「Google只認錢！機器學習20年沒進步」，CMU學者炮轟AI第一大廠

問耕 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

「機器學習是一個了不起的工程成就。但這不是科學，遠遠不是。」

「這技術現在所做的事情，跟1990年沒什麼差別，頂多就是規模更大，但並沒有給我們帶來比20年前更深刻的見解。」

「Google比很多大學厲害，唯一的原因是他們的每個研究人員，能夠比別人多僱傭十倍以上的研究生。」

「在Google，一切都是商業計劃。」

「你會身處機器學習的最前沿，但，這只是一個工程學科。所有的基本目標都是大公司設定的，你不可能成為一名科學家。」

這幾天，一位耿直的CMU學者Simon DeDeo，在在Twitter上猛烈炮轟Google Brain團隊，對營利性機器學習行業展開嘲諷。（其實也順便無情抨擊了Facebook的研究機構。）

他批評這些大企業專註人工智慧，只是為了獲取更多的錢、利潤，而不是為了推動科學的進步。這些觀點引發了廣泛關注。

用著名媒體TNW的話來說，這是一場史詩級的討論。

贊成和反駁之聲齊飛。但身處暴風中心的Google AI負責人Jeff Dean沒有發聲。不過，Facebook的首席AI科學家Yann LeCun站了出來。

開炮

事情的起因是這樣的。

本來一堆人（又）在批評Facebook。或曰Facebook應該拆分，包括WhatsApp、Instagram等，不應都在扎克伯格一手掌握之中。

討論過程中，Simon DeDeo說AT&T和Facebook最大的區別是：貝爾實驗室發明了C語言、UNIX、晶體管、量子霍爾效應、宇宙微波背景輻射等；而Facebook Research發明了讓你上癮社交網路的新方法。

聽聞這話，有人插嘴問說：你批評了Facebook的研究機構，那你怎麼評價Google Brain，或者其他科學家雲集的實驗室？

就是這麼一問，樓歪了，人炸了。

Simon DeDeo本尊

Simon DeDeo彷彿是清了清嗓子，說：既然問起來，那就說點真話。畢竟。我不需要Google的贊助，我的職業生涯也不用巴結他們。

隨後，他繼續連發了30多條推文，組成一篇檄文。主要說了這些話：

我在貝葉斯時代長大。那時科學家們用一些簡單、理論驅動的方程改變著我們對世界的看法。後來我也以此為標準。

2010年左右，深度學習變得不可忽視。

這令人興奮。我們在研究所里聽到訪者講解決策樹、隨機森林等等各種其妙的事情。我也嘗試用過這些新方法，但老實說，它們吸引力不大，因為其他更簡單的工具就能勝任非常非常多的任務。

後來我加入印第安納大學，當時我們熱切希望招到一個搞深度學習的人。我帶所有的應聘者去吃早餐，想搞明白深度學習到底是什麼。

基本結論就是：沒什麼什麼好答案。不管你搞什麼，基本就是一個人坐在那裡，各種調整參數。

機器學習是一個了不起的工程成就。但這不是科學，遠遠不是。這技術現在所做的事情，跟1990年沒什麼差別，頂多就是規模更大，但並沒有給我們帶來比20年前更深刻的見解。

Google比很多大學厲害，唯一的原因是他們的每個研究人員，能夠比別人多僱傭十倍以上的研究生。但大學裡的研究更有學術意義。

他們不知道自己在做什麼。Google有足夠的人力把深度學習應用於一切的一切，目標就是找到可以產生最大影響力的領域。

我訪問過大約50所大學，所到之處皆有新收穫。而當我到訪企業的「研究」實驗室時，情況完全不同。

你能在Google Brain搞一些很酷的研究么？老實說，不能。你會身處機器學習的最前沿，但，這只是一個工程學科。所有的基本目標都是大公司設定的，你不可能成為一名科學家。

如果你想構建一個監控別人，並且向他們推銷更多廣告的機器，那你就去企業的實驗室吧。

如果你想賺錢，那裡可以掙很多。在學術界不行。

但如果你的思想和靈魂，想成為推動人類智慧進步的動力，你最好別去Google，當然更別去Facebook了。

我建議你來學校讀研，成為一個博士。你不會得到豐厚的收入，但會得到真正關心你的導師。

一個優秀的博士生導師，不會幹涉學生的所思所想，這是可恥的。而在Google，一切都是商業計劃。

這不是開玩笑。是我的十年經驗總結。秋天又該開始新的研究生入學申請了，建議你好好想想自己何去何從。

最後說個故事。我們之前訪問了Google Research，那裡的人聰明的不可思議。我們一起頭腦風暴出了好多精彩的學術研究思路。會面的最後一天，高校的學者說：OK！我們去酒吧，再具體討論一下！

Google的人說：這幾天對我們來說相當於度假，手上的實際的工作已經落下了，這個周末必須加班趕工。

是的，聊聊學術對他們來說，就像一個假期。

反擊

這一塊大石頭，激起了千層浪。

Oren Etzioni，艾倫人工智慧研究所（AI2）的CEO，評價說：DeDeo的炮轟把事情簡單化了，而且充斥冒犯，但也的確發人深省。

「有意思。不少人都持有這種鮮明而挑釁的言論。他們錯得很有意思。」一位身在Google Brain的訪問學者Charles Sutton反駁說。隨後，他繼續為「工程」兩個字辯護，並指出機器學習亦有諸多進步。

在reddit上，網友們也展開熱議。

有人說，DeDeo只是在Google Research里遇到一些不以研究為導向的人，並據此對所有工業界的實驗室進行了概括。然後以DeepMind為例說明，只有Google這樣的企業，才能花錢押注幾十年後的技術。

網友jbcraigs也持反對意見。他說Google有大量的部分都在做純粹的學術研究，從2013年以來，Geoffrey Hinton一直為Google工作，沒有「領導」告訴他應該研究什麼，其他Google的研究人員也是如此。

有人很疑惑：企業投入巨資進行基礎研究的動機是什麼？

「其中一個重要因素是PR。企業到了一定規模，支持10名學者隨意展開研究的成本幾乎微不足道，但卻能吸引更多的人才，提高自身的聲譽。」網友NichG從這個角度給出了自己的看法。

儘管外界的爭議沸沸揚揚，但Google AI（包括Google Research）的負責人Jeff Dean目前仍未作出任何回應。

倒是Facebook的首席AI科學家Yann LeCun，按捺不住反擊了下。他對DeDeo說：

你被嚴重誤導了。

沒錯，Google Brain很多工作都是專註工程和應用。

但是，FAIR、DeepMind以及很多Google Brain面向研究的部門，的的確確在進行實際的科學研究。

其實，以上這種工程和學術的爭論，由來已久，內外皆有。

你還記得么？去年Google Brain團隊的科學家Denny Britz，曾經發文吐槽深度學習：瓶頸就是太不重視工程！

我之前讀研搞NLP和信息提取的時候，大部分時間，都用來把科研想法變成代碼。當時可能95%的研究生和導師們都不願意碰代碼。當我提出對某個問題的疑問時，得到的回復通常是：「這只是一個工程問題，先掠過吧」。

後來我才知道，這種說辭的潛台詞是：我不認為一篇與此有關的論文，能夠通過同行評審。這種心態在學術界的人中似乎普遍存在。但作為一個工程師，我不禁注意到，缺乏工程實踐產生的阻礙。

當然另一種意見也不缺乏。

去年NIPS期間，獲得「Test of Time」最具時間價值論文大獎的Ali Rahimi（阿里·拉希米），登台演講，並朝著整個深度學習界開了一槍：機器學習已經成了鍊金術。

我希望我所生活的世界裡，這些系統都建立在嚴格、周密、可驗證的知識之上，而不是基於「鍊金術」。

我不排斥使用一些自己不懂的技術，比如說我是坐飛機來的，並不完全清楚它的工作原理，但知道有整個航空界都在研究這項技術就很安心了。

但阿里話鋒一轉，他說很多構建深度神經網路的一些基礎工具，「我們對它幾乎一無所知」。他批評機器學習太工程，而缺乏理論支撐。

當然，當時LeCun也照例跳出來反對。

那件事的詳情，可以通過這個傳送門回顧。

OMT

在這次的爭論里，你持什麼意見？

以及，到底Google Brain在研究什麼？如果你感興趣，這有一些參考資料。

就醬~

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！