首页科技快讯从此，Google再无Brain

从此，Google再无Brain

来源：晰数塔互联网快讯时间：2023年04月29日 22:02

本文来自微信公众号：Founder Park （ID：Founder-Park），作者：Founder Park，头图来自：视觉中国

AI Labs 正在卷土重来，产业界比以往几十年都更加重视 AI 研究。

短短半年前，AI Labs 还是一个几乎被互联网大厂和科技公司们放弃的组织。

除了发论文，给公关部提供 PR 业绩，个别顶级学者加入带动技术人才招聘等抽象务虚的收益以外，AI Lab 较少给企业带来实际的利益，但是它的成本又高，高得离谱，企业给研究人员开的薪酬，往往会比学界高一个数量级。

在从激进狼性的卡兰尼克手里接过 Uber 之后，新任 CEO Dara Khosrowshahi 立刻取消了 Uber AI Lab。类似的事件在过去几年屡屡发生。

如果要列出一个 AI Lab 最成功的公司，那一定是 Google。

你没有任何理由否认，AlphaGo、AlphaFold、TensorFlow、Transformer 等等这些 Google Brain 和 DeepMind 为科学和技术世界带来的价值。并且，Google 自身的业务又比其他任何大公司都更能够尽快与研究成果相结合。

但现在是 2023 年，spark of AGI 初现。曾经领先的 Google Brain 成为背景板之一。

OpenAI 最终带来了引发世纪革命的大模型产品。一些笃信 AI 的人不求回报资助创立的研究机构（谢谢难得当韭菜的马斯克的 1 亿美元）——它最初就是为了对抗 Google 的 AI 霸权。

放在五年前都难以置信，它居然真的做到了。现在微软只花了动视暴雪 1/6 的成本，收割了这些想象空间无穷的技术成果。

回过头看，曾经在 AI 和深度学习领域风光无限的 Google Brain 团队，全世界 AI Lab 的榜样，为什么会沦落到失去领先优势还被外部团队兼并的境况呢？

合并：好事还是坏事？

当地时间 4 月 20 日，Google 宣布将 Google Brain 和 DeepMind 团队合并，成为新的 Google DeepMind 部门，新部门将由 DeepMind 的联合创始人& CEO Demis Hassabis 领导，Jeff Dean 担任 Google Research 和 Google DeepMind 的首席科学家。

2011 年，Google Brain 因为一项斯坦福大学与 Google 的联合研究项目而诞生；2014 年，Google 以大约 5 亿美元的价格收购 DeepMind。

前 Google Brain 高级研究员李基薰对于这次架构调整的看法：

Google 高层认为 DeepMind 的名声超过 Google Brain 团队，同时 Demis Hassabis 也完全不同意 Google 在合并后放弃 DeepMind 的名字。

这样的合并可能只是开始，未来我们或许能看到 Google 内部研究团队更大规模的架构调整。

这样的合并也许并不是双赢的，很多项目会取消、合并，人员会重新分配，自然也会带来大量研究员和管理人员的离职。

两支团队的组织文化也有区别，这会导致很多内耗和动荡，最终可能会影响整个 Google 研究团队的效率。

前 Google 科学家、出门问问创始人李志飞是这么看这次架构调整的：

合并后的部分既做研究，也有产品部分，解决了以往各自为政、算力和人力浪费的问题，也会缓解研发和产品部门脱钩的问题。

Jeff Dean 成为首席科学家，可以充分发挥工程余热；Demis 还是创业者，更有 AGI 使命感，更有战斗力。

组织方式上，新的 DeepMind 更独立，可以尽量远离 Google 因自身的极度政治正确和机构膨大带来的效率低下。

大公司的钱，科学家怎么赚？

企业会给从学校里走出来的研究者提供数倍于学校和机构的收入。

Google Brain、OpenAI、Facebook 的 FAIR...... 他们会资助数以百计的机器学习研究人员，从事纯粹的研究，至少在挖人时承诺只做纯粹的研究。

但现在的情况是，研究人员最终还是要为了业务服务，Google Brain 的团队就要考虑推荐系统、广告优化和搜索排名等业务。

机器学习不一定会带来直接的收益，但有时候它可能会大大缩减企业的成本，比如算力等，这反过来可以总结为研究团队的 KPI。

最大的价值是品牌影响力

对于 Google Brain 里从事研究的学者来说，Google 会支付高额的报酬。不过前提是你需要从事推荐系统、广告优化、搜索排名等工作，而不是纯粹的研究。Brain 拥有众多的研究人员和项目，其中许多是直接或间接盈利的。例如，许多研究人员专注于优化器、架构搜索和超参数搜索的改进。这些研究降低了一定的计算成本。

但与此同时，Google Brain（以及 DeepMind、OpenAI 等其他机构）会资助数百名机器学习研究人员从事纯粹的研究，看似只是为了研究而研究，而仍然支付比学术界高一个数量级的报酬，Google 为什么会资助这些项目？

Brain 项目为 Google 带来的首先是公司在学术界的品牌影响力，“Brain 与其他工业研究实验室竞标，聘请最优秀的研究人员，以便成为最具声望的研究团队，这反过来又将帮助他们聘请最优秀的研究人员”。毕竟，这就是美国学术界的运作方式：以资金、学生/博士后和首席研究员（PI）的三位一体为基础。

原则上，资金应该流向最有才华的 PI 和学生/博士后；学生/博士后会去有最有才华的 PI 和资金的地方；PI 会去他们能找到才华横溢的学生/博士后和资金的地方。大学对于这类的合作研究最有热情，因为他们可以从所有研究资金中抽成，而一般公司的研究实验室并不是这样的机制，这些研究实验室只会给研究院高薪用来留住他们。

学术行业的品牌影响力有两个作用：消费领域好的品牌形象、以及更容易招聘到优秀的学术人才。对于机器学习的技术人才来说，Google 显然是比 Apple 更适合的公司，虽然 Apple 本身肯定也有类似的岗位。对于想要雇佣几千名机器学习工程师的公司来说，资助一些顶级的机器学习研究人员显然是一件性价比很高的投资，这也是一种被证实的招聘策略。

当然，在当下整个行业都在削减招聘预算，那么这一项的支出也会被减少了。

催化剂：无往不胜

Google Brain 有一项政策格外引人注意，他们对于顶级学术会议、学术论文以及学术出版的不求回报的支持。

这种资源支持力度是其他公司很少见的，主要有以下原因：

1. 品牌影响力；

2. 本身学术人员就可以随时离职带走这些学术成果；

3. 这些学术成果可以成为公司科技实力进步的催化剂。

这里的催化剂理论是指：通过在与 Google 核心业务相关的关键研究领域发表学术文章，该研究方向将朝着有益于 Google 的方向发展。例如，Google 一直对更好的 NLP 技术感兴趣，而关键研究的发表，如 2014 年的 seq2seq 和 2017 年的 Transformers，催化了整个 NLP 领域的增长。Google 是少数几家拥有消费者触达能力和计算能力的公司之一，可以将 ML 部署扩展到十亿用户，因此 Google 受益于该领域的整体进步。