本篇文章4013字,读完约10分钟
阿里idst又多了一位将军:亚马逊高级首席科学家任晓峰。
齐源、金荣、涂子培、华宪生、任晓峰等“大牛”相继入驻后,idst的人员编制在纸面上非常完整。
然而,随着内部的变化,齐源已经成为蚂蚁金服的首席科学家;现在idst院长金浩曾经被调到天猫搜索部;在高调加入idst后不久,屠紫培就退出了一线队,很少以阿里的身份出现。
经过一系列波折,当前的idst虽然与马云、王建的初衷有些不同,但已经走上了自己独特的道路。
2014年,阿里巴巴在硅谷成立了idst(数据科学与技术研究所)。此后,马云在各种场合的演讲主题从“互联网”转变为“dt”。当大家还沉浸在o2o中的时候,马云谈论大数据,这是非常时髦的。
在马云看来,idst就像微软亚洲研究院(Microsoft Asia Research)和idl一样,在阿里,它的定位是专注于底层的技术研究机构。如果把业务部门比作战场上的江湖派,那么idst更像是学术风格。
当时,对于大数据这个词还没有明确的结论,idst的任务之一就是定义这种不确定性。
阿里巴巴集团首席技术官张剑锋表示:过去18年,阿里巴巴的业务过于成功,掩盖了技术的光芒。idst的建立是为了让外界认识到阿里在技术上也有很强的竞争力。自那以后,idst一直戴着帽子,以确立阿里在未来几十年的技术领先地位。
王建任命的两位负责人的背景也奠定了idst的基调:祁源和金荣。
齐远是麻省理工学院的博士后研究员,普渡大学计算机科学与统计系的终身教授,也是2014年国际机器学习大会和2015年国际机器学习大会的主席。他在机器学习方面有近20年的研究经验。早在2005年,麻省理工学院就开发了一个大规模的机器学习系统,它使用cpu集群并行分析人类基因组数据,解码生物基因组和基因调控网络。
王健博士找到了仍在实验室运行数据的齐远。阿里有大量的购物和支付数据,这些数据是围绕“钱”产生的,比其他数据更有价值。如果你来了,建立超大规模机器学习平台的伟大任务就交给你了。”。
例行公事就像乔布斯招募斯卡利时说的话。"你想一辈子卖糖水,还是想和我们一起改变世界?"
另一位负责idst的人金荣是密歇根州立大学的终身教授。他曾担任nips和sigir等顶级国际会议的主席,以及kdd、aaai和ijcai等顶级会议的高级程序委员会的成员,专注于分布式信息检索、机器学习、多媒体数据处理和挖掘等。
其实,王健等人也有一些顾虑。似乎现在不是两位刚从学院和大学出来的教授领导团队的时候。
因此,2014年引入了涂子培来协调整个idst部门。Idst隶属于阿里巴巴集团,屠紫培直接向王健汇报。
杜子培,一名来自芝加哥商品交易所的医生,在去美国之前在武警边防部队和政府部门工作了10年,在此期间他开发了中国第一个反走私遣返信息管理系统。赴美后,他先后担任数据中心主任、亚太事务主任和美国软件公司首席研究员。
屠呦呦在阿里的经历与吴俊有些相似。他既是一名技术回归者,也是一名畅销书作家和副总裁。此外,他们在阿里和腾讯的最终趋势非常相似。有趣的是,涂子培的名片上只写着阿里巴巴集团的副总裁,并没有任何与idst相关的职位。
三驾马车系统建立后,在强大的号召力下,许多资深科学家纷纷加入,并在美国西雅图、硅谷、北京、杭州等地成立科学团队,推动前瞻性研究。
屠紫培曾回忆说,当时齐远负责中国队,金荣负责美国队,他主要负责商业和数据经济的研究。
然而,“确立阿里巴巴集团未来几十年的领先地位”的使命已经逐渐偏离了阿里团队的发展轨迹,阿里团队非常重视投资回报率。
2.离开业务线,只做纯粹的基础技术研究使idst的研究缺乏目的,许多人不知道他们的算法和模型应该解决什么具体问题。奇源向王建提交的数千台服务器构建超大规模机器学习平台的计划也在讨论后被公司拒绝。我们应该知道,“构建超大规模机器学习平台”这一重大项目原本是王建吸引齐源加入idst的重要条件。
为了寻找业务场景,2015年7月,idst的人被动员起来,几个领导被一个接一个地调到业务部:齐源调到蚂蚁金服;金浩被调到淘宝天猫搜索部;声音团队继续留在阿里巴巴云;15年后,屠紫培很少以阿里的身份说话,他的个人介绍被悄悄地改成了阿里巴巴集团前副总裁兼管叔科技创始人。
这一重大调整的目的是非常有针对性的,这样这些具有很强的研究和学术属性的研究人员就可以深入现场,与业务线取得联系,而不是仅仅专注于积累未来的尖端技术。
大多数员工都去了阿里巴巴云,idst也属于阿里巴巴云。
当时,阿里巴巴云刚刚完成重大人事调整,蚂蚁金服前首席风险官胡小明开始担任阿里巴巴云总裁。
胡小明的出身与上述艺术家截然不同。尽管他也是一名技术人员,但来自中国建设银行和中国光大银行的胡小明却有着更敏锐的商业意识。在两家银行工作期间,他们在个人金融业务、微型企业融资、网络信用体系等业务方面有着丰富的经验。加入阿里后,阿里金融成立(基于大数据为小微企业提供信贷服务),被认为是国内“互联网加”金融的早期雏形。
阿里巴巴云内部员工对胡小明发表了评论。最重要的标签之一是“他是一个商人。”
商人带头,阿里巴巴云的idst员工变得越来越以商业为导向。
3曾在接受雷专访时表示,“科学家必须对业务和实际需求充满敬畏。”
幸运的是,被派到金融和电子商务第一线的齐远和金荣似乎没有遇到许多科学家将面临的“技术商业化”问题。
离开蚂蚁金服后,齐获得了6项阿里巴巴集团算法奖(共16项),其中包括他在idst一直想做但未获批准的超大型机器学习平台。
金荣在技术着陆方面的表现也非常出色。他开玩笑说,他和他的团队在天猫搜索部门的经历就像一个去农村的知青。虽然很痛苦,但是真正意识到使用技术来解决商业问题要复杂得多。2015年,金荣的团队赢得了首席执行官奖,团队扩大到约120人。
经过无数次的经历和商业研究团队的建立,所有的人仍然从心底里记得idst。
之后,集团首席技术官张剑锋重组了之前被拆分为多个业务部门的idst。Idst已经从阿里巴巴云升到了集团,idst的新总裁是金荣。在2016年阿里巴巴组织部门大会上,王建不禁感到“idst回来了。”
当时,阿里让idst重新归入该集团的重要目标是,让这些具有一定商业经验的研究人员与其他部门合作,在研究基础技术的同时促进业务发展。最重要的合作伙伴之一是阿里巴巴云的闵万里团队。
闵万里领导着阿里巴巴云的人工智能孵化团队,最早的孵化项目包括著名的小型人工智能机器人。2016年3月,小人工智能机器人在世界速记比赛中击败了亚军,并在一个月后成功预测了“我是歌手”的结果。马云也多次站在它的讲台上而出名。
阿里巴巴云中的小型人工智能机器人更像是一个吉祥物,让外界知道他们的人工智能技术已经通过小型人工智能成熟了。在赢得阿里巴巴云人工智能的声誉后,这个小型人工智能机器人也变成了电子商务机器人和面向企业的电子商务大脑。
此前,闵万里团队根据客户需求,已经孵化出电子工业脑、电子医疗脑、电子城市脑等。商业使用效果也令人印象深刻,这些产品背后的许多底层技术都源自idst。
4 2016年7月,微软亚洲研究院的华宪生加入idst。华宪生是业内知名人士:ieee院士、2015年ACM杰出科学家、麻省理工学院tr 35位35岁以下杰出青年创新人物。
加入阿里初期,华宪生并不从事基础技术研究,而是直接从事基于电子商务的商品搜索功能——“帕特李涛”。在积累了良好的商业经验后,在王建的指导下,华宪生全面负责了全新的城市大脑“城市之眼”项目。
上个月,当雷(公开号:雷)的记者问idst未来将关注哪些前沿技术时,华宪生笑着说:“我会先考虑哪些技术可以对外公布。”智能交通中的一些复杂问题将是我们未来的关键问题,一些尖端的基本视觉技术也将被展示出来。但是,目前的一个主要问题是我们还不够。”
华宪生在这里透露了两点。首先,智能交通项目将是idst未来的亮点。其次,他们迫切需要招募人员。
就在三天前,亚马逊前高级首席科学家任晓峰带着沉重的担子加入了阿里巴巴idst,正式向公众宣布他是首席科学家兼副总裁,并负责组建西雅图团队。
雷了解到,任晓峰于2006年获得加州大学伯克利分校的博士学位,导师是计算机视觉领域的著名教授吉坦德拉·马利克。毕业后,任晓峰进入芝加哥丰田汽车研究所,主要研究目标跟踪与人体跟踪、人脸检测与跟踪、图像分割、人体姿态分析、运动与光流。
2008年,他进入英特尔西雅图实验室,从事传感器项目和计算机视觉在活动识别和监控、机器人和人机交互中的应用。在研究期间,我和其他人一起开创了计算机视觉的两个新方向:rgb-d感知和以自我为中心的视觉,并在目标识别、场景理解、目标姿态估计和边界检测方面取得了行业内最好的成绩。构建了实时目标识别、场景理解、三维建模、增强现实和机器人感知的演示。
2013年,他以亚马逊首席科学家的身份加入亚马逊,并负责无人零售店亚马逊go的项目。
在这里可以发现,任晓峰过去的研究经验与华宪生提到的智能交通项目是吻合的。任晓峰的加入也将对idst吸引人才起到很大的作用。
与此同时,作为亚马逊的负责人,任晓峰要打造阿里无人零售项目并非不可能。
任晓峰在西雅图建厂的方法和俞东在微软前的实验室一样,都是针对人才的。2015年,亚马逊收购了由中国学生创办的简历公司orbeus。两年后的今天,奥比斯的前首席科学家夏薇仍在亚马逊的计算机视觉团队中,并培养了一批优秀的中国研究人员。这批中国研究人员无疑是任晓峰的重点招聘对象。
生意越来越好,人才招聘也有希望。
与过去三年的idst相比,他们是目前最好的idst,技术和业务系统更加完善和成熟。经过一系列的变化,idst最终将走向何方,取决于金荣、华宪生和任晓峰能一起玩什么牌。
雷锋原创文章。严禁擅自转载。详情请参考转载说明。
标题:iDST的前世今生,阿里AI帝国的野望与内省
地址:http://www.hcsbodzyz.com/hcxw/5001.html