“都是为你好，别去 Google，读个博吧”

编者按：本文来自“线性资本”（ID：LinearVenture），作者 Mio。36氪经授权转载。

日前 CMU 教授 Simon DeDeo 的几条推文，可谓是将学界与业界的矛盾推到了风口浪尖。DeDeo 认为，以 Google、Facebook 等巨头为代表的科技公司成立研究院，其目的并不在于研究「真正的科学」，而是纯粹以盈利为导向。目前这些公司在机器学习方面并没有太大进展，可能还停留在 20 年前的水平。

这番地图炮一出，便遭到了业界人士集体吐槽，也在 Twitter 和 Reddit 上引发了网友的激烈讨论。业界与学术界，究竟谁为理想？谁是真爱？

你想去 Google 专心搞科研？别傻了，你不会成为科学家的。

如果你想为人类做点儿贡献，那可千万别去 Google。Facebook 也不行。去读博吧。

如果你的专业恰巧是 CS，而且毕业后希望投身科研，那么前方无非有两条路：一是学术界，留在高校做理论研究；二是产业界，去科技公司做研发。对留在学界和投身业界孰好孰坏的争论由来已久，而最近一场关于 AI 的讨论，又将这个问题推上了风口浪尖。

事情是从这里开始的。

不久前，有人在 Twitter 上询问网友对类似谷歌大脑等企业研究院的看法。本来这可能只是个大家一团和气，结论各有利弊的问题。可这条推恰巧被 CMU 教授 Simon DeDeo 看到了。不管是基于个人意见还是代表学界看法，总之 DeDeo 借这个机会把以 Google 为首的科技公司吐槽了个遍。他认为，以 Google、Facebook 等巨头为代表的科技公司成立研究院，其目的并不在于研究「真正的科学」，而是纯粹以盈利为导向。目前这些公司在机器学习方面并没有太大进展，可能还停留在 20 年前的水平。

简单来说：

不要误会，我不是针对某家公司，我是说这些研究院搞的都是什么玩意儿。你们打着科学研究的幌子，其实根本沾不上科学的边儿！

为了进一步阐述自己的观点，DeDeo 激情连发 30 多条推文。以下是小线菌节选的部分内容：

机器学习绝对是工程学上一项了不起的成就。但它并不算科学，甚至没法和科学搭上边。我们现在的研究成果，相比 1990 年来并没有什么实质性的进展，也并没能让我们在这条路上走得更远。

Source: Simon DeDeo · Twitter

像我这种级别的科学家，在谷歌大脑到处都是。他们本该自由探索人类知识的边缘，而现实中却都带着十几个人的团队做些没有意义的事情。谷歌看起来比堪萨斯大学厉害，那是因为他们人多啊。每个科学家身边可以配备相比大学十倍以上的人手。不过，当然啦，堪萨斯大学的学生可以做点真正有意义的事。至于在谷歌？呵呵。

他们对自己手头的工作一无所知。因为人多，所以任性，他们可以把深度学习应用在任何方向上，但这样做的目的却是找到那些他们可以发挥最大影响力的领域。

你能在谷歌大脑专心致志做研究吗？当然不能啦。没错儿，你是可以接触到业界最前沿的成果，但别忘了，研究的基本目标是为公司服务。你不会成为一名科学家的。当然啦，如果你缺钱，那做出这种选择一点儿毛病都没有。加油哦。

但如果你希望以自己的努力，为人类智慧的发展进步做出哪怕一点儿贡献，那我劝你别想着 Google 了。Facebook 什么的当然也不行。我有个建议：去读博吧。虽然生活上会吃点苦，但导师才是那个真正关心你，帮助你发展的人哦。

Source:Simon DeDeo · Twitter

事情发展到这里，就有点意思了…

总结一下：想赚钱，去大公司；想改变世界，那还是留在学校吧。

最后，Simon DeDeo 还补了一刀：「我们曾经有机会访问谷歌研究院，那儿的人都超级聪明！我们一起脑暴了各种研究方向。到访问的最后一天，学术派表示，让我们去喝一杯再聊一会儿吧。而谷歌专家们却说，畅想未来的这几天简直可以算是个小假期了。手上的工作进度已经落后了，这周末还得加班呢。可对（我们）学术派来说，这才是我们真正的，愿意为之付出心血的工作啊。」

真的是这样吗？

一石激起千层浪。消息一出，业内人士首先坐不住了。Facebook 首席人工智能科学家、纽约大学教授 Yann LeCun 就迅速发推反驳道：「这绝对是场误会。虽然谷歌大脑在工程科学及其应用上投入了大量精力，但 FAIR 实验室、DeepMind 和谷歌那些研究向的部门真的在努力做科研啊。」

《智能和两个奇点》（Intelligence and the Two Singularities）作者 Calum Chace 也随后表示，「可能 DeepMind 400 多位 PhD 看到这消息，最多是翻个白眼，就回去搞科研了（并懒得理你」

这番地图炮也随即引发了网友的激烈讨论。部分冷静理性的围观群众表示：DeDeo 说的不是没有道理，但整体而言未免太过偏激。简而言之，他认为企业研究院花重金投入 AI 研究的主要驱动力是盈利，而非推动科学研究的发展进步，因此并不能被称作「真（纯）正（粹）的科学」。此外，这些研究院在搞的也并非是多么尖端酷炫的技术，而更倾向于进一步挖掘已知领域的可能应用。所以高校在理论研究方面的贡献才远远领先于业界公司。

针对第一点，Reddit 网友表示：如果说企业以盈利为目的的研究不算研究，那如果科学家为发文章、评职称或者更远一点儿，为拿诺贝尔奖而进行的研究也不是真正的研究了？这不是在逗我吗。

而第二条观点同样炸出了一批考据党。网友纷纷举出各大企业研究院近年发表的文章与申请的专利来反驳。在 Google AI 网站上，可以看到谷歌仅在 2018 年（还没过完呢）就发表了多达 322 篇论文。其近几年发表的论文数量均以数百计，其中不乏发表在《Nature》等世界顶级科学期刊上的重量级文章。而在不久前举办的 ICLR（International Conference on Learning Representations，国际学习表征会议）上，Google、DeepMind、Facebook、OpenAI、微软等公司共贡献了 9 篇 oral（口头报告）论文和 107 篇 poster（海报展示）论文，占会议接受论文总数近一半。其中被 DeDeo 大力吐槽的 Google 和 DeepMind 两家加起来就贡献了 20%。

Source: Google AI Publication Database

对于 DeDeo 痛批科技公司「不思进取」，即无论「神经网络」这一概念被炒得多么炫酷，其实际应用却远远不及理论研究一事，网友表示，问题的重点在于：是谁在负责理论研究，以及谁为这些先进理论提供支持。以 Google 为代表的科技公司，其重大贡献之一便是提供海量数据或算力。严格来说，这确实不能算作是「发（科）现（学）」，但它毫无疑问为理论落地提供了坚实的基础。

此外不得不提的是，内部研发仅仅是一方面。对于自身并不擅长、或者说没有取得突破性进展的细分领域，科技巨头则倾向于用买买买解决问题。人工智能是谷歌的强项，也是它重点关注的领域。以谷歌母公司 Alphabet 旗下的风险投资部门 Google Venture 为例，其受资公司主要分布在 5 个领域，Data & AI 就是其中之一。此外，去年谷歌还正式宣布成立 Gradient Ventures 早期风险投资基金，专门瞄准 AI 领域的创业公司。根据 crunchbase 数据，截至目前 Gradient Ventures 已进行十笔投资，其官网上也公布了以 Algorithmia、BenchSci 等为首的八家受资公司。毫无疑问，一方面这些公司的技术可以为谷歌所用，与此同时，谷歌为这些公司提供的，除了资金，更重要的是业内专家的建议与技术支持。这不仅可以让初创公司少走许多弯路，在一定程度上也加快了技术落地的脚步。

Source:Gradient Ventures

学界与业界的争论由来已久，为什么这次火了？

此次 DeDeo 对科技公司的炮轰引发广泛讨论，一个不容忽视的因素是，近年来科技巨头竞相争抢学术人才，而顶级学府的研究人员显然也愿意加入这些公司的怀抱。苹果 AI 研发负责人，机器学习领域大牛 Russ Salakhutdinov 是 CMU 教授，Facebook 首席人工智能科学家 Yann LeCun 是纽约大学教授，而斯坦福教授李飞飞目前则担任谷歌云人工智能和机器学习首席科学家。虽然现已离职，斯坦福教授吴恩达也曾担任百度公司首席科学家近三年，负责领导百度研究院，特别是百度大脑计划。

这些顶尖学者的加入，一方面意味着为科研理论成果创造了「接地气」的机会，但另一方面也不禁引发我们的担忧：大公司的人事调动与资源调配，是否会在一定程度上干扰科研进展？如果这些科学家不必考虑公司策略，而是在高校中自由发挥，是否结果会有所不同？

的确，潜心科研的学术派并不一定同时擅长处理大公司中的复杂局面。吴恩达 2017 年 3 月从百度离职时，业内纷纷猜测其背后原因，其中便包括百度内部层级「复杂混乱」。放下管理工作不谈，身在巨头的科学家也未必就能保持初心。毕竟就算技术中立，大方向上也还是要为公司的声誉考虑。就在几个月前，谷歌宣布未来将退出颇具争议的「Project Maven」军事计划，作为首席科学家的李飞飞便在内部邮件中强调「请尽量避免提及 AI，毕竟 AI + 军事可能是当前最为敏感的话题。一旦被媒体捕风捉影，可能会对 Google 造成重大影响。」

如果说聚光灯下的顶级科学家不可避免会受影响，那我们这些普通人呢？

不可否认，无论在湾区还是在帝都，高校毕业生加入科技巨头都是主流选择。无论是优厚的 package 还是可供施展的平台，都对他们有着强烈吸引力。外媒调查表示，毕业于一流名校如常春藤与牛剑等的人工智能人才一直是科技巨头感兴趣的目标。而在著名问答平台 Quora 上，随手一搜，就会看到大量诸如「想去谷歌做 AI，PhD 是硬性要求吗？」「我希望毕业后加入谷歌大脑，从现在开始要做什么准备」的问题。而在「在谷歌任职科学家是种什么样的体验」这一问题下，谷歌前员工、机器学习工程师 Dmitriy Genzel 给出了非常积极的答案：

在 Google 工作的感觉简直太棒了。

Google 可能是全世界拥有最多顶尖 CS 人才的机构（尤其是在某些细分领域，例如机器学习），而且它有比任何大学都多的 CS PhD。可以说，不管你的兴趣是什么，你总能在身边找到该领域的大牛，而且他们愿意解答你的任何疑问。你有机会接触到世界最新的研究成果，其中大部分甚至都还没有向外界公布。大牛们开发的工具也都会更新到 Google 代码库，由所有开发人员共享。

Google 有最好的工作环境，恐怕全世界都知道，在这里我无意多提。但对科学家来说，它最大的优势可能是计算资源。举个栗子，如果哪天你需要一万台计算机，或者太字节数据，只要你想，Google 就有（当然，前提是你的研究方向是公司级别）。

相比普通开发人员，Google 科学家的平均年龄要大很多。你完全可以把它作为自己一生的奋斗目标（很多人就是这么干的）。此外，科学家的晋升体系也有所不同：主要取决于他们的工作是否对业界产生重大影响，而不必与公司愿景紧密相关。开发者并没有这样的自由——他们工作的重心仍然在公司产品上，而科学家却可以有所选择。

我觉得 Google 有点像当年的贝尔实验室。Google 不缺钱，也乐意在不同领域大把投入。如果能为公司创造价值，那当然再好不过，但大家更强烈的愿望是为整个人类智慧做出贡献。

此外，微软亚研院的相关人士也表示，亚研院学术气氛十分浓厚，与其说它是研发部门，不如说更像是一个研究所或实验室。唯一的遗憾，可能是部分研究成果囿于公司战略，无法落地变现，可能拖过一段时间，然后就没有然后了。

所以，事情并没有那么糟，right？

让我们回到 DeDeo 事件：

DeDeo 的背景是天体物理学。虽然他的研究工作中会用到机器学习技术，但从严格意义上讲，他并不从事人工智能方向的研究。鉴于他自称「不受大公司资助，因此也不必为其说好话」，他可能… 也并不能完全理性客观地分析在科技公司工作的利弊。

在业界方面，科技公司首先是企业，不是慈善机构。盈利毫无疑问是首要目标，从这种意义上来说，基础研究无疑是回报率极高的长线投资，这也可以解释为何科技公司愿意斥巨资资助内部研究与高校科研机构。此外，支持顶尖科学家也可以算作公司 PR 的一种手段：据称吴恩达入职百度后，多位业界科学家都通过邮件表达了愿意加入百度研究团队的意向，而这些人大多是百度此前就有所接触，但未能成功邀约的。虽说拿人钱财，替人办事总是难免，但需要强调的是，资本加持与学术研究并不冲突——相比开发者来说，企业科学家的工作更偏向于理论研究，也确实拥有更多自由。以公司利益为重，身不由己？不存在的。

而从学界方面来讲，人工智能的研发与变现之路都远比我们想象中复杂。许多曾有「高校 + 研院」经历的业内人士表示，学院派普遍存在的问题是过于醉心理论研究，而不愿考虑如何将项目投入实际应用，或者说相对缺乏开发技能。一旦谈到代码实现，没有多少人愿意去揽这摊脏活儿累活儿。其实，学界与业界并不一定「非黑即白」。除去拥抱巨头，近年来学界大牛也纷纷成立创业公司，以便将研究成果快速应用到商业场景之中。例如国内专注人脸识别的中科视拓，就由中科院计算所的山世光研究员带队，其团队成员也多数来自同一实验室。总而言之，搞学术和商业化，双方各有所长，愿不愿意接地气，那是个人选择。

而 DeDeo 此番博人眼球的理论，更像是作为教授，眼看大批毕业生带着改变世界的梦想投身科技巨头，结果几年过去，却发现大部分人在做的无非是推荐算法。失落，是难免的了。

参考资料：

• Simon DeDeo Twitter: https://twitter.com/SimonDeDeo

• Reddit discussion, "Academic expert says Google and Facebook's AI researchers aren't doing science"

• Reddit discussion, "Debate about science at organizations like Google Brain/FAIR/DeepMind"

• TNW, "Academic expert says Google and Facebook's AI researchers aren't doing science" By Tristan Greene

• Quora, "What is it like to be a research scientist at Google?" By Dmitriy Genzel

• Google AI Publication Database, https://ai.google/research/pubs/

• Gradient Ventures: https://gradient.google/

• Gradient Ventures · crunchbase: https://www.crunchbase.com/organization/gradient-ventures#section-locked-charts

• 雷锋网，《五大顶尖企业研究院的 116 篇论文 ICLR2018 录用论文，七大趋势全解读》

• 量子位，《“Google只认钱！机器学习20年没进步”，CMU学者炮轰AI第一大厂》