从LeCun调职看Facebook剧变：为AI军备竞赛改变方向
选自：WashingtonPost
作者：Drew Harwell
近日，人工智能先驱、纽约大学教授Yann LeCun卸任Facebook人工智能实验室（FAIR）主任一职，改任首席AI科学家，接任者是Jerome Pesenti，LeCun将向其汇报。这在业界引起了一场舆论风波。比如，华盛顿大学教授、《终极算法》作者Pedro Domingos在华盛顿邮报的一篇文章中声称Facebook与谷歌、微软在人工智能方面还存在不小差距；LeCun的卸任折射出了Facebook人工智能的研发与工程化之间的深层矛盾。面对这些外界看法，FAIR内部人员如何看待LeCun卸任一事呢？卡耐基梅隆大学机器人系博士、FAIR人工智能研究员田渊栋发表了自己的观点，机器之心经授权获得转载。
FAIR现在一切风平浪静，大家该干啥干啥，没见到和之前有什么区别，还是做long-term的工作，还是偏重科研，还是没有产品压力。我都不知道这些传言是怎么来的。
FAIR基本上是自底向上的管理模式，给一个环境让研究者们去探索，只要有进展，老板们不会干涉。现在大家知道围棋是好方向了，但退回2015年做围棋，碰到个有点控制欲的老板还不把你一脚踹到爪哇国去，但是FAIR不会，大家以“与别人不同”为荣，并且愿意沿着自己看准的方向坚持下去。当时我做围棋大家会质疑，但我可以继续做。做原创研究要”于无声处听惊雷“，要是都听着上头的，上头指哪下头打哪，就没有原创性了，很多时候大佬说的都是错的。
之前Yann的reports太多，他不想管也很正常。国外管人很难的，手下人都是大爷，要好好伺候着，有啥不顺心的要负责解决，出活碰到障碍要提供便利，没思路了要经常一起讨论，要拉合作，作统筹，而且还到处是坑，说错话做错事责任全在管理者头上。
研究其实分两种，一种灌水式研究，以文章中稿为目的；另一种是解决式研究，以解决问题为目的。FAIR从成立之初就是做后一种研究，文章不看多而看精，看效果和质量，不仅看文章，还看开源代码，看影响力。FastText，Convolutional Machine Translation，MaskRCNN，还有最近的detectron，包括我这边的ELF，都是被广泛关注并且可以在各种场景下用上的。在过去的四年里，FAIR给公司带来了不可估量的价值，让大家觉得FB也是一个技术上很厉害的公司，牛人会纠结是去Google Brain，DeepMind还是来我们这里，这还不够么？
站在解决式研究的角度上看，它和产品没有什么不可调和的矛盾，最大的区别是检验标准。产品组标准相对客观简单，可能就几个数字，多少人在用，时长是不是涨了，等等；研究这边就多元化了，新方法，新方向，新思路，就算一时的”大逆不道“都可能是好的。所以一个研究团队要有好的头儿带，要有好的鉴赏力，知道什么是好的研究，什么是一般的研究，什么是在浪费时间，什么需要给空间让大家探索，并且可以把这个标准坚持下去。这个很重要，别看人家到处做讲座好像没干啥，大佬就是起这个作用的。
另一个是长期和短期的区别。太过注重短期效益，逼得紧，每周都要有进展，那就只能在原方法上修修补补（我以前在Google的组就是这样）；给一个宽容的环境，鼓励大家坚持长期的方向，就会有创新出来。如@吴育昕所说，对长期的项目现在投入是越来越大了。注意宽容并不意味着我们很闲，事实上像我基本上是7天13-14小时工作制，算法到系统到理论分析都搞，搭建系统的速度，产品组同事们看了commit的频率都无法插手。宽容只是容许失败，容许尝试很多不一样的方向，只要你努力了，就算失败也不会让人难堪，反而可以堂堂正正说试过了，换一个方向再试一次。
所以，你们觉得这样的组会被干掉么？
另外附带说一句，一直以来FAIR宣传自己是研究组，宣传各种文章各种研究成果，可能有点用力过猛，导致大家对它有误解，以为它只做研究，和产品关系不大。其实FAIR虽然没有产品压力，但和以前MSR有点不一样的地方是它一直在deliver，一直有各种东西放进产品里面去，我上面列举的那些好项目，难道都是看着当摆设的？现在因为AI平台兼容性强很多，技术转化相对方便，要送训练好的模型去服务产品，真的不是什么难事情。以前听说MSR要花上一年时间才能转化研究成果，现在FAIR这里搞个新闻，明天一封email就来了要谈内部合作。我来FAIR的第一个小项目就是完全出于个人兴趣和我的bootcamp mentor做了个内部产品，不仅发布了还被VP点名了。不过我为啥要宣传这事呢？还是讨论高大上的游戏和强化学习比较吸睛啊。
可能大家只有“科研”，“工程”这几个概念，所以不知不觉把事情往非黑即白的方向上去想了，其实世界都是灰的。