來源：21Tech(News-21)
作者：倪雨晴
AI大咖去哪兒
人工智能還在等待寒武紀式的大爆發(fā)時期。
我們還不知道確切的時間，但可以確定的是，當下的AI江湖格局未定，人才頻繁流動。一時之間，AI人才的競爭、去向也成為經(jīng)久不衰的話題。
工業(yè)界巨頭們重金邀請技術(shù)大牛加盟，學術(shù)界的大咖們也紛紛跨圈創(chuàng)業(yè)，其中有太多我們熟知的故事。這個行業(yè)中，聚集了如此多頂尖人才、聰明的大腦，探究未來的方向。
即使期間有泡沫，那也是高科技的泡沫，大眾的關(guān)注度也轉(zhuǎn)向了科技領(lǐng)域，這一波AI的熱浪也吸引大量資金、人才的涌入。
過去我們常?？吹降氖茿I大咖在工業(yè)界的流轉(zhuǎn)（Industry → Industry ），當然今年也依舊引人注目。
例如，近日原阿里云首席科學家閔萬里，從阿里巴巴離開，轉(zhuǎn)身投資領(lǐng)域，致力于升級傳統(tǒng)行業(yè)；
6月，360集團AI研究院院長、首席科學家顏水成選擇離開360，據(jù)了解他將加入依圖科技；
今年年初，原Facebook AI科學家賈揚清加入阿里巴巴，擔任技術(shù)副總裁。
這一名單還很長，有的更換了公司的跑道，有的從公司研究院出走，踏上創(chuàng)業(yè)之路。
然而，從工業(yè)界回歸學界（Industry → Academy）的案例也開始出現(xiàn)。
比如，騰訊AI Lab的創(chuàng)始負責人張潼回歸學界，并出任創(chuàng)新工場科研合伙人；
李飛飛曾在2016年宣布加入谷歌，成為谷歌云AI負責人，2018年又選擇回到學校，擔任斯坦福教授。
眾所周知，學術(shù)界更看重前沿技術(shù)的研究，工業(yè)界更偏向?qū)嵱眯?，那么，對于投身學界還是產(chǎn)業(yè)界，大咖們又是怎么考慮的呢？
對于從騰訊回到學界的歷程，張潼此前在接受21Tech記者采訪時曾說：“我感覺現(xiàn)在還是挺好的，我最關(guān)心、最希望的是十年以后，能夠在AI包括技術(shù)理論上能夠有重大的突破，在整個學術(shù)上能夠有更多的貢獻。”
在他看來，學術(shù)界和工業(yè)界在AI之間不存在鴻溝，目標有不同之處，“工業(yè)界更偏實用，這種大數(shù)據(jù)+計算力+模型，的確解決了很多實用問題，雖然原理上沒有很多的實踐。學術(shù)界分兩部分看，一方面有很多的學術(shù)研究解決實用性的問題。另外，我還會對一些原理性的東西感興趣，會更加前瞻一點，但是有時候太前瞻的不一定能夠馬上用到。所以我覺得學術(shù)界思考得更遠一些?！?/span>
回歸學界，也是以另一種方式參與到AI產(chǎn)業(yè)中，有AI公司高管向21Tech表示，張潼是比較少見的既有科學界背景，又有企業(yè)家能力的人才。而很AI學術(shù)界的人看到工業(yè)界很火就去做，其實不是每個人都適合的，學術(shù)界是產(chǎn)出論文，但工業(yè)界預期不一樣。
為何穿梭？
確實，在工業(yè)界中，AI產(chǎn)品能否落地掙錢、KPI能否完成，都很關(guān)鍵。
但是，為什么在人工智能領(lǐng)域，工業(yè)界和學術(shù)界的穿梭、流動會如此頻繁？這就和人工智能的兩個特性有關(guān)。
從歷史上看，在計算機產(chǎn)業(yè)里，大規(guī)模應用的各個領(lǐng)域中，沒有一個學科，像人工智能這樣，同時具有學術(shù)性和商業(yè)性。
即便是操作系統(tǒng)級別，也不需要這樣大規(guī)模的學術(shù)協(xié)作，只要商業(yè)級的就足夠。因為操作系統(tǒng)的理論框架是比較清晰的，一個大神搭建出來之后，就可以拋開學術(shù)界開發(fā)商業(yè)模式。而人工智能的大規(guī)模商用，雖然有應用案例，卻還不夠明朗，但是其學術(shù)屬性又非常強，所以學術(shù)界和工業(yè)界的聯(lián)系就很緊密。
一方面，人工智能很大原因出現(xiàn)，也是因為大規(guī)模商業(yè)公司有了學術(shù)團隊，所以它才能夠發(fā)展起來。如果商業(yè)公司沒有足夠大，沒有那么夸張的利潤，谷歌也不可能單獨成立一個團隊去研究下圍棋。有了高利潤的商業(yè)化公司，才帶來了人工智能應用的發(fā)展。
另一方面，谷歌算法通過研發(fā)人員是可以搞定，但是數(shù)據(jù)可是很費錢的?，F(xiàn)在很多數(shù)據(jù)集都需要人工進行標注，不論雇人標注還是直接購買，成本都很高。這些數(shù)據(jù)集是學術(shù)界不可能完成的，但是算法層面又很依賴學術(shù)界。
所以可以看到，在人工智能領(lǐng)域，高級學術(shù)人才大規(guī)模地往商業(yè)人才遷移。其他領(lǐng)域也需要很多高級別的學術(shù)人才，但是，沒有像這樣成規(guī)模、成體系地從計算機學界里出來。
然而，現(xiàn)在橫亙在大家面前的問題是，人工智能到底有什么用？下圍棋到底有什么用？人工智能應用更像人類即將進入一個新的智能化紀元的一種產(chǎn)品，現(xiàn)在需要大規(guī)模的成本投入，這些投入又不能短時間內(nèi)產(chǎn)生利潤。
教授學生成群結(jié)隊地從里面出來，他們本身帶著學術(shù)性，但是商業(yè)化落地又沒有那么快，然后會發(fā)現(xiàn)，KPI完成不了、掙錢也難，但是學術(shù)界又不需要產(chǎn)生利潤，所以大家又會產(chǎn)生搖擺。
有AI從業(yè)者告訴21Tech：“非常深刻的體會到，很多東西公司想做，包括谷歌都想做，但是KPI完成不了。”
KPI完成不了的很大原因是在于，商業(yè)化場景也許有，也許沒有，沒有的話且不說，可能時代沒到。
“但是沒有和有之間的地帶是很模糊的，如果你的技術(shù)非常強，可以把成本降到很低，有很多場景自然就有了，”前述從業(yè)者說道，“但是如果配套的技術(shù)領(lǐng)域沒有實現(xiàn)，比如我們在算法領(lǐng)域走的很靠前了，傳感器成本過高、數(shù)據(jù)采集成本過高也無法實現(xiàn)應用；再比如其他的商業(yè)應用接受度過高、政策成本壓力過大、開源社區(qū)的關(guān)系變的微妙和復雜，等等各種因素都會制約商用?！?/span>
薛定諤的商業(yè)化場景：有還是沒有？
因此，目前AI商業(yè)化的方式變的很模糊很復雜不明確，就谷歌來說，也是通過高額利潤向無利潤的業(yè)務進行補貼，還有廣告變現(xiàn)。企業(yè)需要的，不僅僅是學術(shù)論文。
如果大規(guī)模應用場景，很容易落地、資源非常充分，那人才出來以后不會再大規(guī)模地回到學術(shù)界。其他學科也是一樣，有些純研究領(lǐng)域，比如說數(shù)學研究，沒有辦法商業(yè)化，那就在大學、研究所里待著，而金融等完全需要商業(yè)化的學科，那就進入公司。
計算機領(lǐng)域中，人工智能可以說是第一個學術(shù)和商業(yè)兩方面屬性都非常強的學科。所以在記者看來，AI的前進就像是不倒翁一樣，總要在學界和工業(yè)界進行遷移，這也是技術(shù)演變本身需要的過程。
聯(lián)系客服
