著眼，在公司里也有一定的影響力，因此存在不會受質(zhì)疑（不出成果）。最關(guān)鍵的，我們非常開放：我們所有的研究員一年都會發(fā)表多篇論文。沒有什么比看見一位前景大好的研究員加入一家不那么開放的公司或者一家初創(chuàng)企業(yè)，然后從研究圈子里消失更令人當頭一棒的了。