Facebook 5年走过的坑，希望你能绕过去

距离第一次在 NeurIPS 公布要建立 Facebook AI 研究院FAIR，已经整整5年了。FAIR 创始人，Facebook CTO Mike Schroepfer回顾了创建研究院的初衷，以及5年来踩过的坑。

嘴上说不要，身体却很诚实

FAIR 5 周年了。Facebook CTO Mike Schroepfer 说，他曾经极度抵触所谓的研究院。刚开始 Facebook 要建研究院的时候，他坚决的说了：

他现在的同事，CNN 之父 Yann LeCun 在 Quora 上说：“什么公司才会建立研究院？财力雄厚，可以不用太在意短期收益，可以拿出资金和时间，注重长远发展的公司。”

Mike 一定是在传统研究院受过伤的男人。在他看来，传统企业的研究院都是封闭的，他们把研究院变成了一个孤岛，与世隔绝。

而研究院研究的课题，往往脱离实际，信马由缰，想出的东西往往看不中用。

所以万一 Facebook 成立实验室，最终变成一个自嗨的封闭小圈子，而无法解决真实世界的问题。怎么办？

但是在 2013 年，未来属于 AI的迹象已经非常明显了。为了能赢在未来长路的起跑线上，Facebook 成立了 AI 研究院 FAIR （Facebook AI Research）。

诞生之日起，FAIR，AML 以及 AI 基础设施部门，就和产品部门紧密相连，以期能够解决学术研究和产品的实际问题之间的隔阂。

做研究院，Facebook 踩过的那些坑

研究院不是学院，需要为公司的长期和短期目标负责，需要能够很好的平衡研究和应用之间的关系

Mike 回顾了他做 FAIR 5 年来所踩过的坑。禅师相信这也是很多有意要建立研究院的公司，也可能会遇到的问题。

研究院和产品团队既不能脱节又不能过火

如果研究院和产品团队脱节，研究院的那帮高智商的疯子们，什么事情都能做得出来。他们关注的问题，可能在学术上非常 attractive，但跟产品却八竿子打不着。

如果反过来，产品团队和研究院编程一个团队了，相当于产品自己也白手起家，不光要做产品还要给产品量身定制做工具，结果就失去了建立研究院的意义。

其实解决起来也很简单，定好两边职能边界，定好共同目标。然后各司其职，并为共同目标负责。

要有通用的数据集和基准

产品设计非常重要的一点，就是说服别人相信我提的这个需求，确实是对用户有价值的。

同理，研究员如果想得到产品部门的支持，他不能由着自己的性子随便做研究。他必须说服产品部门，手头在做的研究确实是亟待解决的问题。

科研和产品需要统一工具和标准

如果没有统一的工具，每个团队都会挑选不同的工具，对接起来就会很麻烦。

所以就有了 PyTorch。研究院和产品团队均在这个框架里工作，效率和凝聚力都得到了提升。

开源

Yann LeCun 说过，研究人员的成果必须是公开，需要经过同行评估，才能体现出它的价值，否则大家会怀疑研究成果的真伪和价值。

这句话放在大厂的研究院也成立。你自己关起门来研制，然后站出来说效果特别好，比友商高出几个百分点。谁信啊？

而且开源还有一个好处。更多人使用，就会有更多的数据集和代码，更多的可以方便解决各种问题的库。