登錄
注冊
用戶大數(shù)據(jù)是高校開展互聯(lián)網(wǎng)應(yīng)用研究的必選項
高校適合做基礎(chǔ)研究、超前研究，應(yīng)用研發(fā)留給企業(yè)去做，這個觀點得到越來越多的同仁們的共識。然而，高校里還是活著兩種人，一種人喜歡也擅長做基礎(chǔ)研究，比如Hinton這樣的學者，能夠從算法上推動機器學習的進步，進而對工業(yè)界產(chǎn)生重大的影響;更多的人在從事應(yīng)用研究，試圖解決應(yīng)用中出現(xiàn)的問題。從事應(yīng)用研究的學者在互聯(lián)網(wǎng)時代，在大數(shù)據(jù)時代，如何才能做出真的對工業(yè)界有用的成果?換句話說，怎么做才能使大企業(yè)在當下或未來真的需要借鑒或購買高校的技術(shù)成果呢?
在回答這個問題以前，我們先把當前互聯(lián)網(wǎng)大企業(yè)與高校互聯(lián)網(wǎng)域的實驗室在6項技術(shù)研發(fā)要素上做一個對比：
互聯(lián)網(wǎng)大企業(yè)：
1. 人才：都是各大學(尤其是重點大學)培養(yǎng)出來的優(yōu)秀人才，都是成手，他們帶著在校門里掌握的技術(shù)加入企業(yè)
2. 工作效率：全職工作，高工資加期權(quán)，KPI嚴格考評，行動力極強
3. 資金：不需要解釋了
4. 計算設(shè)備：以GPU為代表的大批高性能服務(wù)器，以及工程化的支持大規(guī)模計算的軟件架構(gòu)
5. 數(shù)據(jù)：T級，甚至P級海量真實數(shù)據(jù)
6. 用戶：海量用戶，每天提供大量用戶行為數(shù)據(jù)，這是群體智慧之源
高?；ヂ?lián)網(wǎng)領(lǐng)域?qū)嶒炇遥?/strong>
1. 人才：資深教師有眼光和經(jīng)驗，有限數(shù)量的青年教師掌握核心技術(shù)，科研力量主要是研究生，每畢業(yè)一批學生，實驗室的實力都會減弱，新入學的研究生需要從頭培養(yǎng)
2. 工作效率：組織松散，教師需要講課、指導(dǎo)學生、申請項目、學術(shù)交流等，學生要上課、找工作等，效率比較低
3. 資金：國家投入不斷增加，但跟互聯(lián)網(wǎng)大企業(yè)相比差幾個數(shù)量級
4. 計算設(shè)備：國家投入不斷增加，但跟互聯(lián)網(wǎng)大企業(yè)差幾個數(shù)量級
5. 數(shù)據(jù)：總體上，跟企業(yè)相比差幾個數(shù)量級
6. 用戶：幾乎等于零
從對比中，我們可以看出，1-5項，高校雖然弱，但還是有，而第6項，對于絕大多數(shù)高校實驗室而言就是0。弱，會帶來很多問題，1-4項的弱會導(dǎo)致高校的技術(shù)生產(chǎn)力明顯不如互聯(lián)網(wǎng)大企業(yè)，而5的不足將直接導(dǎo)致一些需要大數(shù)據(jù)支撐的科研工作，在高校里做出的成果對企業(yè)無意義，這又分兩種情況：一種是高校在小數(shù)據(jù)上做出的結(jié)果很好，但到企業(yè)大數(shù)據(jù)上一跑，失效了;另一種是高校在小數(shù)據(jù)上做的效果不佳，而企業(yè)使用同樣的方法在大數(shù)據(jù)上卻取得了很好的效果。如此，高校成果對企業(yè)的借鑒意義降低了，這也是國外一些著名的學者，如Hinton、吳恩達等，紛紛離開高校，加盟企業(yè)的主要原因。
不過，“弱”畢竟還是”有“，可以通過集中優(yōu)勢兵力，超前布局等在一定程度上去克服。更要命的是第6項，在高校里做研究普遍脫離了用戶!吳恩達在2014年的百度世界大會上講述了“人工智能正循環(huán)”的思想，訊飛研究院的胡郁院長也曾提出非常類似的“漣漪效應(yīng)”的觀點，就是把一個不成熟的系統(tǒng)放到互聯(lián)網(wǎng)上讓用戶使，用戶在使用過程中會貢獻大量的群體智慧，這種群體智慧會快速地幫助提高系統(tǒng)的技術(shù)指標。任何一個系統(tǒng)的能力提升，都必須有外界知識、能量的注入，互聯(lián)網(wǎng)大企業(yè)有海量用戶，每天可以吸收到大量的知識，而高校由于與用戶脫節(jié)，只有靠人工標注的小規(guī)模(甚至可以說是微規(guī)模的數(shù)據(jù))，加上教師學生們在算法上下的功夫來改進系統(tǒng)，這就失去了當前人工智能研發(fā)范式中極其重要的一環(huán)。
在很多研討會上，都看到高校的老師在問企業(yè)到底能夠向?qū)W術(shù)界開放多少數(shù)據(jù)?其實，數(shù)據(jù)有兩種，一種是用戶貢獻的內(nèi)容數(shù)據(jù)(UGC)，一種是用戶行為數(shù)據(jù)，前者由于微博等開放數(shù)據(jù)平臺的存在，是可以支持高校做不少研究的，但更為重要的是用戶行為數(shù)據(jù)，用戶查詢了什么，點擊了什么，最最重要的是用戶怎樣使用你開發(fā)的系統(tǒng)，給出了什么樣的具體反饋。而用戶行為數(shù)據(jù)，一方面有隱私問題，另一方面由于其價值非常高，企業(yè)是不會開放的。
結(jié)論：在當前條件下，高校從事互聯(lián)網(wǎng)應(yīng)用研究的學者，必須與企業(yè)緊密結(jié)合，或者自己做出能夠吸引一定數(shù)量用戶使用的原型系統(tǒng)，才能獲得用戶行為數(shù)據(jù)。最好在企業(yè)已經(jīng)搭建起來的大平臺、高平臺上開展企業(yè)暫時做不好或無暇去做的研究，保底也要自己拿到足夠的真實的用戶行為數(shù)據(jù)，如此才有可能在某個很聚焦的點上做出真正有價值的應(yīng)用技術(shù)來。否則大企業(yè)在諸多互聯(lián)網(wǎng)應(yīng)用研究上領(lǐng)先于高校的情況將繼續(xù)存在，高校開展應(yīng)用研究的價值真的就只是培養(yǎng)學生了。
注：本文的觀點是對我四年前關(guān)于高校應(yīng)該與工業(yè)界松耦合想法的一個否定，自我否定的主要原因是意識到用戶大數(shù)據(jù)在技術(shù)提升方面迸發(fā)出的超能量，用戶大數(shù)據(jù)對于高校不是可有可無的，而是必選項。本人的研究領(lǐng)域：自然語言處理、社會媒體處理、信息檢索，本文所謂互聯(lián)網(wǎng)應(yīng)用研究，主要指的也是這幾個研究領(lǐng)域，受本人視野所限，偏頗之處，請讀者見諒、指正。
