13518219792
上周，AI圈大的事情，没有之一，就是图灵奖，终于终于，终于颁给了深度学习三巨头。
关于Geoffrey Hinton和他的两位学生Yoshua Bengio、Yann LeCun的故事，在消息出来后的几天里，理所当然完成了刷屏。
即使AI从业者和爱好者基本已经对这三位的事迹耳熟能详，但他们“高举着火焰，冲过了最黑暗的时代”的英雄主义情结，还是能够轻易让远离AI世界的人们动容。
“三巨头”和深度学习的经历，事实上是一幕从学术边缘开始，在产业狂欢中自证，再回头征服主流学术界的故事。起伏线索简直比好莱坞大片还要好莱坞。
然而现实人生和电影大的区别或许在于，电影可以在高潮处戛然而止，留给观众意味深长的壮美。但生活还要继续，日子还得过，AI还得发展。深度学习并不会因为图灵奖的到来而画上圆满的句号。
如果说三巨头在全世界都不相信深度学习时的执拗，最终换来了图灵奖和一句句“泰斗”的赞美声;那么我们今天更应该留意的，或许是在深度学习如日中天的现在，三巨头又在忙活着什么?他们现在所忙的，是不是又映射着AI的未来?
咱们不妨换个角度，不说他们可歌可泣的当年，而是聊聊三巨头的现在。
需要注意的是，这里并不打算把三人及团队的每一篇论文都整理出来，而是希望从他们在AI爆发之际的选择，读出些许关于深度学习未来走势与先天不足的底层规律。
Yann LeCun：产学候鸟与AI圈鲁迅
三巨头中最频繁活跃在大众视线里的，是Yann LeCun。
为什么很多不认识Hinton的人也认识Yann LeCun?这个AI界的未解之谜有很多解释。
不靠谱的解释包括，Yann LeCun这个名字非常适合写成杨丽坤，所以好记。再比如说他的招牌式笑容很容易让人觉得AI没那么枯燥。
而靠谱的解释是，Yann LeCun是三人中进入产业世界程度最深的那一位，甚至一度被视作AI科学家走向商业世界的代表人物。
2013年，Yann LeCun突然加入Facebook是一件非常有爆炸力的事。大家既不理解Facebook要AI科学家干嘛，也不明白Yann LeCun去一个社交媒体做什么。
来到Facebook之后，Yann LeCun一手创立了FAIR。这不是个律师事务所，而是Facebook人工智能实验室。
必须要承认，作为FAIR一把手的Yann LeCun，在那几年间是有不少作为的。比如大幅度提升了Facebook的自动化运营能力，提高了广告等Facebook生命线的智能化程度。而另一方面，充满理想主义精神和学者气息的Yann LeCun还把FAIR搞成了硅谷最有乌托邦味道的实验室之一。
在Facebook，FAIR的专家们关注那些天马行空的前瞻性技术，以及AI如何在未来造福全人类。在扎克伯格的默许与支持下，FAIR的红火甚至一度被认为是硅谷的工程师文化要向科学家文化交枪。
此外，Yann LeCun个人魅力也成为Facebook快速招到顶级科学家的利器，5年中，FAIR扩大到6个办公地点，有近100名研究员。与吴恩达、李飞飞并列，Yann LeCun也被称为由学校到企业的三位AI明星之一。
但随着团队规模的不断扩大，Yann LeCun作为理想派科学家，逐渐暴露出了团队管理能力的不足。加上2017年Facebook风雨飘摇，在整体业务改革之后，业务线开始向FAIR索取更多直接的、有助于提升业务质量或者变现能力的技术——而这并非Yann LeCun所愿与所长。
始终保留着纽约大学教职的Yann LeCun，在2018年1月宣布辞去了FAIR负责人的职务，转向幕后担任首席科学家。而这也被外界解读为一个信号：似乎和吴恩达、李飞飞一样，顶级科学家真的不那么容易在大企业高管的位置上长治久安。
而在产业的探索之外，Yann LeCun的另一个人设，堪称AI圈里的鲁迅——路见不平一声twitter，该骂你时候绝不休息。
不少人感觉Yann LeCun有点过于“好作惊人语”，但其实要看到更大的背景在于，今天围绕着深度学习到底是什么，未来会怎么发展，以及AI有没有用等一系列问题，滋生出了无尽的争议。
而作为AI行内大的明星之一，Yann LeCun似乎也在某种程度上有义务出来正本清源。
让咱们回顾一下让Yann LeCun启动开怼模式的三件事：
1、对著名的人形机器人，全球首位“机器公民“索菲亚。Yann LeCun怒斥其为 “彻头彻尾的骗局”“完全是胡说八道”。在Yann LeCun看来，所谓索菲亚不过是一具放录音的模型而已，对它的“物体崇拜”会让人们觉得AI就是在变戏法。真正的AI想要达到婴儿甚至动物的智商，还要走很远的路。
2、硅谷钢铁侠马斯克，近两年的爱好是到处说AI就要毁灭人类了。Yann LeCun认为这种说法非常不负责任。在他看来，马斯克就是跟一些乐观派的科学家聊天，又回家看了一些想象成分居多的书，然后就产生了《终结者》马上要实现的想法。加上众所周知马斯克总想拯救人类，最后导致了我们听到的那些声音。而在Yann LeCun看来，科学家是知道那种强AI不太可能在几年内实现的，马斯克的言论是在散布恐慌。
3、去年，一位计算机视觉专家Filip Piekniewski连续发表了《深度学习已死》之类的“雄文”，高唱深度学习泡沫要破。Yann LeCun则马上开启了回怼模式，直言作者“非常无知”，指出这位作者首先没有看到学术和产业界的现实，其次用一些无关的证据强行证明AI“寒冬来了”的结论。比如作者提到AI药丸，一大证据是AI科学家发twitter少了——气的Yann LeCun赶紧发了一堆twitter。
总结一下，会发现Yann LeCun开怼的主要是三种声音：假AI、AI威胁论，AI寒冬论。
其实环顾左右，这三种论调是不是也飘散于我们身边呢?
Yoshua Bengio：保卫象牙塔，镇守加拿大
说了最高调的，再说说最低调的Yoshua Bengio。
之所以说他低调，是因为Yoshua Bengio可说是三巨头中最不愿意探索产业世界的一位。他在必然出现的重金诱惑面前，也没有加入那几家我们耳熟能详的科技巨头，而是选择继续留在蒙特利尔大学的象牙塔里，享受着加拿大的好山好水。
然而随着自己发明的深度学习越来越火，Yoshua Bengio发现事情并不简单。科技巨头和投资人开始疯狂向学校抢人。深度学习方向的博士变成了炙手可热的香饽饽，直到Yoshua Bengio发现，他还没毕业的博士都已经被饥渴的科技公司瓜分干净。这位科学家决心要保卫象牙塔的纯净。
他的办法是，自己开一家公司……
咳咳，事实上，Yoshua Bengio是在几位合伙人的劝说下，决定共同建立一个新型的产学一体化机构。我们知道AI界有著名的OpenAI，专注无不商业目标的开源项目，让科学家能在企业完成自己的梦想。
而Yoshua Bengio与合伙人联合创立的Element AI，则反其道而行之。它致力于让AI科学家们可以直接参与商业项目，获取相关回报，但同时能够保留教职——比如每周只用抽出几个小时来来Element AI干活，大家一起做做项目赚赚外快就行了。
这种有点像AI科学家在线兼职的模式，可以有效解决一个问题：创业企业和传统企业，根本无力与科技巨头争抢AI人才，但他们却实打实地需要AI人才来帮忙。这样一种模式可谓两全其美。
很快，Element AI就获得了微软的投资，现在在深入各行业定制AI解决方案之外，也开始与大公司的联合科研，以及对优质AI项目进行投资和技术帮助。而对于客户来说，Yoshua Bengio本人就是商业合作上的金字招牌。
Yoshua Bengio的另一个工作重心，是学校里的蒙特利尔学习算法研究所(MILA)。MILA和Element AI一学一产，构成了蒙特利尔AI产业的双核驱动。今天，加拿大AI的快速发展，以及蒙特利尔被称为AI时代的硅谷，都与Yoshua Bengio的工作紧密相关。
嗯，至少目前来看，这位象牙塔守护者，加拿大AI之星，还是比较好地完成了任务。
Yoshua Bengio还有一项比较出名的行动，是在AI社会责任与公益领域广泛担当呼吁者。比如他带头反对谷歌的军方项目，呼吁终止AI武器化。并且积极推动关注AI中的歧视与不公平问题。
假如给Yoshua Bengio近年来的工作打上三个标签，那就是：学术的，公益的，加拿大的……
Geoffrey Hinton：怀疑者，依旧怀疑
与两位50多岁的学生相比，已经72岁的老师Hinton，似乎应该闲下来，享受“AI教父“的尊名，指导指导学生，筹划一下传记。
然而事实并非如此，Geoffrey Hinton今天依旧在保持高强度的工作。被腰间盘疾病困扰的他，甚至必须要站着完成所有研究。与两位学生和大部分功成名就的同行相比，Hinton更像是工作在AI一线的那一个。
简单来说，那个又倔又横的小伙子，如今变成了个又倔又横的老头。
曾经在一次采访中，Geoffrey Hinton被问到为什么能在几十年的不被重视中坚持下来，他的回答非常酷也非常Hinton。他说：
“他们都错了。”
直到今天，Hinton还是认为有可能所有人都错了，包括他自己。
1986年，Hinton发表了《Learning representations by back-propagation errors》，这是Hinton一生的代表作之一，标志着反向传播算法被引进深度学习，今天来看有着跨时代的意义。
然而Hinton在近两年却频频表示，反向传播有可能存在这巨大的缺陷。他不但自己尝试了多种方式突破它，还将大量相关研究综合起来，写论文对比如何摆脱反向传播的窠臼——直到现在，他还没有超越自己，但并不代表以后不能。
Geoffrey Hinton是一个彻头彻尾的怀疑者，这点并没有因为他变成“泰斗”而改变。
在产业世界，Hinton的主要工作在谷歌大脑。近两年，TensorFlow的简化升级，谷歌大脑的AI能力拓展，背后都有Hinton与团队的身影。
而作为“教父”一样的存在，Hinton更被人关注的是在AI学术领域不断提出的颠覆性观点。恰好这又是一个乐于颠覆自己和其他人工作的人。
2017年年底，Hinton发表了名为胶囊网络Capsule Networks的方案，被广泛认为将改写深度学习的发展轨迹。
胶囊网络所针对的，是卷积神经网络的操作模式。传统的深度学习算法中，每一层神经网络必须做同样的卷积运算。而胶囊网络则认为，不同的神经元可以携带不同属性，这就像人脑中的不同区域负责不同的工作。
这种将深度学习进行稀疏激活的颠覆式方案，目前已经被证明可以在图像识别领域达成创新。不少人相信，胶囊网络未来会成为AI可解释、AI被赋予常识的关键技术。
近几年，Hinton带来的另一个颠覆，是在暗知识提取dark knowledge extraction领域不间断的工作。一般来说，深度学习获取抽象特征，是建立在庞大的数据运算基础上的。而这会导致AI必须消耗大量的数据和算力来反复完成训练。而暗知识提取，或者叫知识蒸馏，则致力于让智能体之间可以提取隐藏的知识，把一部分知识留存到子深度学习系统，最终达成智能体摆脱庞大的算力与数据渴求，触及相对先天的“智能”。
可以看到，Hinton在今天依旧那么硬核。很多在AI世界看似常识的东西，AI之父却压根不相信它，并且在反复挑战。
AI走到头了吗?深度学习是最终解法吗?这老头一辈子从来没相信过大多数人的判断。
三巨头的今天：深度学习，从1到很多
假如说，三巨头高举火把，四下无人的那些年，是深度学习从0到1的时代。
那么今天全世界的深度学习热， 毫无疑问标志着深度学习开始从1到N。然而从三巨头今天的工作来看，它也仅仅才到1而已。
不知道大家注意到没有，三巨头今天主要关注的方向，恰恰对应着以深度学习为代表的这一次AI复兴，所携带的先天不足，以及后天激发的问题。把三巨头的工作强行合并，可以看到这样几个方向：
1、AI到底是空谈还是事实?解决这个问题，必须把深度学习扔到产业熔炉当中，在算力、数据和应用场景里，检验深度学习到底能干什么。而这也是大量AI科学家必须去企业的逻辑之一。
2、AI火了之后，各种乱七八糟的事情一定会出来飞舞，需要有人把火车拉回轨道。Yann LeCun在社交媒体上四面开火就是因为这个。索菲亚的把戏、马斯克的AI威胁论，以及“AI寒冬又来了”，这几个说法今天在中国一定有大批拥护者。不难看出问题还是挺尖锐的。
3、AI的人才匹配与平衡问题。这轮AI复兴的一个特征，是高度的产学一体化，导致学术人才可以直接与应用打通。然而学术人才如何在产业诱惑面前保持学术追求，产业如何在巨头争抢下获得AI人才帮助，这个问题在中国同样存在。
4、深度学习是把双刃剑，军事化、歧视与不公、因素安全等问题随之产生。AI的社会责任，是一个刻不容缓的矛盾。
5、深度学习，不是终点。反向传播，多层神经网络等等技术模式构成了我们习以为常的那个“AI”。但是深度学习依旧有大量问题存在，比如黑箱性，迁移能力差，高消耗等等。我们是把今天的AI当成原教旨，还是继续挑战，寻找更上层的终点?这点Hinton这位“深度学习之父”真是带了个好头。
功绩当然伟大，问题还有一堆。今天，三巨头还在工作，他们在为他们的造物负责。
