雷锋网 AI 科技评论按：近日，Facebook 首席 AI 科学家 Yann LeCun 撰文喊话硅谷，AI 专家若能同时参与学界和业界，这样的双重联盟模式 ( dual-affiliation ) 将有助于推动 AI 的创新。本文原文发布于 Business Insider，雷锋网 AI 科技评论编译如下。
人工智能真正的进步，需要世界上最优秀，最聪明，最多样化的头脑碰撞出火花。独自而秘密地进行地研究，都将落后于前沿技术，唯有研究人员愿意彼此交流思想，改进和完善彼此的工作，才能推动前沿技术的不断进步。
根据 2017 年 Nature Index Science Inc. 的报告，论文出版不再是只来自于学术界，而更多的是来自学术界和工业界之间的合作，合作论文从 2012 年的 12,672 增加到了 2016 年的 25,962，翻了一番。这种学界和业界的合作方式，Facebook 称为双重联盟模式 ( dual-affiliation )，即学术界的学者参与到企业中工作，但同时也保留其在学校的职位，因此可以同时为学界和业界做出贡献，这不仅推动了如语音识别，图像识别，文本理解和语言翻译系统等技术应用的进步，还加强了 AI 基础科学的研究。
双重联盟模式有利于学者的个人发展，人工智能的经济发展以及行业的进步。我们应当支持、宣扬这种模式。
国际数据公司表示，预计 2018 年全球在 AI 系统上的支出将达到 191 亿美元。单就斯坦福大学学生创业的数据来看，其活跃的 AI 创业公司的数量相比 2000 年已经翻了 15 倍。据 Adobe 称，人工智能相关的工作需求比 2013 年高出了 5.5 倍。这一行业进展如此顺利，这主要归功于产学界的合作。
几十年来，许多商业、金融、法律和医学教授在大学教学和研究的同时，也在私营公司实践自己的专业。越来越多的领先的人工智能研究人员，开始接受了产学界双重联盟的模式，比如来自 Facebook 人工智能研究院（FAIR）的同事，以及其他技术公司的几位朋友。还有一些其他学者，如我在蒙特利尔大学的老朋友 Yoshua Bengio，他没有加入公司的研究实验室，但他在许多公司担任顾问，也称为了一些创业公司的联合创始人。
双重联盟模式使研究人员能够最大限度地发挥其影响力。不同研究环境下产生的思想是不一样的，有些想法只在学术环境中蓬勃发展，而另一些可能只是在拥有更大工程团队和更大计算资源的情况下被采用。
在过去，由于政策上对知识产权的重视，工业界和学术界之间的合作是很复杂的。但在当今快节奏的互联网世界，拥有知识产权相对不那么重要了，更重要的是尽可能快地将研究成果转化为创新产品，并且规模化地量产。 AI 研究人员深知这一点，他们通过开放的文档库（如 ArXiv.org），快速地发布自己的研究结果。许多论文都附有相应代码的开源版本。这种做法加快了人工智能科技的进步，也打破了产学界合作的僵局，在产学界共享研究成果，帮助着每个人。
行业内基础研究的投资、开放式研究、开源软件的实践，以及对知识产权更加放松的态度，使得产学合作比以往更容易，更富有成效。推动技术进步的一个很重要的因素在于普通人的接纳采用程度，而控制进步速度的，则是看有多少多样化的人才能投身于这一行业中，应用技术去解决问题。目前为数不多的 AI 人才聚集在各大高校里，与此同时，对行业中顶尖人才的需求不断增长。已经有一些优秀的大学教授到企业中任职，他们在关键职位上发挥着重要作用，这是一个良好的开端，需要得到支持和推动，让这种趋势能爆发式增长。
业界与学术机构的合作，可以帮助更多学生接受专业的训练，使他们能够体验更快计算能力，更真实而庞大的培训数据，期望他们在未来能为这一领域做出贡献。巴黎的 FAIR 实验室目前拥有 15 名博士生，由一位 FAIR 研究员和一位教授指导。Facebook 这一项目已经取得了突破性的研究，相信 FAIR 的常驻博士生能获得比大多数纯学术环境更好的研究和指导，该项目非常成功，Facebook 计划在未来几年将其扩展到 40 名学生。有些学生毕业后可能会选择加入 FAIR，也有很多学生会选择加入其他实验室，投身创业公司或成为教授。这也是 Facebook 为研发生态圈做出的贡献。
研发生态圈的目标是给更多人提供机会，不仅是学生，还有经验丰富的学者。很多研究人员想要接触业界更多的机会，但又怕影响自己在学界的职业生涯，这在过去经常发生，也使得许多学者被迫只能选择其中一个——要么投身业界，要么安心留在学界。
我自己在 2003 年成为纽约大学教授之前，在 AT＆T 贝尔实验室、AT＆T 实验室研究所以及 NEC 研究所呆了一共 15 年。当我在 2013 年加入 Facebook 时，同时也保持了在 NYU 的教授职位，因此我同时在 FAIR 和纽约大学工作。正是 Facebook 这种双重联盟的模式让我既能加入企业，也能够继续教育下一代科学家。现在在 FAIR 工作的一些学者也是如此，有的人大约 20％，50％ 或者 80％ 的时间投入业界，例如 Facebook 刚刚宣布加盟消息的五位重要研究人员，他们来自学界，往后将帮助在伦敦、西雅图、巴黎和门罗公园建立新的匹兹堡实验室和 FAIR 团队。产学界的双重联盟模式避免了学者个人职业抉择的风险，也使得研究更丰富有力。
对于学术界来说，与业界的联盟带来了许多好处：计算能力、资金、与他人的合作，以及能够立刻实践研究成果的机会，在产业界的实践要比在实验室的验证快的多。
当研究资源源源不断，不受限制时，基础研究会很收益。双重联盟模式让学者能够控制自己的时间表，他们不需要把时间安排的很紧，在确定了产学界的研究趋势后，他们可以采取最有前景的方法去研究实践。他们不会受到产品组的压力，不会像很多 AI 工程师一样，被压迫要快速产出 AI 产品。
在 FAIR，我们希望研究人员能专注于长期的研究挑战，在努力实现基础科学进步的过程中，发明新技术，开发新工具或发现最有用的新现象。而通常，很多项目的产品化要比想象中来得快。尽管 FAIR 是一个专注于长远的基础研究实验室，但实验室的工作对语言翻译、图像、视频和文本理解、搜索和索引、内容推荐等应用的产品产生了很大的影响。
FAIR 有部分研究人员致力于通过应用图像，文本，语音，音频和视频理解，推理和行动规划来解决数十亿人的现实问题。在 FAIR，研究人员们通常会尽可能快地以技术论文，开源代码和教材等形式公开分享他们的技术研究。他们会提供新的知识和工具，来教育人们最新的技术发展，并努力加快科学的进步。
工业，学术界和政府部门同样也可以帮助研究人员创造新产品，建立新的创业公司、创造新的科学发现。大家的目标是一致的，这些进步是为了每个人的利益。FAIR 研究人员正在生产的 AI 软件工具已经被数百个团体用于高能物理，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中。
我是在 20 世纪 80 年代后期加入 AT＆T 贝尔实验室，开始我的职业生涯的，我见证了许多开放式的研究产生了现代文明的创新。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。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。
而之后我们所要追求的目标，就是 AI。了解机器、动物和人类的智能是我们这一时代的重大科学挑战之一，构建智能机器是我们这个时代最大的技术挑战之一。工业界，学术界或公共研究中的任何一个人都无法独自实现这个目标，唯有整个研究界的共同努力才能不断推动「智能」研究的发展。
Yann LeCun 是 Facebook 首席 AI 科学家，同时也是纽约大学的教授，属于 Courant 研究所和数据科学中心。他是 Facebook AI Research 和纽约大学数据科学中心的创始主任。他在巴黎 P＆M Curie 大学获得计算机科学博士学位。在多伦多大学攻读博士后，他加入了 AT＆T 贝尔实验室，并于 1996 年成为 AT＆T 实验室的图像处理研究负责人。他于 2003 年加入纽约大学，2013 年加入Facebook。
via Business Insider，雷锋网 AI 科技评论编译
正在生成分享图...
我在思考中