我們都知道最新的科研成果和實際商業(yè)應用中使用的技術會有一定的距離。一面是高復雜度、特定（較簡單一致）的輸入和直接量化的性能指標，另一面是資源成本的限制、為各種各樣情況考慮預案，以及評價標準要變成更高階、更綜合性的用戶滿意度、營收等等。

所以實際上，即便整個計算機科學界、互聯(lián)網(wǎng)商業(yè)中大家一直對AI抱有熱情，我們能看到的使用了機器學習的商業(yè)化產(chǎn)品也并不多，高度集中在圖像處理、文本翻譯和語音識別幾類任務中，具體使用的算法也往往并不是學術界內認為先進的算法。

有網(wǎng)友觀察到了這樣的現(xiàn)象，在 Hacker News的問答板塊提問道：「學術界一直在不停地做出新的科研進展，但是工業(yè)界好像并沒有選擇使用這些新鮮成果，包括膠囊網(wǎng)絡或者自動網(wǎng)絡搜索方面的成果。所以說前沿的科學技術研究和技術商業(yè)化之間就是注定有深深的鴻溝嗎？這些新研究出的模型都沒有什么可能快速商業(yè)化、變成產(chǎn)品嗎？」

曾在斯坦福大學與 UC伯克利大學學習計算機科學、在谷歌大腦團隊實習，如今身為全棧開發(fā)工程師DennyBritz給出了一些自己的想法：

大多數(shù)科研成果帶來的提升比較有限，而新的技術要有能力帶來足夠大的提升才會被產(chǎn)業(yè)界吸收。99.9%的科研論文提出的技術都是帶來優(yōu)化指標（評價指標，比如準確率、ROCAUC、BLEU分數(shù)等等）的小幅提升。然而表現(xiàn)提升的同時一般都伴隨著計算復雜度的提升、更高的訓練成本、更低的模型穩(wěn)定性、代碼可維護性的挑戰(zhàn)等等。對于谷歌廣告詞搜索、谷歌翻譯之外的絕大多數(shù)企業(yè)的業(yè)務來說，只為了把某項優(yōu)化指標的數(shù)字提升一點點就增加許多成本是根本劃不來的。使用一個現(xiàn)成的、經(jīng)過時間考驗的簡單、成熟、穩(wěn)定的模型要好得多，訓練很快、維護簡單。即便它們的跑分會低 1%。

學術研究一般都關心的是如何改進模型，那么在研究中就不可以改變訓練/測試數(shù)據(jù)。對于科研來說這是理所當然的，畢竟在同樣的數(shù)據(jù)上跑出來的結果才有可比性。但是在真實世界中，你可以自由地收集更多的訓練數(shù)據(jù)、清理數(shù)據(jù)、選擇更有針對性的驗證和測試數(shù)據(jù)，等等。在大多數(shù)情況下，有更準確的、更多的數(shù)據(jù)、更干凈的數(shù)據(jù)，都要比換一個更強的模型效果更好。而且處理數(shù)據(jù)的事情也更好做，更有跡可循。所以對于產(chǎn)業(yè)界來說，他們把精力花在數(shù)據(jù)上通常更合適。

科研論文里使用的優(yōu)化指標沒有什么能直接遷移到真實世界的商業(yè)指標中的，而且同時有很多科研中的想法會過擬合到這些指標和/或數(shù)據(jù)集上。比如，研究機器翻譯的論文都會優(yōu)化一個叫做「BLEU 分數(shù)」的指標，但是真實的翻譯應用中需要考慮的用戶滿意度和「用戶評分分數(shù)」。這可就是學術科研很難優(yōu)化的了。類似地，商業(yè)產(chǎn)品并不能直接把「ImageNet 圖像分類準確率」拿出來賣，不僅模型在應用場景中面對的圖像會與 ImageNet 數(shù)據(jù)集不同，用戶滿意度也并不直接對等于識別準確率。科研論文會關心特定數(shù)據(jù)集上的特定指標（因為論文就是這樣評審的），但是一個模型在這個數(shù)據(jù)集上的這個指標表現(xiàn)好，不一定它在別的數(shù)據(jù)集、別的指標也有好的表現(xiàn)（即便數(shù)據(jù)集和指標可能是類似的）。實際上，即便是含有已知的錯誤的數(shù)據(jù)集也會在科研研究中一直用下去，因為不同的技術以前就是在這些數(shù)據(jù)集上比較的（雷鋒網(wǎng) AI 科技評論有篇舊文解析過ImageNet中錯誤分類的圖像）。而商業(yè)應用里就不會發(fā)生這樣的事情。

對于這個問題，你認同提問者的觀察嗎？你對這樣的現(xiàn)象有別的見解嗎？歡迎留言與我們討論。