成人免费午夜在线观看,伊人久久精品,一区二区三区精品

【文/沈丹陽】

2019年，有兩件事一直困擾著孫正義：軟銀的投資失敗，以及日本科技的落后。

面對媒體，孫正義痛心地說道，科技產(chǎn)業(yè)幾乎從日本消失了，我們正在成為一個被遺忘的國家。即將到來的AI革命，是日本重回牌桌最后的機會[1]。

隨著ChatGPT問世，孫正義的呼吁終于成為了共識。然而，正當日本舉國動員，準備一腳油門闖入賽道時，卻發(fā)現(xiàn)了一個尷尬的事實：

日本目前的AI研究，非常依賴隔壁鄰居為首的老外。

對此，RIKEN革新智慧綜合研究中心負責人杉山將，曾做過一筆統(tǒng)計。

RIKEN（理化學研究所）是日本唯一的國家級科研機構(gòu)，頂級頭腦聚集地。湯川秀樹等日本諾獎得主，都曾在這兒搞過研究。然而，那些被AI頂會收錄的RIKEN論文，近一半的作者都隸屬于外國大學，其中約一半的人來自中國[2]。

本土無人可用，使得日本在生成式AI浪潮里，始終處于失語狀態(tài)。

然而，如若回溯歷史，會發(fā)現(xiàn)日本也曾是個“AI超級大國”。

上世紀八九十年代，日本一度是深度學習的中心。楊立昆、余凱、林元慶、賈揚清等載入科技史冊的泰斗級人物，都曾在日本的AI實驗室度過一段青蔥歲月。

曾經(jīng)攥著一手王炸的日本，為何會邁向老無所依的結(jié)局？

站在日本人的肩膀上

上世紀80年代，正在讀大學的楊立昆，被一群“瘋子”吸引了。

彼時，深度學習是個“已被證偽”的技術路線。然而，仍有一小撮人在死磕，這其中就包括了一批日本科學家。楊立昆發(fā)現(xiàn)，當時大部分的深度學習論文，都是日本研究人員用英文寫的。

這其中，對他影響最大的，是一位名叫福島邦彥的日本人。

福島邦彥

1980年，福島邦彥參照貓的視覺結(jié)構(gòu)，設計了一個叫做“神經(jīng)認知機（Neocognitron）”的多層網(wǎng)絡模型。

在生物的初級視覺皮層中，存在多個神經(jīng)元，每個神經(jīng)元只“掌管”一小部分視野。隨后，神經(jīng)元收集到的信息會統(tǒng)一傳輸?shù)揭曈X皮層，組合成完整的視覺圖像。

受此啟發(fā)，福島邦彥給神經(jīng)認知機設計了“感知光照“和“運動信息”兩個神經(jīng)元，分別用來“提取圖形信息”和“組成圖形信息”。然而，福島邦彥的神經(jīng)認知機，存在一個致命問題：太超前了。

當時，主流的神經(jīng)網(wǎng)絡只有1層，但神經(jīng)認知機有足足5層。

面對多層設計帶來的種種問題，福島邦彥一時找不到解決辦法，導致神經(jīng)認知機只能處理一些極其簡單的工作。

直到1986年，辛頓提出了“反向傳播算法”，這個問題才有了標準答案。

但若向前追溯反向傳播算法，會發(fā)現(xiàn)其源頭仍是日本人。上世紀60年代，日本數(shù)學家甘利俊一提出的“隨機梯度下降方法”，為其提供了技術靈感[6]。只不過囿于特定時代的局限，甘利俊一沒有條件在計算機上進行模擬驗證。

1988年，楊立昆將神經(jīng)認知機與反向傳播結(jié)合在一起，打造出了大名鼎鼎的卷積神經(jīng)網(wǎng)絡。直到今天，卷積神經(jīng)網(wǎng)絡仍是圖像識別領域最重要的算法之一。

由此可見，這些定義一個時代的AI研究成果，都是站在日本科學家肩膀上實現(xiàn)的。

實驗室里的中國人

同一時期，日本的產(chǎn)業(yè)界，拉開了更為激進的歷史篇章。

彼時，日本步入極度繁榮的泡沫經(jīng)濟時代。大型企業(yè)紛紛為愛發(fā)電，自掏腰包搭建中央實驗室，發(fā)力基礎科學。這其中，要數(shù)NEC（日本電器股份有限公司）最為激進：它直接切入美國科技產(chǎn)業(yè)腹地，將實驗室開到了普林斯頓和硅谷。

財大氣粗的NEC Lab，很快聚集了一大批日后響當當?shù)拿帧?

西安交大軟件學院院長、國家特聘教授龔怡宏，是第一個加入硅谷NEC Lab的國人科學家。在他擔任實驗室主任時期，延攬了一眾青年才俊。

其中既有觸發(fā)科技巨頭競拍辛頓的余凱，也有林元慶、徐偉等活躍在中國AI產(chǎn)業(yè)一線的技術大牛。

余凱

彼時，中國的計算機產(chǎn)業(yè)剛剛起步，吸納不了那么多人才。硅谷NEC Lab無縫承接了這個需求，并招攬了大批立志從事AI研究的國人科學家。

余凱接棒硅谷NEC Lab主任一職后，又招募來了黃暢。當時，黃暢底下有一個名叫賈揚清的實習生。在NEC Lab期間，賈揚清展露出了高超的數(shù)學和工程代碼能力，曾讓實驗室眾人堅信其日后必有所造詣。

這種薪火相傳的孵化線，在林元慶接手硅谷NEC Lab后仍在繼續(xù)。

他引進的實習生謝賽寧，后來與麻省理工教授何愷明共同提出了著名的ResNeXt模型。2022年，謝賽寧還和OpenAI研究員Bill Peebles合著了論文《Scalable diffusion models with transformers》。

以這篇論文為基礎，OpenAI打造出了視頻生成模型Sora。

另一間位于普林斯頓的NEC Lab，同樣招攬了楊立昆，以及支持向量機發(fā)明者Vladimir Vapnik等泰斗級人物。

可以說，歷史上沒有任何一家機構(gòu)，能如NEC Lab這般，擁有此等高手如林的班底。

余凱曾在媒體專訪中如此形容NEC Lab巔峰時期的影響力：如果你在谷歌上搜索美國NEC Lab，頁面會立刻彈出一句話，你要不要來谷歌工作[7]。

然而鼎盛時期風光無兩的NEC Lab，卻早已埋下了衰敗的草蛇灰線。