Yann LeCun卸任FAIR，或將成為AI泡沫破滅的先聲
YannLeCun卸任事件：學術與工程難以調和的矛盾
熟悉人工智慧的人一定聽說過YannLeCun這個名字。YannLeCun是目前基於深度神經網路的人工智慧的先驅者之一。作為紐約大學（NYU）的教授，LeCun對於深度學習的貢獻功不可沒——在大家還沒真正意識到卷積網路（CNN）的威力時，LeCun就提出了擁有5層網路的LeNet；在大家意識到卷積網路好用，開始躍躍欲試時，LeCun就意識到了深度學習需要在硬體層面進行優化，於是在2011年提出了NeuFlow深度學習加速器，比目前如火如荼的AI晶元早了整整6年。更重要的是，LeCun教授在學術圈和公眾領域都是深度學習的重要佈道者，可以說目前深度學習的火熱離不開LeCun的貢獻。也因為他在人工智慧界的崇高聲望，2013年扎克伯格親自請LeCun加入並組建FacebookAI研究中心（FAIR）。
在數年經營之後，FAIR已經成為了全球知名的AI研究機構，可是就在幾天前，LeCun卻宣布離開FAIR的管理崗位，並將轉任Facebook的首席AI科學家（Chief AI Scientist）。在聲明中，LeCun表示目前FAIR和Facebook的應用機器學習部門（Applied Machine Learning，AML）將由Facebook的新VP Jerome Pesenti來統籌管理，而自己將把重心移到AI科研以及AI戰略方向上。
結合上述聲明以及最近Facebook嘗試使用AI管理新聞信息流失敗最終不得不換回傳統人工監管的新聞，我們可以看出Facebook這次這位調整的原因是希望能把AI更加工程實用化而非僅僅是研究項目，因此選擇了具有更多業界工程經驗的Pesenti來負責統籌管理整體AI研發努力。事實上，Facebook近年來的AI研究雖然捷報頻傳，但是真正落地讓大眾記住的並不多。Facebook的Caffe2技術並不差，但是其開發者生態比起Google的TensorFlow來說差距很大；Facebook在深度學習文本轉換領域發布了多篇重量級論文，但是目前尚未看到大規模落地應用；機器學習在Facebook目前最大的應用是好友推薦和信息流推薦，結果還鬧出了信息流推薦無法識別假新聞的爭議。可以想像，Facebook對於人工智慧在經過多年來投入後，目前對於其研發成果早日落地的渴求是相當急切的，尤其是看到其他競爭對手和不少初創公司都找到了好應用把AI變現的時候。LeCun雖然是人工智慧領域的旗幟人物，但是他的聲望主要來源於學術研究，而他在AI技術落地實用化方面的能力恐怕目前跟不上公司節奏。可以說這次LeCun的崗位調換是一件雙贏的事情，對於LeCun來說告別了日常運營事物的重擔他可以專心於前沿研究，而對於Facebook來說則是啟用了一個能更好把AI研發成果轉化為實際產品的管理者，能更好地在AI技術競爭中佔據主動位置。
AI大躍進時代的終結
一葉知秋。LeCun的職務變動雖然只是一次正常的調整，但是它卻預示著業界對於人工智慧團隊的評價標準從充滿浪漫想像的「是否能有黑科技」慢慢轉變成了更腳踏實地的「能否在近期帶來商業價值」。這也標誌著前兩年AI大躍進式的發展模式正在接近尾聲。
對於前兩年AI業界的瘋狂，想必大家都印象深刻。深度學習成為業界主流是從2012年AlexNet開始，但是基於深度學習的人工智慧真正成為資本風口並進入大眾視野，卻是要從2015年AlphaGo在曾被人們認為「人工智慧永遠無法戰勝人類」的圍棋領域成功挑戰人類頂尖職業棋手開始，並且在2016年AlphaGo戰勝了圍棋世界冠軍李世石時達到了高潮。互聯網巨頭和在風險投資支持下的初創公司都競相爭搶人工智慧相關人才打造自己的團隊，並開始了技術上的狂飆突進。就拿移動端AI晶元硬體來說，2016年初算力為0.06TOPS的Eyeriss在當時性能已是無人能敵，但到了2017年算力低於1TOPS的晶元已經不好意思拿得出手，到了2018年則是不少初創公司都在發布10TOPS算力等級的移動晶元了。這一年十倍的算力推進速度連摩爾定律都自嘆不如！在當前社會，突飛猛進的技術領域一定會有大量資本湧入，而資本湧入則不可避免地帶來了泡沫。AI大躍進式的發展到了今天，有兩個風險因素可能會導致泡沫隨時破滅：
第一個風險因素是不少AI相關公司過於重視科研和技術，輕視技術落地。當AlphaGo戰勝李世石的時候，世人對AI的發展產生了極其樂觀的預期。在這種樂觀預期的驅動下，科技巨頭和資本想的都是先快速佔據技術高地，至於相關技術如何落地轉換成商業價值反倒成了次要因素。在這種思路的驅動下，AI學術界的精英就成了諸多團隊最稀缺的資源，無數公司都以團隊中PhD比例高、論文發表質量高作為自己的強項。殊不知，公司並非科研機構，其存在的目的就是要盈利而非發表高質量論文。事實上，從學術研究到真正技術落地成為產品之間的距離相當遙遠，並且需要一整個團隊（包括定義產品的產品經理，做工程實現的工程師以及提供理論指導的研究人員等等）艱苦奮鬥才能完成；甚至在技術真正成為產品後也並不代表著成功，而是需要銷售和市場人員把產品真正成功賣出去才行。只重視開發「黑科技」但是卻忽視產品、銷售和市場將成為許多公司失敗的根本原因。
第二個因素是資本的短視性和逐利性。有人稱2018年將會成為AI初創公司的期中考試，因為在2015-2017年這個時間段進行早期融資（seed，A輪）的公司到了2018年有很大一部分要進入下一輪融資（B輪）的過程了。早期融資通常只看公司技術的技術前景，而在資本對於AI有極其樂觀預期的幾年前，抱著「寧可錯殺一千不可放過一個」的指導思想，資本往往願意按照非常高的估值給初創公司注資；但是到了B輪時，公司收入將會成為能否獲得資金支持的重要因素。如前所述，初創公司過於重視技術而不注重落地將會導致公司難以拿到收入，從而讓這些早期融資時拿到高估值的公司難以維持估值甚至因資金鏈斷裂而關門。切記，許多追逐風口的資本只會錦上添花，而不會雪中送炭——當他們發現不少AI初創公司在商業上遇到困難收入不及預期時，他們想的不是再支持一把共渡難關而是如何及時止損把錢去投下一個風口（比如，區塊鏈）。而一旦資本逃離，就會造成泡沫進一步破滅。
當泡沫散去，AI才能顯現真正價值
然而，泡沫破滅從長遠來看，對AI產業界來說是利大於弊的。
首先，任何一個產業想要健康發展，都必須遵循一定的規律和模式。對於AI來說也是一樣。產業過熱，往往會讓它發展的動作變形。對於AI產業來說，這樣的「動作變形」包括過於重視研發而忽視實際商業落地能力，甚至為了滿足資本的想像而去研究離實用還非常遙遠的強人工智慧。這樣的動作變形會導致資源的錯配，而且是不可持續的，可以說是有害無益。只有當泡沫散去，AI產業才會找到它最優化的發展路徑，才能最好地分配資源，把高大上的技術真正落實到日常產品並帶來公司利潤，從而走上健康發展的軌道。
其次，當熱錢退場，真正專註於AI行業的投資機構才能彰顯其價值，AI公司終將發現，只有在歷經繁華後仍然守在身邊的投資人才是真愛。到那個時候，整個AI行業的初創公司和投資生態將會趨於正常化，從中也將會誕生偉大的公司。正如Google真正崛起是在互聯網泡沫破滅之後，我們也預期在AI泡沫破滅之後，還是會出現偉大的AI公司。
結語
LeCun的離職事件或將成為AI初創公司和投資的泡沫破滅的序曲，過於重視研發而輕視商業落地的模式是不可持續的。然而，泡沫破滅將會是AI產業走向成熟的標誌，而真正有商業化能力的AI公司在渡過泡沫破滅的陣痛後，必將迎來更美好的明天。
TAG:矽說 |