風口不會隨便眷顧一個人。因為歷史不會對默默“打怪升級”著墨，它只看結果。

?

　　在阿西莫夫的代表作《基地》中，除了先知謝頓貫穿全線，其他主角都是門徒。他們內在為直覺所驅動，外在被時代所推動。他們在歷史上的出場毫無征兆，卻在潮流中游刃有余。你會驚嘆，為什么是他？

　　離開谷歌、微軟、IBM、Facebook、阿里、百度，告別自己過去的所有榮耀，重新走上創業之路，崇尚技術的護城河。為什么是他？新華網開辟“出走的門徒”系列，講述這樣一群科技界理想主義者的現實路徑。

?

　　從五道口出發，大概地鐵十分鐘、或者走路一個半小時，就能到達地球中心“上地”。當你走過這里的街道就會發現，挖掘機在冬天揮著大爪子尋找青草的味道，麻辣燙和烤串的香味即使在白天也勾搭誘人。

　　在這里，吃和住解決了，這幫人就開始琢磨著改變世界。他們會一邊擼著串，一邊聊著怎么樣讓用戶每天對著冰箱說話，“10元錢+2小時”能不能同時解決產品封裝和一頓晚飯，以及你怎么判斷正在烤串的大爺是不是一個人工智能。到了夜晚，他們一邊看著凌晨2點的北京，一邊坐車到回血點——回龍觀完成新一輪的升級。

　　這里，聚集了目前中國技術最好的一批人，空氣中都漂浮著未來的味道。

　　戴文淵從最開始背靠香港，還是決定，在兩年前把公司搬到了上地。然后，目前能支持超大規模集群以及數據量的人工智能應用者開發平臺——“先知”，在這里降臨。

　　從拿到ACM競賽冠軍，到研究人工智能，再到織出百度鳳巢，登上華為諾亞方舟……戴文淵用近十年證明，“AI”是可以“for someone”的。未來十年，戴文淵的第四范式和“先知”平臺要證明的，是“AI”終將“for everyone”。

　　如果回頭看戴文淵的這十幾年就會發現，所謂先知，并不見得是可以某一次時，比別人先走三步；而是在趨勢開始前，永遠可以精準地先走半步。

預兆：用3歲孩子的思考模式跳出AI固有解決方法

　　沈南鵬在第一輪就投了第四范式。那是在2015年，當戴文淵把所有要干什么都說完之后，沈南鵬問，“你有什么問題想問我的？”戴文淵就問，你怎么看待我們做的這個事情。現在回憶起來，戴文淵依然記得當時沈南鵬說，“我其實不太關心你們做的是什么。在創業的初期階段，相較于具體的業務，我更關心你的團隊。”

　　紅杉投資看人。2年過去，說起這一幕，戴文淵說，如果現在再見到沈南鵬，“我很想告訴他，我還在做當時的那個事情”。

　　所謂“當時那個事情”，戴文淵是在2005年入坑的。彼時，他獲得了2005年ACM國際大學生程序設計競賽世界冠軍。這項由美國計算機協會（ACM）主辦、被稱為計算機界奧林匹克，一般描述是“入門之后基本拿獎靠智商，拿到銀牌就能成為offer收割機”。

　　那會，上海交通大學計算機系有一個實驗班，學生大三就可以按個人喜好選擇實驗室。戴文淵在外備賽，等結束時，像圖形學（即CG）等熱門方向都選完了，只剩下冷門的人工智能沒有人選。“那個年代，沒有人相信AI能做成。”戴文淵說。

　　在學術界，戴文淵多走了的半步，叫做遷移學習。

　　如今，在遷移學習領域，論文引用數排名第一的，是戴文淵的導師、香港科技大學計算機系教授楊強，華人界首位國際人工智能協會院士。而戴文淵，憑借10年前發表的一篇論文（Boosting for Transfer Learning），單篇論文引用排名世界第三。

　　但在當時那個年代，整個AI學界都是基于凸優化（機器學習中的最優化問題）做AI研究。參加學界會議，一半的人都在研究最優化，就和現在一半的人都在做深度學習一樣。

　　而且，即便是深入多年的學者，自己也不相信基于這條路，AI可以做出來。可以建出非常好的數學體系，卻沒有能力為它提供知識的內容。我國自動化領域的領軍者王飛躍教授曾說，“到2005年，人工智能領域在中國幾乎沒人了，全走了。”當時甚至有一個說法，做人工智能的全都是吹牛的。

　　走這樣一條學術的路徑，做出來的效果和一個3歲小孩的認知力相比，還差的很遠。那為什么不去學習3歲的小孩怎么思考？人是基于神經的學習，為什么AI不能用神經網絡做？楊強帶著戴文淵，在沒有太多經費支持的情況下，硬是把這個方向堅持了下來。

　　AlphaGo就是典型3歲孩子獲取知識的思路。“所基于的人工智能技術，強項不在于推演，而是借鑒過去見過的局面。所以，如果要擊敗AlphaGo，需要盡可能把局面導向歷史上沒人下過的棋。”在AlphaGo和李世石對弈第一局后，戴文淵在知乎上回答。他還不忘提醒，想要不敗，需要注意控制自己的心魔。

指引：用技術驗證對人工智能的堅定信仰

　　結局大家都知道了。在“虐”完李世石之后，AlphaGo橫掃了圍棋界，然后又在德州撲克中成為“賭神”。這時候大家一下子都懵了，原來“算法+大數據”可以讓人工智能這么猛。

　　這一點，在2008年戴文淵就認識到了。多年的積累和強大的判斷力，讓他意識到數據在AI這條路上的強大助力。用他自己的話說，“這時候一些大型互聯網公司，數據的累加對人工智能會做的貢獻，開始比在學術圈做算法的技巧，更有意義，會有最大的提升”。

　　對于趨勢的判斷，他有著不容反駁的自信。“我一直是做AI，十幾年了。對這個行業應該做什么事、處于什么狀態，有自己的判斷，我不會在十幾年前做這個事情，那時候技術還不足以支撐。”

　　必須要去一個數據量最大的公司，才有可能不斷測試自己的算法技能。然后他自己認為當時國內只有百度符合條件，直到2011年BAT才都可以做到。

　　在將AI產品化的階段，戴文淵多走的那半步，是更早認識到了數據的魔力，證明AI是可以“for someone”的。

　　他和當時還是實習生的陳雨強，共同搭建了一個商用的深度學習系統，也就是百度的“鳳巢”廣告系統。從接手這個系統時，戴文淵一直主張引入深度學習，這恐怕是國內歷史上第一次用超大規模的集群，跑一個PB級的數據量，為一個應用來建模。這和過去的建模相比，至少是大了四到五個數量級。用他自己的話說，“在一個AI的從業者來說，這是我第一次把我的想法在產業落地，創造出價值。”

　　后來“鳳巢”系統成功驗證，在超大規模數據中機器學習確實能給業務帶來正向效果，百度的變現能力也提升8倍，這讓戴文淵的團隊獲得了百萬美金的“百度最高獎”。

　　而離開百度的原因，是戴文淵有一天忽然發現，自己過得太舒服了。自從，他每天上午10點上班、下午6點下班，感覺自己的位子如果換成別人，業績也會很好，不會有任何改變。“有的時候老板叫我去研究一個東西的時候，我已經研究好了。”戴文淵說，那種躺在床上“混吃等死”的感受太不舒服了。

　　在華為也是一樣。剛到華為的時候，華為正在與國際巨頭爭奪自己在金融領域的話語權，“去銀行爭解決方案，那個階段的華為贏面并不大”有一次，在離給客戶承諾的時間還有2星期時，一個問題當時的工程師怎么都調試不出來，大家壓力都非常大。

　　那會戴文淵已經有3年沒有寫過代碼，他花了15分鐘把代碼寫完并解決了。對于幫華為在金融領域鑿開口子這一點，戴文淵頗為滿意。那一仗打得非常漂亮，華為最終競標成功。

降臨：用“先知”2周培訓出一個AI專家

　　然而，攻城略地的日子很快就沒了。等到快離開華為的時候，他似乎每天只需要工作1天，其他時候就是打卡。要是在知乎上回答問題，戴文淵最適合的大概有兩個，第一個是“在大公司最年輕的T10科學家位子上混吃等死是種什么樣的感受”，第二個是“喜歡安逸的金牛座如何跳出自己的舒適區”。

　　這個穿著格子襯衫、戴著黑框眼鏡、談吐娓娓溫和的年輕人，骨子里有著一開口就能感受到的“不安分”。

　　在百度做AI，和出來創辦第四范式做AI，完全不同。在百度，你是做戰斗機，因為利潤足夠高，花多少錢都無所謂。“當年在鳳巢時，一年在我們這個團隊就有幾百個人”。戴文淵覺得，自己的主線應該不是幫百度再多掙幾百億元。AI能不能幫一家企業去提升價值，這個問題是不需要再去論證的。

　　“我希望做AI的能量更大一些”。戴文淵說。在AI工業化階段，他正在試圖再多走半步，證明AI可以for Everyone。

　　2012年，還在百度的戴文淵和陳雨強一起做了一個嘗試，讓他一個人去重新做一次鳳巢。拿深度學習的新技術，一年半把整個鳳巢全部重新做一遍，將效益提升了4%。這也就意味著，才花了1.5人/年，就干了原來上千人月做的事情，通俗地說就是把機器學習的成本降了一千多倍。

　　2016年7月，第四范式發布了一款人工智能開發平臺“先知”，這是AI領域首個面向應用者的開發平臺。第四范式對先知設置了參數自動化的算法，并搭建了比Spark快數百倍的機器學習的基礎架構，它降低了人工參與的特征工程和模型訓練過程，還能提供自動或半自動的特征工程、模型選擇調參工具，降低了對數據科學家的依賴。

　　用戴文淵的話說，就是一個完全不懂技術的小白，大概經歷2周的時間，就可以成為一個AI專家。去年年底，戴文淵利用這個平臺在公司內部做了一個叫做“一顆賽艇”的競賽，這估計是全球首個非專業人士參加的人工智能建模大賽。這場特殊的比賽，對參賽選手唯一的身份要求 ，便是非“數據科學家”、非“建模工程師”；此前，縱然人工智能攻陷了圍棋、撲克領域，也沒有任何一個公司敢挑戰“讓普通人做出AlphaGo”這一難題。

　　在沒有經過任何專業培訓的情況下，這些銷售、市場、公關等非專業人士中，有超過70%的參賽組合AUC成績（AUC是衡量模型效果的專業指標，取值在0到1之間）跨過0.8大關。在實際業務中，凡是AUC高于0.8的模型就已經達到工業水準；而在整個行業中，只有極少數深耕機器學習多年、擁有豐富大規模數據處理經驗的數據“大神們”才能搭建出AUC0.8以上的模型。

　　“但先知這個平臺，在我的心中還沒有及格，路還很長。我們還有30%的人經過了培訓沒有做到”。戴文淵說，過去一段時間，公司把較多精力放在了機器學習的算法。“現在的門檻不是算法，是數據怎么樣能和平臺實現無縫對接。”

　　他滿腦子都在想，怎么樣通過降門檻、降成本，讓每個人都能用的起AI，讓每個公司都可以實現自己的AI策略。“我們總結出‘4+1’個先決條件：一是要有數據；二要有明確定義的業務目標；三是充足的計算資源；四是要有算法能力，當然也可以由第三方來提供。最后是一個plus，屬于沒有沒關系，但有了更好的，就是形成反饋閉環。譬如說你下了一局圍棋獲得的數據，能形成反饋進一步優化算法”。

　　“AI過去是只能服務一家，現在可以服務幾百家，以后可以服務每一家”。商業化階段，戴文淵用最堅定的信仰告訴大家，AI是真的可以“for everyone”的。

布道：用“不舒適”創造自己的舒適區

　　“不過，后來我也想明白一個事情。其實我們的大環境缺的并不是有理想有抱負的科學家，而是sponsor（發起人）。所以真正挑戰人類的其實是IBM，不是許峰雄；是Google，不是DeepMind團隊。就像，真正修成圣彼得大教堂的，是天主教會，而不是米開朗基羅。這也是為什么，我覺得還是要做一個公司，用商業的成功帶動科技的成功”。

　　這種用天衣無縫的邏輯，論證直覺準確性的思維模式，實在是戴文淵最具魅力的地方，更是值得不少創業者深思的。即使他說的是一個故事，這難以讓人反駁的強大論證能力、縝密邏輯能力、快速執行能力，也讓你甘心把酒奉上。

　　在沒有當CEO的時候，戴文淵認為自己“并不關心別的同事在做什么”，除非“他做的事和我的技術目標有關聯”。但現在，這種縱向思考的模式正在逐漸改變。

　　他開始把與國際前沿技術的對接，放心地交給楊強教授這個公司的精神領袖；把人工智能在工業應用上的優化與研究，交給人工智能行業大牛陳雨強；把產品化交給另一位聯合創始人胡時偉。

　　他依舊追求技術細節，但是更多時間會放在把控公司大方向上；去把所有技術的成果，去和產品、商業市場做對接，做技術和市場商務之間的橋梁；同時，他開始去管理那么多門檻不同、優勢不一，甚至在除了技術之外的其他很多方面比他強的人。

　　“技術只有0和1的區別，沒有0.1。但現在我要把自己變成一個沒有0和1的人，才能把整個團隊聯接好。”戴文淵回憶起當年以隊長之職準備ACM競賽時，對每個隊友的選擇都用最高的標準，容不得一顆沙子。而到了工業界，這種管理的模式行不通了。

　　做技術出身的人，常常會追求安逸，覺得一個有網絡的世界就夠了，覺得自己可以寫一輩子的代碼；而現在面對市場，卻發現市場是一直在變的，是最沒有穩定和“一招鮮”的。

　　戴文淵覺得自己永遠都沒有安全感，卻在不停的改變中發現，市場怎么變，自己都不會死。這種永遠不在舒適區的狀態，反而給了自己莫大的安全感。真的不知道有多少創業者，會對此有共鳴。

　　直至目前，非BAT的公司，即使是非常不錯的企業，都仍然很難找到靠譜的人完成AI團隊的自建，成本、人才都是門檻，技術團隊的人太貴了。“絕大多數企業都希望有這一條路，但這一條路在目前是走不通的。一定得是平臺，得是降門檻，才能讓更多人參與，讓十來萬個人來一起玩，才能遍地開花。”戴文淵說。在這一點上，他兩次用“要相信”來強調自己的立場。

　　的確，我們或許不會記得PC是誰發明的，但我們會記住PC是喬布斯帶給世人的。在智能時代的浪潮之巔，也許我們不會記得誰發明了深度學習，但我們每個人都記住了AlphaGo。戴文淵，這個把人工智能的火種燎原到各行各業的人。

　　20年后，新時代再見。

?

轉載于:https://my.oschina.net/ZZKAJ23/blog/884941

總結

以上是生活随笔為你收集整理的出走的门徒之六—第四范式 戴文渊：先知登场的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。