?本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

又一技術大咖離開業界，前往高校攻關科研！ 

據Pete Warden（皮特沃登）本人推特消息，他將離開谷歌公司，重返斯坦福大學攻讀計算機博士學位。?

?皮特沃登是谷歌公司Tensorflow面向移動和嵌入式設備部分的技術主管，也是 Tensorflow團隊的創始成員之一。著有《TinyML》一書，希望讓機器學習不再囿于云端超級計算機，而是可以被隱藏于眾多小到可以被忽視的電子零件中。

至于離開谷歌的原因，皮特沃登說：在谷歌推出新的硬件設備“太難了”，因為一旦失敗會對大公司聲譽造成非常大的影響。

“it’s very costly and time-consuming to launch new hardware devices at Google, because the downsides of a failed or buggy launch to any large company’s reputation are so high. ”

據悉，皮特沃登已經離開校園二十年了，此次重返校園雖然有些冒險，但對“自己能夠構建一些東西”有幫助。

皮特沃登還在個人博客寫了一篇文章，表達了離開谷歌的前因后果：

我在谷歌工作了7年，這段時間里，很幸運也很自豪能夠和一些了不起的人一起研究TensorFlow等項目。在過去幾年里，我一直在說“你可以用TensorFlow Lite Micro實現所有美好的TinyML項目”，現在我自己終于也可以隨心所欲的嘗試構建自己的東西了。在谷歌我也嘗試過，但在谷歌推出新的硬件設備是非常昂貴和耗時的，因為一旦失敗會對其聲譽造成非常大的影響。因此，時隔二十多年，我決定重返校園，去斯坦福大學攻讀計算機科學博士學位。過去幾年，我在斯坦福大學教授EE292D課程，在這過程中，我從學生對新技術渴望的熱情中收獲了很多，而且也從Zain Asgar、Sachin Katti、 Boris Murmann等教師身上學到了很多。現在我很高興能夠有更多的時間從校園中度過。TensorFlow Lite Micro在Advait Jain和團隊其他成員的帶領下非常出色，使用量和人數在過去幾年持續增長，所以我對它的未來非常樂觀。過段時間，我會公布更多細節，但我現在能夠使用將框架部署到”我從項目一開始就夢想的設備“上了。

離開谷歌，重返校園是一次有趣的新冒險，感謝支持我走到這一步的所有人。?

1 皮特沃登和他的TinyML夢想

?正如前面提到，皮特沃登是人工智能領域的專家。2003年他創建了一組包含45 個圖像的處理過濾器（processing filters ），這些過濾器能夠在 2003 年的筆記本電腦上以 30 fps 的速度檢測視頻內容中的特征。當時Apple 購買了該技術并聘請他將其集成到 Apple 的成像相關產品中。

2011年，皮特沃登聯合創辦Jetpac，擔任CTO。當時他開發了一款獨特的產品，能夠分析了 Instagram 上超過1.4億張照片的像素數據，并將其轉化為全球 5,000多個城市的深度指南。2014年，谷歌收購該公司。

加入谷歌之后，皮特沃登專注于在成本和功率受限的系統中部署機器學習。在谷歌，Pete 領導開發用于移動和嵌入式應用程序的 TensorFlow Lite 機器學習框架。

這種在一些“不起眼的硬件”中構建機器學習被行業稱為TinyML（Tiny Machine Learning）。TinyML 的目標是以盡可能低的功耗執行 ML 推理。具體而言，正如皮特沃登在其著作提到的那樣：TinyML 的目標是在低于 1 mW 的功耗下運行。1 mW是標準紐扣電池運行功率。?

TML示意圖

?因此，TinyML 是機器學習和嵌入式 IoT 設備的交叉領域，是一門新興的工程學科，具有革新許多行業的潛力。顯然，TinyML 的主要受益者，是邊緣計算和節能計算領域。

2019年3月，TensorFlow Lite嵌入式平臺發布了第一個實驗原型。這是由SparkFun構建的開發板的原型，它有一個Cortex M4處理器，具有384KB的RAM和1MB的閃存存儲。該處理器功率極低，在許多情況下功耗不到1毫瓦，因此它可以僅憑小型紐扣電池運行很多天。

目前，TinyML還處在發展階段，正如皮特沃登在一次演講中所提到：

“未來的世界有更多的可能性，現在人工智能對于我們，就像八十年代的電腦一樣。我們不知道它會發展成什么樣子，但是我們可以想象一下我們目前面對的各種問題和挑戰，在工作中面臨的困難。如何用小小的芯片進行機器學習？這方面我們可以有新的角度去探索，也有新的研究成果去發揮作用?！?

2 反映了怎樣的趨勢？

?皮特沃登在業界已經探索了二十年了，今日他選擇離開企業，選擇重返校園，無疑是對當前AI研究人員紛紛重返學界這一趨勢的印證。

這一趨勢最早從吳恩達開始，隨后李飛飛、張潼、張亞勤、賈佳亞等科學家也不斷重返學校。

而在幾年前，對應的正是AI基礎研究者紛紛離開學術界，加盟工業界：代表性的標志事件是在2011年的NIPS大會上，Hinton接受了Google的邀請，正式加盟Google；此后Facebook、Amazon、Uber以及國內百度、阿里、騰訊、滴滴等巨頭也紛紛跟進，而另一方面，產業界所能提供的海量數據以及資源投入對于AI研究者也具有莫大的吸引力，長期從事理論研究的他們也需要一個平臺驗證他們的想法，這也正是當時AI人才從學術界流向產業界的原因。

現在這些AI大牛從產業界重返學術界，有人將其視為AI科學家的“水土不服”，并進而得出“AI熱度正在放緩”的結論。但從另一個角度上，我們也可以看到這些科學家們在產業界檢驗了自己之前的研究之后，帶著新的問題回到學術界開展新的研究。

例如，原騰訊AI Lab主任張潼在被問及為什么回歸學術界時，他回答：“我最關心的是10年以后， AI能夠在技術理論等方面實現重大的突破，并且自己能夠在整個學術研究上有更多的貢獻?！?而對于加入創新工場，張潼則表示：“我在進行學術研究的同時，也希望這些學識成果能夠跟產業相結合?！绷硪晃籄I大牛賈佳亞，在離開騰訊優圖之后并未遠離產業界，而是成立了一家創業公司思謀科技，以另一種方式做到連接學術與產業。 

拿AI屆的黃埔“微軟亞洲研究院”來說吧，他幾任歷任院長中，李開復創辦了創新工場，以孵化器模式推動中國本土的科技與AI公司的發展；張亞勤牽頭籌建“清華大學智能產業研究院（AIR）”，回歸學術界并得到了馬維英的襄助，“出走半生歸來仍是少年”；沈向洋在擔任清華大學兼職教授的同時，也還投資并擔任News Break董事長；而進入投資界的張宏江，更是在以資本投票的方式踐行著對AI的認知。這些頂尖人才的流動，無論是從學術界到產業界，還是從產業界到學術界，最終都是AI的進步。?