AI巨頭實(shí)力排名新鮮出爐：DeepMind第一，IBM墊底

一文分析谷歌、微軟、Facebook、IBM等巨頭間的AI實(shí)力。

近日，Google Brain的Eric Jiang在Quora回答提問(wèn)，分析了谷歌、微軟、Facebook、IBM等巨頭間的AI實(shí)力，引用最新例子（比如 ICLR論文接收）。結合之前Yann LeCun關(guān)于幾家公司誰(shuí)的AI最強的回答，可以對全球 AI 實(shí)力分布有一個(gè)比較好的理解。

?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(huì )有一些偏見(jiàn)，因為我在谷歌大腦工作，而且我很喜歡谷歌大腦。我的觀(guān)點(diǎn)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

我認為就現在來(lái)說(shuō)，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，貝葉斯神經(jīng)網(wǎng)絡(luò )，機器人學(xué)，遷移學(xué)習，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(gè)多元化的團隊專(zhuān)注于通用 AI 的研究，包括有專(zhuān)門(mén)打造基礎設施和工具的軟件工程師，幫助設計研究工具的 UX 設計師，甚至有生態(tài)學(xué)家（Drew Purves）專(zhuān)門(mén)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(shí)的 PR。每當 Deepmind 發(fā)一篇論文，很快就會(huì )出現在 Reddit 機器學(xué)習板塊和 Hacker News 的頂部，表明他們在技術(shù)社區多么受到推崇。

梯隊2. Google

雖然我把兩家 Alphabet 的子公司放在這個(gè)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(guò)一個(gè)類(lèi)似問(wèn)題，但我認為他錯估了谷歌大腦在研究界的貢獻。他說(shuō)：

但它（谷歌大腦）大部分研究是專(zhuān)注于應用程序和產(chǎn)品開(kāi)發(fā)，而不是長(cháng)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(gè)，據我所知也是唯一面向外部的產(chǎn)品。谷歌大腦剛成立時(shí)，第一個(gè)研究項目確實(shí)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(gè)子領(lǐng)域的長(cháng)期的 AI 研究，就類(lèi)似于 FAIR 和 Deepmind。

舉例說(shuō)來(lái)，FAIR 在 ICLR 2017 會(huì )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(shí)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)習研究的好地方的說(shuō)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(méi)有其他企業(yè)或研究機構同時(shí)與伯克利、斯坦福、CMU、OpenAI、Deepmind、Google X 以及谷歌內部的無(wú)數產(chǎn)品團隊在進(jìn)行合作。

我相信在不久的將來(lái)，谷歌大腦能夠升到第一梯隊。我個(gè)人有接到谷歌大腦和 Deepmind 的 offer，并選擇了前者，因為我覺(jué)得谷歌大腦能給我更多靈活性來(lái)設計自己的研究項目，并且與谷歌內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(kāi)的一些非常有趣的機器人項目。

梯隊2. Facebook

FAIR 的論文很強，在我印象中他們重點(diǎn)關(guān)注的是語(yǔ)言領(lǐng)域的問(wèn)題，例如問(wèn)題回答，動(dòng)態(tài)記憶，圖靈測試，等等。偶爾他們也會(huì )發(fā)一些統計學(xué)、物理學(xué)和深度學(xué)習結合的論文。他們在計算機視覺(jué)方面也很強。不過(guò)除了他們的聲譽(yù)非常好之外，我對 FAIR 了解不多。

由于 TensorFlow 的廣泛采用，FAIR 幾乎已經(jīng)輸掉了深度學(xué)習框架方面的競爭，但 Pytorch 是否能奪回市場(chǎng)份額值得觀(guān)察。

梯隊2. OpenAI

OpenAI 的成員陣容很強大：Ilya Sutskever（全面的深度學(xué)習牛人），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(gè)只有約50人的小團隊，但他們有一個(gè)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(guò)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(kāi)始開(kāi)源代碼和工具。

我差點(diǎn)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(méi)有經(jīng)歷足夠長(cháng)的時(shí)間來(lái)證明這一點(diǎn)。他們也還沒(méi)有發(fā)布與 AlphaGo 相當的成果，雖然我認為 Gym 和 Universe 對研究社區的意義非常重要。

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

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

梯隊3. 百度

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

雖然百度存在很多問(wèn)題，但他們絕對是中國研究AI最厲害的企業(yè)。

梯隊3. 微軟研究院

在深度學(xué)習的革命之前，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(guò)了深度學(xué)習（因為深度學(xué)習的革命主要是由博士生們驅動(dòng)的）。

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

梯隊5. 蘋(píng)果

蘋(píng)果在招攬人才方面確實(shí)有些艱難，因為研究人員通常都想公開(kāi)出版自己的研究成果。蘋(píng)果也做一些產(chǎn)品驅動(dòng)的研究，但這無(wú)法吸引哪些想要解決通用 AI 問(wèn)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。我認為他們的設計根基與研究有很多相似之處，尤其是涉及創(chuàng )造力時(shí)，但我也認為發(fā)布新產(chǎn)品對長(cháng)期的基礎研究會(huì )是一種阻礙。

梯隊10. IBM

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(chǎng)災難。這個(gè)項目由管理層推動(dòng)，但這群人完全不懂機器學(xué)習能做什么，不能做什么，只是拿這個(gè)熱詞做賣(mài)點(diǎn)。Watson 使用深度學(xué)習做圖像理解，但是據我所知，它的信息檢索系統的其余部分并沒(méi)有真正用到最新的深度學(xué)習技術(shù)?；旧?，我認為IBM是在瞎搞，對初創(chuàng )企業(yè)來(lái)說(shuō)，在二級市場(chǎng)有很多應用機器學(xué)習的機會(huì )。

備注

說(shuō)實(shí)話(huà)，所有上述公司（也許除了IBM之外）都是做深度學(xué)習研究的好地方，而且鑒于開(kāi)源軟件和現在整個(gè)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 AI 研究“。

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

如何評價(jià)蘋(píng)果、微軟、谷歌和Facebook之間的人工智能實(shí)力？LeCun 的回答

關(guān)于這一點(diǎn)，我的立場(chǎng)讓我無(wú)法做出公平的回答，但有幾點(diǎn)我可以說(shuō)一下：

蘋(píng)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(jìn)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(guò)去做了一些很厲害的語(yǔ)音相關(guān)的深度學(xué)習研究（2000年左右在手寫(xiě)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(wú)論是在深度學(xué)習產(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。他們在基礎設施（比如TensorFlow和TPU）上有很多積累。但谷歌 AI 研究的關(guān)注點(diǎn)是應用及產(chǎn)品開(kāi)發(fā)，而非長(cháng)期 AI 研究。證據就是Google Brain 的一些頂尖研究人員離開(kāi)了那里，去了DeepMind、OpenAI，或者到了FAIR。

DeepMind在基于學(xué)習的 AI（learning-based AI）方面一直都做得很好。他們的長(cháng)期目標跟FAIR的有些類(lèi)似，研究的課題重合度也挺高：無(wú)監督/生成模型，規劃（planning）、RL、游戲、記憶增強網(wǎng)絡(luò )、差分編程（differentiable programming）。DeepMind的一個(gè)問(wèn)題在于，他們從地理位置和組織結構上都遠離谷歌（Alphabet）。這樣就不太方便為其所有者盈利，不過(guò)他們現在看來(lái)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(shí)間內在業(yè)界樹(shù)立起自身領(lǐng)導者的地位。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(gè)研究員和工程師，現在分布在紐約、Menlo Park、巴黎和西雅圖）。同樣，我也為我們在過(guò)去兩年半時(shí)間里取得的成果感到震驚。我們的目標遠大，在FAIR我們從長(cháng)期著(zhù)眼，在公司里也有一定的影響力，因此存在不會(huì )受質(zhì)疑（不出成果）。最關(guān)鍵的，我們非常開(kāi)放：我們所有的研究員一年都會(huì )發(fā)表多篇論文。沒(méi)有什么比看見(jiàn)一位前景大好的研究員加入一家不那么開(kāi)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。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！