我要發文
倪古丁
新奇・2021.10.07・6 次觀看・已編輯

追蹤

4年虧損250億,打敗柯潔的“神話”終於盈利


圖片為柯潔在2017年烏鎮對戰Deepmind電腦程式AlphaGo現場。


 


從2016年3月的一個下午開始,當一個名叫AlphaGo的圍棋電腦程式,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“人工智慧技術無所不能”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的英國人工智慧公司Deepmind,在僅被谷歌收購2年後,便譽滿天下,


幫谷歌與“人工智慧全球最強企業”緊緊繫結在了一起。


 


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慧公司一樣,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),約合人民幣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 上的最新賬目資訊顯示,2020年,這家全球人工智慧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。



圖片來自虎嗅。資料來源:英國公司註冊局Companies House;製圖:宇多田


 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作為一傢俬營商業組織(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,僱員超過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”。


 


而這次,Deepmind並沒有解釋2020年收入增幅如此迅速的原因。


我們只是瞭解到,Deepmind除了依靠一直以來向谷歌、Youtube出售軟體,為後者的資料中心做節能最佳化,提高安卓裝置的電池壽命外,又增加了谷歌地圖的合作專案——提高地圖裡“到達預測時間”的精確度,最佳化谷歌語音虛擬助手。


 


很明顯,這些專案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,此次的鉅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。


 


我們還需要注意的一點是,Deepmind每年高達幾億英鎊的鉅額支出,


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的訊息人士告訴虎嗅,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,也必將受制於研究。


 


沒有頭緒的商業發展軌道


 


Deepmind在人工智慧研究領域,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 利用人工智慧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。



這是人工智慧技術賦予的果蠅蛋白質形狀,圖片來自紐約時報


 


這個成績涉及到困擾了生物學家半個世紀的“蛋白質摺疊問題”——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,當他們公佈自己的人工智慧模型AlphaFold透過蛋白質資料庫的資料訓練,已經預測出蛋白質3D形狀時,這個系統不僅被紐約時報、福布斯等雜誌稱為“一流的科學成就”,還被看作是“一個歷史性的時刻”。



圖片來自福布斯


 


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——


 


一個是遊戲設計;而另一個,則是醫療領域的特定疾病預測與篩檢。



Deepmind創始人兼CEO,現年45歲的哈薩比斯


 


但由於當時大眾未受到技術啟蒙,人工智慧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麼不菲的收入。


 


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《星際爭霸》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。


 


 


而這樣的結果,也同樣阻礙了他們的醫療實際應用程序。


 


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——人工智慧能夠在急性腎損傷(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資料集,使用神經網路找出了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資料。


這對於具有資料偏見和歧視性的人工智慧來說,很明視訊記憶體在極大漏洞。


 


當然,由於醫療資料必然會涉及到病人隱私,從2016年開始,DeepMind 就被捲入了一場關於合法資料應用的“社會與機構審判”中。2017年,英國的資料監管機構曾裁定,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,執行極其隱蔽、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年大部分人工智慧公司之所以最喜歡用遊戲來搞噱頭,是因為遊戲有嚴格邊界設定的特質;


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萬億,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,那麼,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網際網路氣球專案Google Loon,曾在2011年成立時發出“讓全球最貧窮偏遠的最後10億人用上網際網路”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專案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實驗室的工程師


 


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專案或無疾而終,或被CFO和投資者殺人般的眼神不斷“凌遲”。


 


而近幾年來,人工智慧給谷歌帶來的技術聲譽,逐漸被前者涉及到的資料隱私、道德倫理問題所掩埋。


特別是在谷歌去年開除人工智慧倫理研究員後,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“釋出蛋白質3D形狀預測演算法平臺”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慧的熱情。


 



圖片來自華爾街日報


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慧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(國防高階研究計劃局)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演算法靈感,便來自於Deepmind。


 


而在2020年12月,美國空軍利用人工智慧程式控制了一架 U-2間諜飛機上的雷達系統,靈感也來自於DeepMind。


這一演算法透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年便發表公開宣告,敦促世界各國政府禁止研發致命性人工智慧武器的公司,


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:


 


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。但對於人工智慧的能力邊界,目光卻溫和而堅定:


 



祝福Deepmind。細微且長期的影響終會迎來變革性的一天。




新奇
時事
閒聊
留言
全部留言
最新留言
對此貼文留言

送出