“Google 只认钱！机器学习 20 年没进步”，CMU 学者炮轰 AI 第一大厂
编者按：本文来自于微信公众号 “量子位”（微信公众号：QbitAI）， 动点科技经授权发布。
“机器学习是一个了不起的工程成就。但这不是科学，远远不是。”
“这技术现在所做的事情，跟1990年没什么差别，顶多就是规模更大，但并没有给我们带来比20年前更深刻的见解。”
“Google比很多大学厉害，唯一的原因是他们的每个研究人员，能够比别人多雇佣十倍以上的研究生。”
“在Google，一切都是商业计划。”
“你会身处机器学习的最前沿，但，这只是一个工程学科。所有的基本目标都是大公司设定的，你不可能成为一名科学家。”
这几天，一位耿直的CMU学者Simon DeDeo，在在Twitter上猛烈炮轰Google Brain团队，对营利性机器学习行业展开嘲讽。（其实也顺便无情抨击了Facebook的研究机构。）
他批评这些大企业专注人工智能，只是为了获取更多的钱、利润，而不是为了推动科学的进步。这些观点引发了广泛关注。
用著名媒体TNW的话来说，这是一场史诗级的讨论。
赞成和反驳之声齐飞。但身处暴风中心的Google AI负责人Jeff Dean没有发声。不过，Facebook的首席AI科学家Yann LeCun站了出来。
开炮
事情的起因是这样的。
本来一堆人（又）在批评Facebook。或曰Facebook应该拆分，包括WhatsApp、Instagram等，不应都在扎克伯格一手掌握之中。
讨论过程中，Simon DeDeo说AT&T和Facebook最大的区别是：贝尔实验室发明了C语言、UNIX、晶体管、量子霍尔效应、宇宙微波背景辐射等；而Facebook Research发明了让你上瘾社交网络的新方法。
听闻这话，有人插嘴问说：你批评了Facebook的研究机构，那你怎么评价Google Brain，或者其他科学家云集的实验室？
就是这么一问，楼歪了，人炸了。
Simon DeDeo仿佛是清了清嗓子，说：既然问起来，那就说点真话。毕竟。我不需要Google的赞助，我的职业生涯也不用巴结他们。
随后，他继续连发了30多条推文，组成一篇檄文。主要说了这些话：
我在贝叶斯时代长大。那时科学家们用一些简单、理论驱动的方程改变着我们对世界的看法。后来我也以此为标准。
2010年左右，深度学习变得不可忽视。
这令人兴奋。我们在研究所里听到访者讲解决策树、随机森林等等各种其妙的事情。我也尝试用过这些新方法，但老实说，它们吸引力不大，因为其他更简单的工具就能胜任非常非常多的任务。
后来我加入印第安纳大学，当时我们热切希望招到一个搞深度学习的人。我带所有的应聘者去吃早餐，想搞明白深度学习到底是什么。
基本结论就是：没什么什么好答案。不管你搞什么，基本就是一个人坐在那里，各种调整参数。
机器学习是一个了不起的工程成就。但这不是科学，远远不是。这技术现在所做的事情，跟1990年没什么差别，顶多就是规模更大，但并没有给我们带来比20年前更深刻的见解。
Google比很多大学厉害，唯一的原因是他们的每个研究人员，能够比别人多雇佣十倍以上的研究生。但大学里的研究更有学术意义。
他们不知道自己在做什么。Google有足够的人力把深度学习应用于一切的一切，目标就是找到可以产生最大影响力的领域。
我访问过大约50所大学，所到之处皆有新收获。而当我到访企业的“研究”实验室时，情况完全不同。
你能在Google Brain搞一些很酷的研究么？老实说，不能。你会身处机器学习的最前沿，但，这只是一个工程学科。所有的基本目标都是大公司设定的，你不可能成为一名科学家。
如果你想构建一个监控别人，并且向他们推销更多广告的机器，那你就去企业的实验室吧。
如果你想赚钱，那里可以挣很多。在学术界不行。
但如果你的思想和灵魂，想成为推动人类智慧进步的动力，你最好别去Google，当然更别去Facebook了。
我建议你来学校读研，成为一个博士。你不会得到丰厚的收入，但会得到真正关心你的导师。
一个优秀的博士生导师，不会干涉学生的所思所想，这是可耻的。而在Google，一切都是商业计划。
这不是开玩笑。是我的十年经验总结。秋天又该开始新的研究生入学申请了，建议你好好想想自己何去何从。
最后说个故事。我们之前访问了Google Research，那里的人聪明的不可思议。我们一起头脑风暴出了好多精彩的学术研究思路。会面的最后一天，高校的学者说：OK！我们去酒吧，再具体讨论一下！
Google的人说：这几天对我们来说相当于度假，手上的实际的工作已经落下了，这个周末必须加班赶工。
是的，聊聊学术对他们来说，就像一个假期。
反击
这一块大石头，激起了千层浪。
Oren Etzioni，艾伦人工智能研究所（AI2）的CEO，评价说：DeDeo的炮轰把事情简单化了，而且充斥冒犯，但也的确发人深省。
“有意思。不少人都持有这种鲜明而挑衅的言论。他们错得很有意思。”一位身在Google Brain的访问学者Charles Sutton反驳说。随后，他继续为“工程”两个字辩护，并指出机器学习亦有诸多进步。
在reddit上，网友们也展开热议。
有人说，DeDeo只是在Google Research里遇到一些不以研究为导向的人，并据此对所有工业界的实验室进行了概括。然后以DeepMind为例说明，只有Google这样的企业，才能花钱押注几十年后的技术。
网友jbcraigs也持反对意见。他说Google有大量的部分都在做纯粹的学术研究，从2013年以来，Geoffrey Hinton一直为Google工作，没有“领导”告诉他应该研究什么，其他Google的研究人员也是如此。
有人很疑惑：企业投入巨资进行基础研究的动机是什么？
“其中一个重要因素是PR。企业到了一定规模，支持10名学者随意展开研究的成本几乎微不足道，但却能吸引更多的人才，提高自身的声誉。”网友NichG从这个角度给出了自己的看法。
尽管外界的争议沸沸扬扬，但Google AI（包括Google Research）的负责人Jeff Dean目前仍未作出任何回应。
倒是Facebook的首席AI科学家Yann LeCun，按捺不住反击了下。他对DeDeo说：
你被严重误导了。
没错，Google Brain很多工作都是专注工程和应用。
但是，FAIR、DeepMind以及很多Google Brain面向研究的部门，的的确确在进行实际的科学研究。
其实，以上这种工程和学术的争论，由来已久，内外皆有。
你还记得么？去年Google Brain团队的科学家Denny Britz，曾经发文吐槽深度学习：瓶颈就是太不重视工程！
我之前读研搞NLP和信息提取的时候，大部分时间，都用来把科研想法变成代码。当时可能95%的研究生和导师们都不愿意碰代码。当我提出对某个问题的疑问时，得到的回复通常是：“这只是一个工程问题，先掠过吧”。
后来我才知道，这种说辞的潜台词是：我不认为一篇与此有关的论文，能够通过同行评审。这种心态在学术界的人中似乎普遍存在。但作为一个工程师，我不禁注意到，缺乏工程实践产生的阻碍。
当然另一种意见也不缺乏。
去年NIPS期间，获得“Test of Time”最具时间价值论文大奖的Ali Rahimi（阿里·拉希米），登台演讲，并朝着整个深度学习界开了一枪：机器学习已经成了炼金术。
我希望我所生活的世界里，这些系统都建立在严格、周密、可验证的知识之上，而不是基于“炼金术”。
我不排斥使用一些自己不懂的技术，比如说我是坐飞机来的，并不完全清楚它的工作原理，但知道有整个航空界都在研究这项技术就很安心了。
但阿里话锋一转，他说很多构建深度神经网络的一些基础工具，“我们对它几乎一无所知”。他批评机器学习太工程，而缺乏理论支撑。
当然，当时LeCun也照例跳出来反对。
那件事的详情，可以通过这个传送门回顾。
OMT
在这次的争论里，你持什么意见？
以及，到底Google Brain在研究什么？如果你感兴趣，这有一些参考资料。