每日最新頭條.有趣資訊

4年虧損250億,打敗柯潔的“狗神”過的並不好

作者| 宇多田

出品| 虎嗅科技組

從2016年3月的一個下午開始,當一個名叫AlphaGo的圍棋電腦程序,在兩年裡,陸續戰勝韓國圍棋9段職業選手李世石,和當時世界圍棋排名第一的中國棋霸柯潔後,關於未來5年裡“人工智能技術無所不能”的炒作,便拉開了序幕;

當然,更直接的影響是,全權研發製作了AlphaGo的英國人工智能公司Deepmind,在僅被谷歌收購2年後,便譽滿天下,幫谷歌與“人工智能全球最強企業”緊緊綁定在了一起。

但誰也不會想到,Deepmind 來勢迅猛的技術聲譽,又在未來極短的時間內,轉化成了外界對其始終不見商業化有效成果的批判與質疑

與大多數在2019年進入蕭條期和死前掙扎期的國內人工智能公司一樣,在更看中自由市場商業化落地的歐美,Deepmind從2016年~2019年共計虧損13.55億英鎊(這還不算上收購的6億美元,還免除了2019年15億美元債務),大約人民幣118.5億元(18.38億美元)。

很顯然,虧損總額高達40億美元(約人民幣257億),讓谷歌受到了華爾街的千夫所指。

但是,根據昨天Deepmind在英國政府機構 Companies House 上的最新账目顯示,2020年,這家全球人工智能研發能力最強的企業之一,終於迎來了一個關鍵的商業化臨界點

2020年同比增長率超過300%,達到8.26億英鎊的高收入,終於抹掉了7.8億左右的支出,實現5年來的首次盈利。

但這並不能夠證明Deepmind的商業化模式完全步入正軌。

實際上,從2014年被谷歌以6億美元收購以後,Deepmind作為一家私營商業組織(英國法律有規定,任何年收入超過1020萬英鎊,資產超過510萬英鎊,雇員超過50名的私營公司都必須向政府披露財務狀況),其絕大部分收入仍然來自谷歌母公司Alphabet給予的訂單。

換句話說,它幾乎是靠Alphabet的哺育,而非外界客戶而生存,商業模式被稱為“研發服務”。

而Deepmind此次並沒有解釋2020年收入增幅如此迅速的原因。

我們只是了解到,Deepmind除了依靠一直以來向谷歌、Youtube出售軟體,為後者的數據中心做節能優化,提高安卓設備的電池壽命外,又增加了谷歌地圖的合作項目——提高地圖裡“到達預測時間”的精確度,優化谷歌語音虛擬助手。

很明顯,這些項目訂單金額並沒有一個非常明確的公開付費標準。

另外,也有分析師指出,此次的巨額收入可能要歸功於“創造性的會計形式”,簡單來說就是財務計算方法做了一些變動。但Deepmind並未對此做任何置評。

另外我們需要注意的一點是,Deepmind每年高達幾億英鎊的巨額支出,大部分都投入到“員工成本與其他相關成本”中。其中包括員工的薪資、旅行、辦公硬體以及軟體。

“Deepmind最值錢的便是一群頂級科學家的大腦,” 一位熟悉Deepmind的消息人士告訴虎嗅,在它全球近千名員工裡,很多人的工資可以達到七位數。“對於研究他們絕不會吝嗇,這裡是科學家的天堂。”

然而,一家以盈利為目的的商業組織,成於研究,也必將受製於研究。

沒有頭緒的商業發展軌道

Deepmind在人工智能研究領域,特別是針對“深度學習”與“強化學習”這兩個重要技術分支研究方面做出的貢獻,毫無疑問是必須載入史冊的

就像今年7月Deepmind利用人工智能技術在生化科學領域取得的巨大突破——為35萬種蛋白質(包括人類製造的每一種蛋白質)提供了3D結構,這對醫學和藥物設計大有裨益。

這個成績涉及到困擾了生物學家半個世紀的“蛋白質折疊問題”——1972年,在接受諾貝爾化學獎的演講中,克里斯蒂安·安芬森做出了一個歷史性預測:原則上,僅僅根據組成蛋白質的一維分子鏈就可以確定蛋白質的三維形狀。

然而,雖然如今測定任何特定酶的確切化學成分都不算太難,但要確定它的三維形狀,可能需要數年的生化實驗。

而Deepmind的技術,則大大加快了生化學家們破解這一難題的速度。

因此,當他們公布自己的人工智能模型AlphaFold通過蛋白質數據庫的數據訓練,已經預測出蛋白質3D形狀時,這個系統不僅被紐約時報、富比士等雜誌稱為“一流的科學成就”,還被看作是“一個歷史性的時刻”。

當然,雖然行業人士認為有朝一日 Deepmind科學家有可能獲得諾貝爾獎。但就像大部分諾貝爾獎獲得者一樣,這只是一種開創性的“基本見解”。

而將基本見解轉化為現實世界中創造商業與社會價值的產品,還需要幾十年的時間。

因此,短期來看,我們有權利向Deepmind提出質疑:是否思考過3~5年內有效的商業化路徑?谷歌是如何看待它持續的研究貢獻和與之不匹配的商業貢獻?

實際上,早在2017年Deepmind CEO 哈薩比斯帶領技術團隊來到中國烏鎮對戰中國圍棋國手們時,我們有幸在現場親眼見證了歷史。而谷歌當時,就曾明確提及了關於強化深度學習的兩個技術應用方向——

一個是對戰式的遊戲設計;而另一個,則是醫療領域的特定疾病預測與篩檢。

但由於當時大眾未受到技術啟蒙,人工智能本身還在散發著巨大的輿論威力。因此,那時極少有人會關注它們發表的一系列關於強化與深度學習的論文,究竟能夠給企業帶來什麽不菲的收入。

而實際上,這項技術其實僅能應用於非常狹窄的特定環境。

Wired曾披露,Deepmind開發的參與《星海爭霸》遊戲的AI選手,能力非常有限。如果說在一張地圖上啟用某單一角色,它的效果可能會比人類好。但在不同地圖上啟用不同角色,效果就會差很多。

如果要切換角色,你需要從頭訓練系統。

“在某種程度上,深度強化學習有點像是‘死記硬背’記憶法,使用它的系統能產生很棒的結果,但他們對自己正在做的事情只有一個膚淺理解。

因此,體系缺乏靈活性,無法在世界發生變化時進行補償,有時甚至是微小變化都無法應對。”

而這樣的結果,也同樣阻礙了他們的醫療實際應用進程。

在2019年8月,Deepmind曾經在《自然》雜誌上發表了一篇論文,聲稱自己在疾病預測方面取得重大突破——人工智能能夠在急性腎損傷(AKI)發生兩天前做出預測。

但實際情況是,它沒有任何實操性預測。

公司只是獲得了一個相關的病人數據集,使用神經網絡找出了AKI與病人之間的模式。此外,這種預測模式只在某些時候起作用,總體準確率為55.8% ,預測越早,準確率越低。

更重要的一點是,這項研究幾乎完全針對男性,更確切地說,是一組90%以上為男性的退伍軍人數據。這對於具有數據偏見和歧視性的人工智能來說,很明顯存在極大漏洞。

當然,由於醫療數據必然會涉及到病人隱私,從2016年開始,DeepMind 就被卷入了一場關於合法數據應用的“社會與機構審判”中。2017年,英國的數據監管機構曾裁定,DeepMind 在幾個主要方面侵犯了病人的權利。

以上便是Deepmind在醫療健康領域奮戰至少5年,但商業化收效甚微的關鍵原因當然,運行極其隱蔽、規整且很有自己一套作風的英國國家醫療體系,也是技術公司難以撼動的客觀因素之一。

總的來說,2016~2017年大部分人工智能公司之所以最喜歡用遊戲來搞噱頭,是因為遊戲是有嚴格邊界設定的;

而現實世界中,卻少有存在明確邊界的問題。

谷歌保持沉默,但行動告訴了我們結果

站在市值兆,每年收入高達千億美金的谷歌角度,每年撥出5億美元並不是一個巨大的賭注。但是,如果通往商業生存能力的道路比預期時間更長,超過5年風險仍有攀升趨勢,那麽,就不可能有任何一家企業會冒這樣的風險。

譬如,於今年1月正式被谷歌關停的互聯網氣球項目Google Loon,曾在2011年成立時發出“讓全球最貧窮偏遠的最後10億人用上互聯網”的壯志豪言。然而,他們在2016年時就已被大幅削減開支,最終沒能挺過疫情肆虐,收入來源歸零的2020年。

對了,2017年Loon項目組穿著卡通鯊魚拖鞋的谷歌工程師們,也曾表示機器學習幫了他們一個大忙——系統可以根據風向來操控氣球移動的角度,讓它們能夠在某一地區小範圍盤旋。

Loon並不是特別的,谷歌每年虧損幾十億美元的登月業務Other bets,每年都會有很多創新項目或無疾而終,或被CFO和投資者殺人般的眼神不斷“凌遲”。

而近幾年來,人工智能給谷歌帶來的技術聲譽,逐漸被前者涉及到的數據隱私、道德倫理問題所掩埋。

特別是在谷歌去年開除人工智能倫理研究員後,大眾對谷歌這家商業組織的質疑和道德批判,達到了歷史的最巔峰狀態。

而相比之下,Deepmind 今年從“發布蛋白質3D形狀預測算法平台”再到“不惜一切代價改寫財報收入數字”,像是在試圖說服谷歌和投資者的同時,想重新燃起過去幾年世人被逐漸澆滅的對人工智能的熱情。

值得注意的是,華爾街日報曾在今年5月爆料,Deepmind多年來一直在與母公司Alphabet談判,希望獲得更多自主權,特別是重新建立一套“非盈利組織使用的法律架構”,而原因就在於,他們認為自己做的人工智能研究不應由單一企業實體控制。

這一說法並非沒有緣由。

譬如,2020年在美國Darpa(國防高級研究計劃局)的一次演示中,一架AI控制的F16戰鬥機輕鬆擊敗了一名人類飛行員。而這家軍用技術公司採用的強化學習算法靈感,便來自於Deepmind。

而在2020年12月,美國空軍利用人工智能程序控制了一架 U-2間諜飛機上的雷達系統,靈感也來自於DeepMind。這一算法通過數千次模擬任務學會了如何引導雷達,以便識別地面上的敵方導彈系統,這在實際任務中對防禦至關重要。

因此,我們不難發現,這家早在2015年便發表公開聲明,敦促世界各國政府禁止研發致命性人工智能武器的公司,其實陷入了一種兩難的境地——

堅持基礎研究和無歧視、道德感更強的崇高願望,與“不得不尋找商業化路徑,靠Alphabet續命才得以繼續研究工作”之間的矛盾。

但Deepmind最終在“爭取更多獨立權”的談判中失敗了。哈薩比斯親自將這個結果在今年4月告訴了員工們。

而外媒對此結果並不驚訝,甚至觀點大體一致:

“Alphabet如何會放棄一個輸血超過數十億美元,並且將全球最聰明的人掌握在自己手裡的機會呢?”

我還記得,2017年,在烏鎮AlphaGo的結束致辭上,氣氛其實有點壓抑。哈薩比斯說了很少的話,他一直用一種很慈祥的目光望著流淚的柯潔,並擁抱了他。但對於人工智能的能力邊界,目光卻溫和而堅定:

“我也不清楚人工智能會走向何方,但它的強大會超乎想象。人類科學家不可能在所有數據中正確導航並找到洞察力。我們需要機器學習和人工智能幫我們在這些領域找到突破。

但所有的技術本質上都是中性的,它們可以用於好的或壞的方面,所以,我們必須確保它被負責任地使用。”

祝福Deepmind。細微且長期的影響終會迎來變革性的一天。

獲得更多的PTT最新消息
按讚加入粉絲團