《出走的門徒之六》第四範式戴文淵：先知登場

　　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徵兆，卻在潮流中遊刃有餘。你會驚嘆，為什麼是他？

　　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。為什麼是他？新華網開闢「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。

出走的門徒之六——第四範式戴文淵：先知登場

原文鏈接：出走的門徒之六--第四範式戴文淵：先知登場-新華網

　　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」。當你走過這裡的街道就會發現，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。

　　在這裡，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，一邊聊著怎麼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，以及你怎麼判斷正在烤串的大爺是不是一個人工智慧。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。

　　這裡，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。然後，目前能支持超大規模集群以及數據量的人工智慧應用者開發平台——「先知」，在這裡降臨。

　　從拿到ACM競賽冠軍，到研究人工智慧，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，戴文淵的第四範式和「先知」平台要證明的，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，並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範式。那是在2015年，當戴文淵把所有要幹什麼都說完之後，沈南鵬問，「你有什麼問題想問我的？」戴文淵就問，你怎麼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麼。在創業的初期階段，相較於具體的業務，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「入門之後基本拿獎靠智商，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慧沒有人選。「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慧協會院士。而戴文淵，憑藉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學界都是基於凸優化（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，自己也不相信基於這條路，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，人工智慧領域在中國幾乎沒人了，全走了。」當時甚至有一個說法，做人工智慧的全都是吹牛的。

　　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。那為什麼不去學習3歲的小孩怎麼思考？人是基於神經的學習，為什麼AI不能用神經網路做？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。「所基於的人工智慧技術，強項不在於推演，而是借鑒過去見過的局面。所以，如果要擊敗AlphaGo，需要儘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後，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慧的堅定信仰

　　結局大家都知道了。在「虐」完李世石之後，AlphaGo橫掃了圍棋界，然後又在德州撲克中成為「賭神」。這時候大家一下子都懵了，原來「演算法+大數據」可以讓人工智慧這麼猛。

　　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慧會做的貢獻，開始比在學術圈做演算法的技巧，更有意義，會有最大的提升」。

　　對於趨勢的判斷，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麼事、處於什麼狀態，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演算法技能。然後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。」

　　後來「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。「有的時候老闆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並不大」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麼都調試不出來，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分鐘把代碼寫完並解決了。對於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麼樣的感受」，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，骨子裡有著一開口就能感受到的「不安分」。

　　在百度做AI，和出來創辦第四範式做AI，完全不同。在百度，你是做戰鬥機，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，就幹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，第四範式發布了一款人工智慧開發平台「先知」，這是AI領域首個面嚮應用者的開發平台。第四範式對先知設置了參數自動化的演算法，並搭建了比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徵工程和模型訓練過程，還能提供自動或半自動的特徵工程、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，戴文淵利用這個平台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慧建模大賽。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，縱然人工智慧攻陷了圍棋、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高於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。

　　「但先知這個平台，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演算法。「現在的門檻不是演算法，是數據怎麼樣能和平台實現無縫對接。」

　　他滿腦子都在想，怎麼樣通過降門檻、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；四是要有演算法能力，當然也可以由第三方來提供。最後是一個plus，屬於沒有沒關係，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演算法」。

　　「AI過去是只能服務一家，現在可以服務幾百家，以後可以服務每一家」。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。

　　佈道：用「不舒適」創造自己的舒適區

　　「不過，後來我也想明白一個事情。其實我們的大環境缺的並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，真正修成聖彼得大教堂的，是天主教會，而不是米開朗基羅。這也是為什麼，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「並不關心別的同事在做什麼」，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；把人工智慧在工業應用上的優化與研究，交給人工智慧行業大牛陳雨強；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樑；同時，他開始去管理那麼多門檻不同、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，覺得一個有網路的世界就夠了，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，市場怎麼變，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。一定得是平台，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，這個把人工智慧的火種燎原到各行各業的人。

　　20年後，新時代再見。