原標題：不要小看日本的AI公司 深度學習方面頗具真材實料
PaintsChainer這家日本AI公司在漫畫線稿上色AI領域知名，經(jīng)�？诔隹裱�，卻也被忽視，但又不容小覷。作為一家實力不俗的AI公司，Preferred Networks也成了全日本最值錢的創(chuàng)業(yè)公司。量子位系統(tǒng)分析了這家公司。文章轉自：量子位（ID：QbitAI），作者：唐旭 夏乙。
“超越Google。”
有家日本AI創(chuàng)業(yè)公司，把這個當成奮斗目標掛在嘴邊。而且還放言說，如果他們?nèi)偾斑M，肯定能干成世界第一。
別說，他們還真搞出一個公認的第一。
在漫畫線稿上色AI這個領域，PaintsChainer的大名如雷貫耳，技術幾乎可以算是標桿。你只需上傳一張黑白線稿，點一個按鈕，背后的AI自動為你生成一張彩色漫畫。
PaintsChainer，就是出自這家“狂妄”的日本創(chuàng)業(yè)公司，也是這家公司 為大眾所知的產(chǎn)品。即便如此，國內(nèi)知道這家公司的人可能真是寥寥無幾。
這家經(jīng)�？诔隹裱裕瑓s也被忽視的日本公司，就是Preferred Networks。
但不要小看它。
這家公司并非情懷大于實力。
推進霓虹國漫畫技藝的發(fā)展只能算是個副業(yè)。要知道Preferred Networks被稱為日本 創(chuàng)業(yè)精神的公司。在人工智能、深度學習領域，這家公司頗具真材實料。
全球最早的動態(tài)圖框架Chainer，就是出自這家公司之手，因此也就有了PaintsChainer。大名鼎鼎的PyTorch，其實也借鑒了Chainer神經(jīng)網(wǎng)絡框架的理念。
另外一個例子來自去年11月。伯克利等大學的學者，只用32分鐘就完成了Resnet50模型的訓練，超過Facebook團隊此前60分鐘的記錄。不過一周后，Preferred Networks把這個時間縮短到15分鐘。
作為一家實力不俗的AI公司，Preferred Networks也成了全日本最值錢的創(chuàng)業(yè)公司。
AI獨角獸
△ 岡野原大輔(左) & 西川徹(右) | 圖源：Bloomberg
Preferred Networks的兩位創(chuàng)始人岡野原大輔（Daisuke Okanohara）和西川徹（Toru Nishikawa）最早就在東京大學相遇。本世紀初，他們都是計算機科學專業(yè)的學生。
作為一名工程師，岡野原大輔的工作主要是關于情境感知文本分類的研究，這也讓他在2004年贏得了日本經(jīng)濟產(chǎn)業(yè)省辦頒發(fā)的“超級創(chuàng)造者”獎項。目前，他領導著Preferred Networks的研究工作。
西川徹則是公司的董事長，負責公關。他說，自己從小學開始，就對電腦很有興趣。在八年級前，不論到哪，他都會帶著一塊汽車電池大小的初級筆記本電腦。他告訴老師這是為了記筆記，但他實際上是拿它去編程。
Preferred Networks位于東京的總部更像是一家保險公司，一棟老舊的辦公樓里，堆砌著看上去單調(diào)乏味的會議室。一些用于試驗的工業(yè)機器人與大約140名工程師就共同居住在這片空間。這家公司同時有著全日本最快的超級電腦之一，盡管它被藏在什么地方是個秘密。
“人們總是想為我們設計更漂亮的辦公室。” 西川徹笑著說，“要是有這筆錢，我還不如買電腦呢。”
自己干的主意是岡野原和西川在一家生物科技創(chuàng)業(yè)公司兼職，為基因組測序開發(fā)軟件時產(chǎn)生的。他們第一次創(chuàng)業(yè)時，雇傭了一票大學時的朋友，開發(fā)了一個機器學習平臺，能夠以比市面上任何應用都更快的速度來分析文本。
接著，2012年深度學習領域的出現(xiàn)一系列突破之后，岡野原和西川在2014年決定開發(fā)更聰明的工業(yè)機器人。這是一個明智的決定，因為在制造業(yè)領域，日本仍能制造出 的設備，而谷歌和Facebook這樣的AI大戶還未能進軍。
彭博社報道稱，這家日本的AI獨角獸，目前估值已經(jīng)超過20億美元。
Preferred Networks最大的支持方來自車廠。豐田豪擲超過1.1億美金，希望他們開發(fā)的算法能幫助它們在無人車領域和Waymo一較高下。
你說一個做漫畫上色的創(chuàng)業(yè)公司，怎么就被人選上造車去了？
除了估值，Preferred Networks與大部分創(chuàng)業(yè)公司的不同之處，還在于他們選擇深入的領域——制造業(yè)。豐田之外， Preferred Networks還與日本公司、世界上最大的工業(yè)機器人制造商發(fā)那科達成了合作，這讓他們有了進入那些世界頂尖工廠的機會。
日本機會
“深度學習在制造業(yè)有著非常好的前景。”東京大學計算機科學家、日本深度學習協(xié)會主席松尾豐（Yutaka Matsuo）說：“這是一個日本公司有機會獲勝的領域。”
發(fā)那科公司主席稻葉善治（Yoshiharu Inaba）是最早一批認可這樣觀點的人之一。
在工業(yè)領域，發(fā)那科大名鼎鼎。發(fā)那科是日本最有錢的機器人公司之一，根據(jù)2016年的一份統(tǒng)計，發(fā)那科一家的凈利潤，超過中國40家機器人上市公司的凈利潤總和。
今年初日經(jīng)中文網(wǎng)報告稱，發(fā)那科“從中國的自動化投資中獲得較大益處，中國的洽購尤其眾多”，助推了這家日企“擺脫對美國蘋果的依賴”。
稻葉是一位出了名保守謹慎的商人，也是一位非常出色的工程師，自己就曾經(jīng)為汽車制造開發(fā)過非常重要的工具。
2015年早些時候，他同意與Preferred Networks的兩位創(chuàng)始人見面，談了一個小時，岡野原和西川就成功說服他投資900萬美金，以及獲取一部分他最重要商業(yè)機密的授權——也就是在稻葉自己工廠線上數(shù)千臺機器人生成的巨大數(shù)據(jù)流。
四個月后，豐田緊跟著發(fā)那科的步伐投資了1000萬美金，去年8月他們又補上了一個億。此外，制造業(yè)傳統(tǒng)豪強日立、銀行巨頭瑞穗金融以及三井貿(mào)易公司都在12月成為了Preferred Networks的投資人。
在2016年拉斯維加斯的CES展會上，Preferred Networks用玩具汽車對自家的技術做過一次簡單的展示。他們用幾臺微縮的豐田普銳斯穿過場上的障礙物。一開始，玩具車撞來撞去，舉步維艱，但經(jīng)過兩個小時的持續(xù)試錯之后，它們就能暢通無阻地在障礙物中穿梭了。
沒有人類程序員為它們編寫過任何指令，相反，它們需要根據(jù)經(jīng)驗來形成自己的規(guī)則，同時，通過一個共享的網(wǎng)絡可以加快整個進程。
幾個月后在日本的一次展會上，他們又展示了自己的技術怎樣讓工廠內(nèi)的機器人更接近 的人類技工。給一個發(fā)那科機器人編程，讓它能順利在一團亂麻之中抓出指定的物品，可能要花費一個人類工程師幾天時間。
而Preferred Networks的展示中 ，八臺以團隊形式進行工作的機器人能在一小時之內(nèi)掌握這項技能——如果數(shù)千臺，甚至數(shù)百外臺機器人被聯(lián)結在一起，學習速度將會呈指數(shù)級提升。
“訓練一個出色的技工要花費十年，而且，他到時所擁有的知識也不能被下載到另一個人身上。” 稻葉解釋道，“但要是你有了一位機器人專家，你就能讓那些知識無限地膨脹。”
岡野原和西川透露，今年，他們計劃推出自那款動漫上色工具 PaintsChainer以來的第一款獨立產(chǎn)品，而具體細節(jié)仍是秘密。
“在這個行業(yè)里，如果你不做出點什么看上去就十分瘋狂的東西來，你就永遠沒法做那些真正有趣的事情。” 岡野原說。
人才困境
有人工智能技術，也有制造業(yè)的傳統(tǒng)優(yōu)勢，也有資金支持，但Preferred Networks仍然有現(xiàn)實的困境需要解決。
例如人才。
在日本，創(chuàng)業(yè)并不是一股熱潮。畢業(yè)生們的 ，都是加入一家大型企業(yè)，而不是選擇初創(chuàng)企業(yè)。而Preferred Networks想要實現(xiàn)瘋狂的念頭，需要更多有創(chuàng)造力的年輕人。
“為了與深度學習領域的巨頭們展開競爭，我們需要一支強大的團隊，”西川說，“對我們來說最大的威脅，就是失去人才。”
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://fishbao.com.cn/
