Facebook的首席人工智能科學家Yann LeCun今天在Business Insider發文表示，硅谷需要與學術界密切合作，以建立人工智能的未來。產學結合的雙聯模式，必將成為推動AI發展的關鍵。

要在人工智能領域取得真正的進展，我們需要最優秀、最聰明、最多元化的思想來交換想法，并在彼此的工作基礎上建立聯系。孤立或者秘密的研究，將會與前沿研究脫軌。

根據Nature Index Science Inc. 2017年的數據報告，發表的論文不僅來自學者之間的合作，還來源于學術界和產業界之間的合作，從2012年到2016年，論文篇數從12,672篇增加到了25,962篇。這種新興的雙聯模式不僅使技術得到進步（如語音識別、圖像識別、文本理解和語言翻譯系統），而且還有助于提高理解“智能”的基礎科學。

產—學合作經濟學

International Data Corporation表示，全球人工智能系統的支出預計將在2018年達到191億美元。 根據斯坦福大學的數據，活躍的AI創業公司的數量是2000年的15倍。 根據Adobe的數據，需要人工智能的工作所占比例是2013年的5.5倍。而這一切順利的發展，Le Cun表示很大程度上歸功于產業界和學術界之間的合作。

近幾十年來，許多商業、金融、法律和醫學教授在大學教書以及做研究的同時，都會在私營部門從事與自己專業相關的工作。越來越多的頂尖人工智能研究人員，包括Facebook AI Research (FAIR)的同事，以及其他技術公司的幾個朋友，都在接受這種雙聯模式。其他學者，例如蒙特利爾大學的yobengio，也沒有加入企業的研究實驗室，卻在許多公司擔任顧問或聯合創始人時發揮了重要作用。

Facebook CEO馬克·扎克伯格

雙聯模式使研究人員能夠最大限度地發揮他們的作用。 不同的研究環境會產生不同類型的想法。 某些想法只在學術環境中蓬勃發展，而其他想法只能在擁有更大工程團隊和更大計算資源的行業中開發。

在過去，產業界和學術界之間的真正合作因雙方對知識產權（IP）的過度占有而變得復雜。但在當今這個快節奏的互聯網服務部署時代，擁有IP已變得遠不如將研究成果盡快轉化為創新產品并大規模部署來得重要。 AI研究人員通過在開放存取存儲庫（如ArXiv.org）上快速發布成果來確定優先級。許多論文都附有相應開源的代碼。這種做法提高了與人工智能相關科學技術的進步速度，并解凍了一度冰冷的關系。如今，“共享”能夠幫助到每一個人。

學術界與人工智能

由于對工業基礎研究的投資，開放式研究、開源軟件的實踐，以及對知識產權更寬松的態度，使產業界與學術界的合作比過去容易得多，成果也更豐富。但仍需繼續努力。能夠推動如AI這樣的高新技術發展的一個重要因素在于一般人群對其使用的速度，相反的，通常能夠控制這個速度的是投入人才的數量和多樣性。大學孕育著大量高精尖人才，而與此同時，AI行業對于人才的需求也是不斷的增加。

與學術機構的行業合作可以起到一定的幫助。他們增加了在人工智能方面受過專業訓練學生的凈人數，使他們能接觸到強大的計算力和訓練數據資源，并期望他們將來對該領域有所貢獻。巴黎的FAIR實驗室目前擁有15名博士生，由FAIR研究員和教授共同指導。這個項目已經有了突破性的研究成果，常駐的博士生比起在大多數純粹的學術環境中得到了更好的研究環境和指導。這個項目非常成功，我們計劃在未來幾年將其擴大到40名學生。有些學生畢業后可能會選擇加入FAIR，但也有很多人會選擇加入其他實驗室、創業公司或成為教授。這是我們對研發生態系統的貢獻之一。

Facebook辦公室一角

這個生態系統的目標是改善每個人的機會——不僅是學生，還有經驗豐富的學者。而在過去，經常發生的一種現象是，知名研究人員喜歡并想參與學術界之外的研究，而這樣卻會危及自己在學術界的職業。許多學者被迫只能選擇其中一個。

在2003年成為紐約大學的教授之前，Le Cun在AT&T Bell實驗室、AT&T實驗室和NEC研究所從事了15年的行業研究。當他在2013年加入Facebook的時候，很幸運地保住了教授的職位，并在FAIR和NYU之間共享他的時間。Le Cun的雙重身份允許他繼續教育下一代科學家。 今天在FAIR工作的一些學者也是如此——有些人在FAIR花費的時間大約為20%，有些人大約為50%，而有些人像Le Cun一樣，在FAIR的時間大約是80%。FAIR剛剛宣布的五名關鍵研究人員也是如此，他們將幫助FAIR在倫敦、西雅圖、巴黎和門洛帕克建立新的Pittsburgh實驗室和FAIR團隊。雙聯模式在加強研究的同時，規避了個人風險。

互利共贏，方為大道

對于學術界來說，行業聯盟提供了許多好處：資源計算能力、資金的形式、更多的與他人的合作,以及直接實際應用研究的機會,而有些人會認為這樣可能會讓學術界的研究人員變得產業化，但是在正確的環境下，情況并非如此。

事實上，當基礎研究脫離了資源搜索束縛時，它確實是有益的。雙聯模式讓學者可以控制自己的日程和時間。擺脫了時間的束縛，他們能夠確定學術界和產業界的研究趨勢，并可以根據最有前途的趨勢開展研究。他們不會受到產品組讓他們的研究投入應用的壓力，因為許多人工智能公司會向他們的AI工程師施加產出壓力。

例如，FAIR希望研究人員專注于長期的挑戰。 在努力實現基礎科學進步的過程中，經常會發明新技術，開發新工具或發現最有用的新現象。通常，長期項目最終會更快地產生相應的產品影響。雖然FAIR是一個以長期研究為中心的基礎研究實驗室，但其工作已經對語言翻譯、圖像、視頻和文本理解、搜索和索引、內容推薦以及許多其他領域的產品產生了巨大的影響。

Yann LeCun

人工智能中的一些人正在通過應用圖像、文本、語音、音頻和視頻理解，推理和實施計劃來解決影響數十億人的現實問題。FAIR以技術論文、開放源代碼和教學材料的形式盡可能快地公開分享我們的進展。 FAIR提供新的知識和工具，讓人們知曉最新的行業發展，并使科學進步更快。

產業界、學術界和政府的其他人可以在我們工作基礎上進行創新，創造新產品，創建新公司，進行新的科學發現等。我們的目標是一致的，這些進步對每個人都有利。我們正在生產的人工智能軟件工具被數百個團隊用于高能物理學、天體物理學、生物學、醫學成像、環境保護和許多其他領域的研究。

Le Cun在20世紀80年代末在AT＆T BELL實驗室開始了他的職業生涯，并看到了雄心勃勃的開放式研究文化，這些研究產生了許多為現代世界提供動力的創新。 這些創新，包括晶體管，太陽能電池，激光，數字通信技術，Unix系統和C / C ++語言，對AT＆T產生了重大影響。 但是這些以及更多的發現和創新（其中十幾項獲得了諾貝爾獎和圖靈獎）對整個世界產生了更大的影響。

這就是我們對人工智能的追求。理解機器、動物和人類的智能，是我們這個時代的重大科學挑戰之一，而構建智能機器是我們這個時代最大的技術挑戰之一。產業界、學術界或公共研究領域的任何一個實體都不能出現壟斷想法或現象。要想在智能科學和技術上取得進步，需要整個研究團體的共同努力。

Yann LeCun是Facebook副總裁兼首席人工智能科學家，紐約大學Silver Professor，隸屬于Courant學院和數據科學中心。他是Facebook人工智能研究和紐約大學數據科學中心的創始人，在巴黎大學獲得計算機科學博士學位，在多倫多大學獲得博士后學位后。他加入了AT&T BELL實驗室，并于1996年成為AT&T實驗室圖像處理研究主管。他于2003年加入紐約大學，并于2013年加入Facebook。