「谷歌Facebook稱霸AI全息戰圖」一圖看懂全球AI巨頭實驗室布局

新智元原創

在最近的 Google I / O 大會上，Google首席執行官 Sundar Pichai 強調，公司正在從 mobile-first 轉向 AI-first。這在實踐中意味著什麼呢？本文仔細研究了體現這一原則的2個最先進的組織，Google 和 Facebook，以了解它們圍繞 AI 的組織結構。

無論你屬於哪個公司,都可以從這兩個範例得到啟發，設計自己的 AI-first 組織。

一個 AI-first 的組織是很複雜的。它有多個連接層，多個集中化（研究中心）或分散化（確保每個團隊充分利用AI的可能性）的部門。這在專門技術人員的分布上是顯而易見的：從AI科學家到產品經理都具有廣泛的AI技能。

AI-first 的組織體現在各個方面：不僅是團隊，還有內部軟體平台，開源項目和最終提供的服務。

在 AI-first 的組織中，技術能力最強的專家不僅要創造突破性的研究項目或開發新技術，還要領導團隊內部的培訓工作。AI-first 的組織本質上是靈活的：他們的目標是進行更多的利用AI的實驗，同時加快部署的速度和提高拓展成功案例的能力。

地表最強：Alphabet 的「登月工廠」

1. 谷歌大腦

谷歌大腦，創建於2011年，遵循的這樣一條簡單的原理：人工的」神經網路「能通過試錯，來熟知世界，正如嬰兒所做的那樣，這將為機器帶來一些像人一樣的靈活性。其目標是：創造更智能的軟體和系統，從而改善人的生活。

Jeff Dean：谷歌大腦的「大腦」

Jeff Dean 的頭銜是高級研究員（senior fellow），實際上確實谷歌大腦的大腦。Dean 身材消瘦，瘦長的臉上眼窩深陷，透露著一股熱誠。作為醫學人類學家和公共衛生流行病學家的兒子，Dean 從小週遊世界——美國的明尼蘇達州、夏威夷、波士頓、阿肯色州，此外日內瓦、烏干達、索馬利亞、亞特蘭大等地，他在高中和大學期間寫的軟體被世界衛生組織拿去用。他 25 歲左右，也就是 1999 年以來就一直在 Google 工作，從那時起，他在幾乎參與了開發所有重大項目的核心軟體系統。關於他的種種傳說 Jeff Dean Facts 在公司里成了一種文化。

2011 年初的一天，Dean 遇到了吳恩達，那時候吳恩達還是斯坦福計算機科學教授，是谷歌的顧問。吳恩達告訴了 Dean 他自己幫助在谷歌內部建立的一個項目——Project Marvin（以著名的 AI 先驅馬文·明斯基命名），用於研究「神經網路」，模仿人類大腦結構的數字網格。Dean 1990 年在明尼蘇達大學讀本科時也做過類似技術的原始版，當時那段時間神經網路還算流行。現在，在過去的五年中，從事神經網路研究的學者數量已經開始再次增長，從很少幾個到幾十個。吳恩達告訴 Dean，由谷歌 X 實驗室支持的 Project Marvin 已經取得了一些好的結果。

Dean 對這個項目很感興趣，於是拿出他 20% 的時間參與進來——每個 Google 員工都要拿出 20% 的時間從事自己核心業務以外的工作。很快，Dean 建議吳恩達邀請有神經科學背景的同事Greg Corrado 加入，那時候 Corrado 聽說過人工神經網路，但了解不多。後來，吳恩達最好的一個研究生 Quoc Le 也作為項目的第一個實習生加入了團隊。到那時，一些 Google 工程師開始用 Google Brain 稱呼 Project Marvin。

Dean、Corrado 和吳恩達（兼職）開始合作，立即就取得了進展。他們從最近的理論大綱以及自20世紀80年代和90年代的想法中吸取靈感，並利用谷歌無與倫比的數據儲備和龐大的計算基礎設施。他們將大量「標記」數據輸入網路，計算機的輸出不斷改進，愈發接近現實。

Google Brain 成立的第二年，Geoffrey Hinton 加入了，而吳恩達則離開。Hinton 當時只想離開多倫多大學在谷歌待三個月，所以由於各種原因，谷歌不得不被聘他為實習生。

谷歌大腦目前的研究領域起碼有7個：

• 機器學習演算法和技術

• 用於機器學習的計算機系統

• 自然語言理解（NLU）

• 感知

• 醫療

• 機器人

• 音樂與藝術生成

2016年年底，谷歌大腦負責人Jeff Dean在曾公開過一份谷歌大腦的」年度總結」，他在總結里寫道：

在ICML，NIPS 和 ICLR 等頂級國際機器學習會議發表論文，是評價我們的研究的重要手段。去年，我們的團隊共有27篇論文被這些會議接收，涵蓋的主題十分廣泛，包括程序綜合（program synthesis），網路間知識轉移（knowledge transfer from one network to another），機器學習模型的分布式訓練（distributed training of machine learning models），語言生成模型（generative models for language），機器人無監督學習（unsupervised learning for robotics），自動定理證明（automated theorem proving），更好的理論理解神經網路（better theoretical understanding of neural networks），改進強化學習的演算法（algorithms for improved reinforcement learning），以及其他。

我們還有許多其他論文在自然語言處理（ACL，CoNNL），語音（ICASSP），視覺（CVPR），機器人（ISER）和計算機系統（OSDI）領域會議被收錄。團隊還向CLR 2017年提交了34篇論文，這是一個最前沿的深度學習研究頂級會議。

在上面的信息圖表上，我們可以看到，從功能上看，谷歌大腦的基礎設施包括，大規模、分布式（數百萬台伺服器）的硬體和軟體架構，其中為AI任務定製的專有晶元，即TPU（張量處理器）也屬於谷歌大腦。

另外，著名的開源框架TensorFlow也是來自谷歌大腦。TensorFlow 是一個用於機器學習任務的開源軟體庫，源自谷歌內部的項目。從2015年開源以來，TensorFlow 已經成為開源社區上最受歡迎的深度學習軟體框架。

谷歌大腦成員

谷歌大腦擁有世界一流的研究員，在其公開的名單上，我們看到了Jeff Dean、Geoffrey Hinton、Ian GoodFellow、Quoc Le、Hugo Larohelle等名字。

谷歌大腦中的華人研究員：

2. 谷歌 NLU

顧名思義，Google NLU 是專註於自然語言理解的團隊。但是比較意外的是，這個團隊與谷歌大腦是並列存在的關係。足以看到自然語言理解對於谷歌整個公司的重要性。在其官網上用大字寫著這樣一句話：

「Understanding language is the holy grail of machine learning」

- John Giannandrea, Google Senior Vice President

理解語言是機器學習的聖杯。——谷歌資深副總裁 John Giannandrea

團隊包括多個研究小組，致力於一系列自然語言理解（NLU）項目。與谷歌內部其他團隊緊密合作，利用有效的演算法，神經網路，圖模型和概率模型來幫助產品開發。在這樣的過程中，Google NLU團隊能夠與用戶進行溝通，找到用戶問題的答案，為開發者分析app商店的評論等。

研究人員是傳統自然語言處理和機器學習的專家，並能將方法論研究與應用科學相結合。所有的NLU工程師都參與長期的研究工作，並推動技術的即時應用。系統也受益於谷歌的語言學家，他們提供有價值的標籤數據，並有助於國際化。

Google NLU團隊的最新研究興趣包括句法，語篇，對話，多語言建模，情緒分析，問答，概述，以及使用有標記和未標記的數據，最先進的模型和間接監督來構建更好的學習系統。

谷歌NLU成員：

團隊成員：在公開的14名谷歌NLU團隊成員介紹中，沒有看到一名華人。

SyntaxNet

谷歌NLU目前公開的最重要的成果就是被稱為「世界準確度最高的自然語言解析器SyntaxNet」。這是一個基於TensorFlow的自然語言理解神經網路。谷歌在該平台上訓練的模型的語言理解準確率超過90%。

SyntaxNet是一個框架，即學術圈所指的SyntacticParser，他是許多NLU系統中的關鍵組件。在這個系統中輸入一個句子，他會自動給句子中的每一個單詞打上POS（part-of-Speech）標籤，用來描述這些詞的句法功能，並在依存句法樹中呈現。這些句法關係直接涉及句子的潛在含義。

2016年10月，谷歌宣布，將SyntaxNet開源。谷歌資深研究科學家Slav Petrov在Google Research的博客上寫到：在谷歌，我們花費了大量的時間在思考，計算機系統如何才能閱讀和理解人類語言，以一種更加智能的方式處理這些語言？今天，我們激動地跟大家分享我們的研究，向更廣闊的人群發布SyntaxNet。這是一個在TensoFlow中運行的開源神經網路框架，提供自然語言理解系統基礎。我們所公開的包含了所有用你自己的數據訓練新的SyntaxNet模型所需要的代碼，以及Paesey McParseface——我們已經訓練好的，可用於分析英語文本的模型。

3. 谷歌歐洲研究院

這支團隊專註於3個研究領域：

• 機器學習

• 自然語言理解

• 機器感知

地址：Zurich

Google Research Europe 是Google在蘇黎世辦公室建立的研究團隊，軟體工程師和專門從事機器學習的研究人員在這裡開發產品並進行研究。致力於解決一系列計算機科學的挑戰，主要集中在以下幾個方面：

機器學習：深入理解深度學習的理論基礎，目標是加快構建和部署端到端學習系統的速度。

自然語言理解（NLU）：和Google Assistant團隊合作，Google Assistant是十分依賴對自然語言進行語義理解，以及使用自然語言提供答案的能力的產品。

機器感知：使用計算機視覺技術和機器學習來獲取對圖像和視頻的語義理解，並最終構建「常識」知識。

數據壓縮：數據壓縮團隊構建，開源，並幫助有損和無損壓縮方法的標準化，以提高空間利用率，加快網頁載入速度。

4. DeepMind

DeepMind 是谷歌的子公司，專註於一個具體的AI方法：深度強化學習。總部位於倫敦，2010年成立，在2014年被谷歌以4億英鎊收購。被收購後，DeepMind的運行保持獨立。

DeepMind的研究目標是通用人工智慧，共有三名聯合創始人：Demis Hassabis、Mustafa Suleyman 和 Dr Shane Legg。

關於DeepMind，最知名的項目莫過於AlphaGo——擊敗了世界冠軍李世石和柯潔的AlphaGo被視為人工智慧歷史上的里程碑，也被認為是新一輪人工智慧的標誌性事件。

DeepMind 科研實力非常強，以下是2016年DeepMind拿下的頂會最佳論文：

DeepMind其他的落地項目包括智能醫療和數據中心的能源消耗節省。

7月5日，DeepMind表示，將在加拿大埃德蒙頓開設第一家AI研究中心，該研究中心將與加拿大阿爾伯塔大學緊密合作。這是DeepMind在英國之外的地方開設的首個AI研究實驗室。該實驗室已經聘請三名阿爾伯塔大學的教授作為負責人，分別是 Rich Sutton，Michael Bowling 和 Patrick Pilarski，三人將仍保持在大學的職務。其中 Rich Sutton 是強化學習領域的先驅，並且從2010年起一直擔任 DeepMind 顧問。

5. 機器學習忍者項目

從谷歌內部團隊挑選有天賦的約20名程序員，為期6個月的人工智慧人才培養項目。與谷歌大腦有合作關係。

6. 工程師團隊

谷歌25000名工程師中，有數以千計的人熟練掌握機器學習。

7. 應用

Google的利用AI的服務包括：谷歌雲機器學習API、翻譯、Waymo（前谷歌無人車部門，現在是Alphabet子公司）、Inbox 等

Facebook 的 AI-first 架構

Facebook的人工智慧架構與谷歌的有很大的不一樣。主要有兩個核心部門：

著名的AI 研究院（FAIR）和工程團隊。AI 研究院背後，還有一個組織：應用機器學習部門。而工程團隊則直接負責對接到Facebook的核心功能，比如廣告、搜索、新聞流、密鑰和Instagram。

這兩個部門聯合做了一個名叫「Facebook AI 學院」的組織。

Facebook 人工智慧實驗室和應用機器學習（Applied Machnie Learning）有著共生的關係。Facebook 部署的很多人工智慧產品，都是在 AML、FAIR 和產品部門的合作下完成的。

AML 由 Joaquin Quinonero Candela 領導，它的官方職務是應用機器學習的工程總監。

根據FAIR的負責人LeCun 介紹，FAIR 和 AML 都會做研究以及工程驅動的開發。我會說 FAIR 把 75% 的精力投入到研究，25% 的精力放在了工程上。而 AML 也許是 75% 的工程，以及 25% 放在了研究上。FAIR 和 AML 的分界線是特意模糊的。有些人在兩個組織里腳踩兩隻船。他們是 FAIR 年輕的工程師們，我們把他們稱為「研究工程師」，他們和研究科學家一起做研究項目。而當這些項目從研究階段到開發時，有些研究工程師會選擇跟隨他們的項目到開花結果，這樣就會進入到 AML 團隊。這是非常好的方法，把最先進的技術從研究狀態散播出去。

關於Facebook的研究分布，我們在官網找到了更為詳細的介紹：

在官網上可以看到，Facebook與AI相關的研究包括：應用機器學習部門、計算機視覺、人工智慧實驗室、人機交互和自然語言處理5大分支。

1. Facebook人工智慧實驗室(FAIR)

FAIR 是 Facebook 的AI基礎研究實驗室，目標是推動機器智能領域的進步。這是Facebook 人工智慧技術的核心部門。

人數：約70人

地址：Menlo Park (CA), NYC, Paris

查閱官網，新智元了解到，FAIR 目前總人數為76人，其中華人學者約10名，其中包括較為知名的何愷明和田淵棟。

2. 工程團隊

工程團隊則直接負責對接到Facebook的核心功能，比如廣告、搜索、新聞流、密鑰和Instagram。

3. FBLearner Flow 平台

FBLearner Flow是「Facebook研發基於AI的產品的支柱」。這個平台能幫助任何工程師輕鬆地開啟和管理機器學習實驗，而無需處理硬體基礎架構。

• FBLearner Flow 平台在2014年年底啟動，先是在FAIR內部研究，後轉交給 AML 團隊。

• Fb全部工程師中有25％使用FBLearner Flow 平台，其中70％是非AI專家。

• FBLearner Flow 平台每月運行約120萬的實驗。

4. 應用機器學習部門(AML)

將機器學習應用到 Facebook 的產品：AML是科學突破與產品使用連接起來的部門。

包括4個主要團隊：

• 核心機器學習（通用），

• 計算攝影

• 語言技術

• 自動語音識別

人數：約75人

地址：Menlo Park (CA)

Facebook 的另一個獨立 AI 小組 Language Technology 團隊，專註於開發翻譯、語音識別和自然語言理解。FAIR 在 LeCun 的想法里，是推動 Facebook 人工智慧實驗的地方，而 Language Technology（在應用機器學習（Applied Machine Learning 的保護傘下），是部署實際軟體的地方。

5、 Facebook AI 學院（Faceboo kAI Academy）

FAIR 是 Facebook 的人工智慧實驗室，FAIR 的研究人員為 Facebook 的工程師們提供兩種類型的 AI 培訓：1. 深度學習課程；2. 在FAIR 內部參與1~2年沉浸式項目。

6. Lumos

Lumos 是構建在 FBLearnerFlow 之上，專用語圖像和視頻理解的AI平台。首次披露實在2016年11月。

結語

谷歌和Facebook都是國際領先的互聯網巨頭，在AI的研究和產品應用上也走在了前列。但是具體看來，也可以看到，谷歌的AI的研究部門設置和部署更多以技術為核心，但是Facebook更看重具體AI 技術與實際產品應用匹配度。這與兩家公司所關注的方向和地位有著緊密的關係。

目前，國內眾多互聯網公司，包括BAT在內，都設置了自己的人工智慧實驗室。以上的挖掘，希望能為大家提供一個參考。

【完】

點擊「閱讀原文」查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！