上上周，AI圈最大的事情，沒有之一，就是圖靈獎，終于終于，終于頒給了深度學習三巨頭。

關于GeoffreyHinton和他的兩位學生YoshuaBengio、YannLeCun的故事，在消息出來后的幾天里，理所當然完成了刷屏。

即使AI從業者和愛好者基本已經對這三位的事跡耳熟能詳，但他們“高舉著火焰，沖過了最黑暗的時代”的英雄主義情結，還是能夠輕易讓遠離AI世界的人們動容。

“三巨頭”和深度學習的經歷，事實上是一幕從學術邊緣開始，在產業狂歡中自證，再回頭征服主流學術界的故事。起伏線索簡直比好萊塢大片還要好萊塢。

然而現實人生和電影最大的區別或許在于，電影可以在高潮處戛然而止，留給觀眾意味深長的壯美。但生活還要繼續，日子還得過，AI還得發展。深度學習并不會因為圖靈獎的到來而畫上圓滿的句號。

如果說三巨頭在全世界都不相信深度學習時的執拗，最終換來了圖靈獎和一句句“泰斗”的贊美聲；那么我們今天更應該留意的，或許是在深度學習如日中天的現在，三巨頭又在忙活著什么？他們現在所忙的，是不是又映射著AI的未來？

咱們不妨換個角度，不說他們可歌可泣的當年，而是聊聊三巨頭的現在。

需要注意的是，這里并不打算把三人及團隊的每一篇論文都整理出來，而是希望從他們在AI爆發之際的選擇，讀出些許關于深度學習未來走勢與先天不足的底層規律。

YannLeCun：

產學候鳥與AI圈魯迅

三巨頭中最頻繁活躍在大眾視線里的，是YannLeCun。

為什么很多不認識Hinton的人也認識YannLeCun？這個AI界的未解之謎有很多解釋。

不靠譜的解釋包括，YannLeCun這個名字非常適合寫成楊麗坤，所以好記。再比如說他的招牌式笑容很容易讓人覺得AI沒那么枯燥。

而靠譜的解釋是，YannLeCun是三人中進入產業世界程度最深的那一位，甚至一度被視作AI科學家走向商業世界的代表人物。

2013年，YannLeCun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科學家干嘛，也不明白YannLeCun去一個社交媒體做什么。

來到Facebook之后，YannLeCun一手創立了FAIR。這不是個律師事務所，而是Facebook人工智能實驗室。

必須要承認，作為FAIR一把手的YannLeCun，在那幾年間是有不少作為的。比如大幅度提升了Facebook的自動化運營能力，提高了廣告等Facebook生命線的智能化程度。而另一方面，充滿理想主義精神和學者氣息的YannLeCun還把FAIR搞成了硅谷最有烏托邦味道的實驗室之一。

在Facebook，FAIR的專家們關注那些天馬行空的前瞻性技術，以及AI如何在未來造福全人類。在扎克伯格的默許與支持下，FAIR的紅火甚至一度被認為是硅谷的工程師文化要向科學家文化交槍。

此外，YannLeCun個人魅力也成為Facebook快速招到頂級科學家的利器，5年中，FAIR擴大到6個辦公地點，有近100名研究員。與吳恩達、李飛飛并列，YannLeCun也被稱為由學校到企業的三位AI明星之一。

但隨著團隊規模的不斷擴大，YannLeCun作為理想派科學家，逐漸暴露出了團隊管理能力的不足。加上2017年Facebook風雨飄搖，在整體業務改革之后，業務線開始向FAIR索取更多直接的、有助于提升業務質量或者變現能力的技術——而這并非YannLeCun所愿與所長。

始終保留著紐約大學教職的YannLeCun，在2018年1月宣布辭去了FAIR負責人的職務，轉向幕后擔任首席科學家。而這也被外界解讀為一個信號：似乎和吳恩達、李飛飛一樣，頂級科學家真的不那么容易在大企業高管的位置上長治久安。

而在產業的探索之外，YannLeCun的另一個人設，堪稱AI圈里的魯迅——路見不平一聲twitter，該罵你時候絕不休息。

不少人感覺YannLeCun有點過于“好作驚人語”，但其實要看到更大的背景在于，今天圍繞著深度學習到底是什么，未來會怎么發展，以及AI有沒有用等一系列問題，滋生出了無盡的爭議。

而作為AI行內最大的明星之一，YannLeCun似乎也在某種程度上有義務出來正本清源。

讓咱們回顧一下讓YannLeCun啟動開懟模式的三件事：

1、對著名的人形機器人，全球首位“機器公民“索菲亞。YannLeCun怒斥其為“徹頭徹尾的騙局”“完全是胡說八道”。在YannLeCun看來，所謂索菲亞不過是一具放錄音的模型而已，對它的“物體崇拜”會讓人們覺得AI就是在變戲法。真正的AI想要達到嬰兒甚至動物的智商，還要走很遠的路。

2、硅谷鋼鐵俠馬斯克，近兩年的愛好是到處說AI就要毀滅人類了。YannLeCun認為這種說法非常不負責任。在他看來，馬斯克就是跟一些樂觀派的科學家聊天，又回家看了一些想象成分居多的書，然后就產生了《終結者》馬上要實現的想法。加上眾所周知馬斯克總想拯救人類，最后導致了我們聽到的那些聲音。而在YannLeCun看來，科學家是知道那種強AI不太可能在幾年內實現的，馬斯克的言論是在散布恐慌。

3、去年，一位計算機視覺專家FilipPiekniewski連續發表了《深度學習已死》之類的“雄文”，高唱深度學習泡沫要破。YannLeCun則馬上開啟了回懟模式，直言作者“非常無知”，指出這位作者首先沒有看到學術和產業界的現實，其次用一些無關的證據強行證明AI“寒冬來了”的結論。比如作者提到AI藥丸，一大證據是AI科學家發twitter少了——氣的YannLeCun趕緊發了一堆twitter。

總結一下，會發現YannLeCun開懟的主要是三種聲音：假AI、AI威脅論，AI寒冬論。

其實環顧左右，這三種論調是不是也飄散于我們身邊呢？

YoshuaBengio：

保衛象牙塔，鎮守加拿大

說了最高調的，再說說最低調的YoshuaBengio。

之所以說他低調，是因為YoshuaBengio可說是三巨頭中最不愿意探索產業世界的一位。他在必然出現的重金誘惑面前，也沒有加入那幾家我們耳熟能詳的科技巨頭，而是選擇繼續留在蒙特利爾大學的象牙塔里，享受著加拿大的好山好水。

然而隨著自己發明的深度學習越來越火，YoshuaBengio發現事情并不簡單。科技巨頭和投資人開始瘋狂向學校搶人。深度學習方向的博士變成了炙手可熱的香餑餑，直到YoshuaBengio發現，他還沒畢業的博士都已經被饑渴的科技公司瓜分干凈。這位科學家決心要保衛象牙塔的純凈。

他的辦法是，自己開一家公司……

咳咳，事實上，YoshuaBengio是在幾位合伙人的勸說下，決定共同建立一個新型的產學一體化機構。我們知道AI界有著名的OpenAI，專注無不商業目標的開源項目，讓科學家能在企業完成自己的夢想。

而YoshuaBengio與合伙人聯合創立的ElementAI，則反其道而行之。它致力于讓AI科學家們可以直接參與商業項目，獲取相關回報，但同時能夠保留教職——比如每周只用抽出幾個小時來來ElementAI干活，大家一起做做項目賺賺外快就行了。

這種有點像AI科學家在線兼職的模式，可以有效解決一個問題：創業企業和傳統企業，根本無力與科技巨頭爭搶AI人才，但他們卻實打實地需要AI人才來幫忙。這樣一種模式可謂兩全其美。

很快，ElementAI就獲得了微軟的投資，現在在深入各行業定制AI解決方案之外，也開始與大公司的聯合科研，以及對優質AI項目進行投資和技術幫助。而對于客戶來說，YoshuaBengio本人就是商業合作上的金字招牌。

YoshuaBengio的另一個工作重心，是學校里的蒙特利爾學習算法研究所（MILA）。MILA和ElementAI一學一產，構成了蒙特利爾AI產業的雙核驅動。今天，加拿大AI的快速發展，以及蒙特利爾被稱為AI時代的硅谷，都與YoshuaBengio的工作緊密相關。

嗯，至少目前來看，這位象牙塔守護者，加拿大AI之星，還是比較好地完成了任務。

YoshuaBengio還有一項比較出名的行動，是在AI社會責任與公益領域廣泛擔當呼吁者。比如他帶頭反對谷歌的軍方項目，呼吁終止AI武器化。并且積極推動關注AI中的歧視與不公平問題。

假如給YoshuaBengio近年來的工作打上三個標簽，那就是：學術的，公益的，加拿大的……

GeoffreyHinton：懷疑者，依舊懷疑

與兩位50多歲的學生相比，已經72歲的老師Hinton，似乎應該閑下來，享受“AI教父“的尊名，指導指導學生，籌劃一下傳記。

然而事實并非如此，GeoffreyHinton今天依舊在保持高強度的工作。被腰間盤疾病困擾的他，甚至必須要站著完成所有研究。與兩位學生和大部分功成名就的同行相比，Hinton更像是工作在AI一線的那一個。

簡單來說，那個又倔又橫的小伙子，如今變成了個又倔又橫的老頭。

曾經在一次采訪中，GeoffreyHinton被問到為什么能在幾十年的不被重視中堅持下來，他的回答非常酷也非常Hinton。他說：

“他們都錯了。”

直到今天，Hinton還是認為有可能所有人都錯了，包括他自己。

1986年，Hinton發表了《Learningrepresentationsbyback-propagationerrors》，這是Hinton一生的代表作之一，標志著反向傳播算法被引進深度學習，今天來看有著跨時代的意義。

然而Hinton在近兩年卻頻頻表示，反向傳播有可能存在這巨大的缺陷。他不但自己嘗試了多種方式突破它，還將大量相關研究綜合起來，寫論文對比如何擺脫反向傳播的窠臼——直到現在，他還沒有超越自己，但并不代表以后不能。

GeoffreyHinton是一個徹頭徹尾的懷疑者，這點并沒有因為他變成“泰斗”而改變。

在產業世界，Hinton的主要工作在谷歌大腦。近兩年，TensorFlow的簡化升級，谷歌大腦的AI能力拓展，背后都有Hinton與團隊的身影。

而作為“教父”一樣的存在，Hinton更被人關注的是在AI學術領域不斷提出的顛覆性觀點。恰好這又是一個樂于顛覆自己和其他人工作的人。

2017年年底，Hinton發表了名為膠囊網絡CapsuleNetworks的方案，被廣泛認為將改寫深度學習的發展軌跡。

膠囊網絡所針對的，是卷積神經網絡的操作模式。傳統的深度學習算法中，每一層神經網絡必須做同樣的卷積運算。而膠囊網絡則認為，不同的神經元可以攜帶不同屬性，這就像人腦中的不同區域負責不同的工作。

這種將深度學習進行稀疏激活的顛覆式方案，目前已經被證明可以在圖像識別領域達成創新。不少人相信，膠囊網絡未來會成為AI可解釋、AI被賦予常識的關鍵技術。

近幾年，Hinton帶來的另一個顛覆，是在暗知識提取darkknowledgeextraction領域不間斷的工作。一般來說，深度學習獲取抽象特征，是建立在龐大的數據運算基礎上的。而這會導致AI必須消耗大量的數據和算力來反復完成訓練。而暗知識提取，或者叫知識蒸餾，則致力于讓智能體之間可以提取隱藏的知識，把一部分知識留存到子深度學習系統，最終達成智能體擺脫龐大的算力與數據渴求，觸及相對先天的“智能”。

可以看到，Hinton在今天依舊那么硬核。很多在AI世界看似常識的東西，AI之父卻壓根不相信它，并且在反復挑戰。

AI走到頭了嗎？深度學習是最終解法嗎？這老頭一輩子從來沒相信過大多數人的判斷。

三巨頭的今天：深度學習，從1到很多

假如說，三巨頭高舉火把，四下無人的那些年，是深度學習從0到1的時代。

那么今天全世界的深度學習熱，毫無疑問標志著深度學習開始從1到N。然而從三巨頭今天的工作來看，它也僅僅才到1而已。

不知道大家注意到沒有，三巨頭今天主要關注的方向，恰恰對應著以深度學習為代表的這一次AI復興，所攜帶的先天不足，以及后天激發的問題。把三巨頭的工作強行合并，可以看到這樣幾個方向：

1、AI到底是空談還是事實？解決這個問題，必須把深度學習扔到產業熔爐當中，在算力、數據和應用場景里，檢驗深度學習到底能干什么。而這也是大量AI科學家必須去企業的邏輯之一。

2、AI火了之后，各種亂七八糟的事情一定會出來飛舞，需要有人把火車拉回軌道。YannLeCun在社交媒體上四面開火就是因為這個。索菲亞的把戲、馬斯克的AI威脅論，以及“AI寒冬又來了”，這幾個說法今天在中國一定有大批擁護者。不難看出問題還是挺尖銳的。

3、AI的人才匹配與平衡問題。這輪AI復興的一個特征，是高度的產學一體化，導致學術人才可以直接與應用打通。然而學術人才如何在產業誘惑面前保持學術追求，產業如何在巨頭爭搶下獲得AI人才幫助，這個問題在中國同樣存在。

4、深度學習是把雙刃劍，軍事化、歧視與不公、因素安全等問題隨之產生。AI的社會責任，是一個刻不容緩的矛盾。

5、深度學習，不是終點。反向傳播，多層神經網絡等等技術模式構成了我們習以為常的那個“AI”。但是深度學習依舊有大量問題存在，比如黑箱性，遷移能力差，高消耗等等。我們是把今天的AI當成原教旨，還是繼續挑戰，尋找更上層的終點？這點Hinton這位“深度學習之父”真是帶了個好頭。

功績當然偉大，問題還有一堆。今天，三巨頭還在工作，他們在為他們的造物負責。