Yann LeCun：硅谷需要与学术界密切合作，以建立人工智能的未来

Facebook的首席人工智能科学家Yann LeCun今天在Business Insider发文表示，硅谷需要与学术界密切合作，以建立人工智能的未来。产学结合的双联模式，必将成为推动AI发展的关键。

要在人工智能领域取得真正的进展，我们需要最优秀、最聪明、最多元化的思想来交换想法，并在彼此的工作基础上建立联系。孤立或者秘密的研究，将会与前沿研究脱轨。

根据Nature Index Science Inc. 2017年的数据报告，发表的论文不仅来自学者之间的合作，还来源于学术界和产业界之间的合作，从2012年到2016年，论文篇数从12,672篇增加到了25,962篇。这种新兴的双联模式不仅使技术得到进步（如语音识别、图像识别、文本理解和语言翻译系统），而且还有助于提高理解“智能”的基础科学。

产—学合作经济学

International Data Corporation表示，全球人工智能系统的支出预计将在2018年达到191亿美元。 根据斯坦福大学的数据，活跃的AI创业公司的数量是2000年的15倍。 根据Adobe的数据，需要人工智能的工作所占比例是2013年的5.5倍。而这一切顺利的发展，Le Cun表示很大程度上归功于产业界和学术界之间的合作。

近几十年来，许多商业、金融、法律和医学教授在大学教书以及做研究的同时，都会在私营部门从事与自己专业相关的工作。越来越多的顶尖人工智能研究人员，包括Facebook AI Research (FAIR)的同事，以及其他技术公司的几个朋友，都在接受这种双联模式。其他学者，例如蒙特利尔大学的yobengio，也没有加入企业的研究实验室，却在许多公司担任顾问或联合创始人时发挥了重要作用。

Facebook CEO马克·扎克伯格

双联模式使研究人员能够最大限度地发挥他们的作用。 不同的研究环境会产生不同类型的想法。 某些想法只在学术环境中蓬勃发展，而其他想法只能在拥有更大工程团队和更大计算资源的行业中开发。

在过去，产业界和学术界之间的真正合作因双方对知识产权（IP）的过度占有而变得复杂。但在当今这个快节奏的互联网服务部署时代，拥有IP已变得远不如将研究成果尽快转化为创新产品并大规模部署来得重要。 AI研究人员通过在开放存取存储库（如ArXiv.org）上快速发布成果来确定优先级。许多论文都附有相应开源的代码。这种做法提高了与人工智能相关科学技术的进步速度，并解冻了一度冰冷的关系。如今，“共享”能够帮助到每一个人。

学术界与人工智能

由于对工业基础研究的投资，开放式研究、开源软件的实践，以及对知识产权更宽松的态度，使产业界与学术界的合作比过去容易得多，成果也更丰富。但仍需继续努力。能够推动如AI这样的高新技术发展的一个重要因素在于一般人群对其使用的速度，相反的，通常能够控制这个速度的是投入人才的数量和多样性。大学孕育着大量高精尖人才，而与此同时，AI行业对于人才的需求也是不断的增加。

与学术机构的行业合作可以起到一定的帮助。他们增加了在人工智能方面受过专业训练学生的净人数，使他们能接触到强大的计算力和训练数据资源，并期望他们将来对该领域有所贡献。巴黎的FAIR实验室目前拥有15名博士生，由FAIR研究员和教授共同指导。这个项目已经有了突破性的研究成果，常驻的博士生比起在大多数纯粹的学术环境中得到了更好的研究环境和指导。这个项目非常成功，我们计划在未来几年将其扩大到40名学生。有些学生毕业后可能会选择加入FAIR，但也有很多人会选择加入其他实验室、创业公司或成为教授。这是我们对研发生态系统的贡献之一。

Facebook办公室一角

这个生态系统的目标是改善每个人的机会——不仅是学生，还有经验丰富的学者。而在过去，经常发生的一种现象是，知名研究人员喜欢并想参与学术界之外的研究，而这样却会危及自己在学术界的职业。许多学者被迫只能选择其中一个。

在2003年成为纽约大学的教授之前，Le Cun在AT&T Bell实验室、AT&T实验室和NEC研究所从事了15年的行业研究。当他在2013年加入Facebook的时候，很幸运地保住了教授的职位，并在FAIR和NYU之间共享他的时间。Le Cun的双重身份允许他继续教育下一代科学家。 今天在FAIR工作的一些学者也是如此——有些人在FAIR花费的时间大约为20%，有些人大约为50%，而有些人像Le Cun一样，在FAIR的时间大约是80%。FAIR刚刚宣布的五名关键研究人员也是如此，他们将帮助FAIR在伦敦、西雅图、巴黎和门洛帕克建立新的Pittsburgh实验室和FAIR团队。双联模式在加强研究的同时，规避了个人风险。

互利共赢，方为大道

对于学术界来说，行业联盟提供了许多好处：资源计算能力、资金的形式、更多的与他人的合作,以及直接实际应用研究的机会,而有些人会认为这样可能会让学术界的研究人员变得产业化，但是在正确的环境下，情况并非如此。

事实上，当基础研究脱离了资源搜索束缚时，它确实是有益的。双联模式让学者可以控制自己的日程和时间。摆脱了时间的束缚，他们能够确定学术界和产业界的研究趋势，并可以根据最有前途的趋势开展研究。他们不会受到产品组让他们的研究投入应用的压力，因为许多人工智能公司会向他们的AI工程师施加产出压力。

例如，FAIR希望研究人员专注于长期的挑战。 在努力实现基础科学进步的过程中，经常会发明新技术，开发新工具或发现最有用的新现象。通常，长期项目最终会更快地产生相应的产品影响。虽然FAIR是一个以长期研究为中心的基础研究实验室，但其工作已经对语言翻译、图像、视频和文本理解、搜索和索引、内容推荐以及许多其他领域的产品产生了巨大的影响。

Yann LeCun

人工智能中的一些人正在通过应用图像、文本、语音、音频和视频理解，推理和实施计划来解决影响数十亿人的现实问题。FAIR以技术论文、开放源代码和教学材料的形式尽可能快地公开分享我们的进展。 FAIR提供新的知识和工具，让人们知晓最新的行业发展，并使科学进步更快。

产业界、学术界和政府的其他人可以在我们工作基础上进行创新，创造新产品，创建新公司，进行新的科学发现等。我们的目标是一致的，这些进步对每个人都有利。我们正在生产的人工智能软件工具被数百个团队用于高能物理学、天体物理学、生物学、医学成像、环境保护和许多其他领域的研究。

Le Cun在20世纪80年代末在AT＆T BELL实验室开始了他的职业生涯，并看到了雄心勃勃的开放式研究文化，这些研究产生了许多为现代世界提供动力的创新。 这些创新，包括晶体管，太阳能电池，激光，数字通信技术，Unix系统和C / C ++语言，对AT＆T产生了重大影响。 但是这些以及更多的发现和创新（其中十几项获得了诺贝尔奖和图灵奖）对整个世界产生了更大的影响。

这就是我们对人工智能的追求。理解机器、动物和人类的智能，是我们这个时代的重大科学挑战之一，而构建智能机器是我们这个时代最大的技术挑战之一。产业界、学术界或公共研究领域的任何一个实体都不能出现垄断想法或现象。要想在智能科学和技术上取得进步，需要整个研究团体的共同努力。

Yann LeCun是Facebook副总裁兼首席人工智能科学家，纽约大学Silver Professor，隶属于Courant学院和数据科学中心。他是Facebook人工智能研究和纽约大学数据科学中心的创始人，在巴黎大学获得计算机科学博士学位，在多伦多大学获得博士后学位后。他加入了AT&T BELL实验室，并于1996年成为AT&T实验室图像处理研究主管。他于2003年加入纽约大学，并于2013年加入Facebook。