本文经AI新媒体量子位授权转载（公众号ID：QbitAI），转载请联系出处.Google的Dropout专利，于6月25日生效。有效期为15年。所谓Dropout是深度学习和训练神经网络中常用的一种方法。由Hinton于2012年提出，可以有效防止过拟合。三年前，因为谷歌为Dropout申请了专利，曾在业界引起轩然大波。当时reddit上有个热帖，言辞激烈，“问候”谷歌，还有当时还没有获得图灵奖的Hinton等人。历史证明，咒骂是没有用的。时至今日，Dropout依然是AI领域必不可少的利器，而且——谷歌绝对拿到了专利授权。不要惊慌。你看，网友@peng321说：别着急，等2034年就过期了。当然，在Dropout专利到期之前，任何人，所有想使用Dropout的人、公司、机构都可能面临被掐死的尴尬局面。Reddit网友@rantana总结道：如果你是一家试图筹集资金的初创公司，在你的算法中使用谷歌的专利会影响你的估值。如果你和谷歌有专利纠纷，起诉别人之前要三思而后行，分分钟反诉你。如果你是谷歌的专利代理人，那么恭喜你，你是人生赢家。什么是辍学？专利名称为：解决神经网络过拟合的系统和方法（以下英文）。看摘要就知道Dropout的基本原理：它是一个训练神经网络的系统。在FeatureDetectors上方，连接了一个开关，至少连接了网络的某些层。在每个训练案例中，开关根据预先配置的概率随机关闭一些特征检测器。然后，每个训练案例的权重将被归一化（Normalized）以将神经网络应用于测试集。至于为什么可以防止过拟合，Hinton爷爷和他的小伙伴们在CNN的名作ImageNetClassificationwithDeepConvolutional中大致讲了一个意思：每次关闭一半的特征检测器，每次训练都是不同的。同一个网络。然后取各种网络的平均值进行预测。这样可以提高模型的稳定性，或者泛化能力，防止过拟合。专利文件中填写的发明人也是这篇论文的作者，但申请者是谷歌：关于专利中包括哪些内容，谷歌列出了20项，算上各种能想到的和意想不到的训练步骤：它被认为是Dropout的优秀指南。如果你在对抗过拟合的过程中感到迷茫，可以进去看看。当然，这不是重点。关键是，以后使用Dropout会有什么样的限制？开源的一大障碍一位名叫mtanti的网友提问：那是否意味着我们不能再使用Dropout了？楼下（NicolasGuacamole）的回答很精彩：谁用了，就用无人机干掉他。开玩笑是其中一种态度，可以用普通话来表达：谷歌不会真的使用这个专利。当然，并不是每个人都这么看。事实上，早在三年前，该专利就已经获批，并引起了强烈的反弹。△丢掉专利申请授权信息至于可预见的未来，这种情绪将会诞生。有网友（AnonMLResearcher）认真分析过：有人曾说过“不要怪玩家，要怪制定游戏规则的人”。也就是说，我们不应该责怪谷歌，我们应该责怪专利制度。既然它允许为这些著名的抽象概念申请专利，谷歌就拥有了它们的合法权利。我只是担心这会对机器学习的学术研究造成重大损害。在视觉领域，SIFT和SURF已经注册了专利。这样一来，像OpenCV这样的开源库就很麻烦了。该repo不包含“非自由（Nonfree）”模块，因此用户从源代码自行构建非常麻烦。以后开源的机器学习库还是会遇到同样的事情。卡脖子警告和Dropout等基础算法已经成为谷歌的专利。它们之所以备受关注，影响的不仅仅是开源社区。一位网友（AnonMLResearcher）表示：这样的专利将对任何年轻的机器学习公司产生影响，使它们更难吸引投资——既然谷歌已经拥有许多算法的知识产权，（如果使用专利代码）可能被盗随时告。曾经引起广泛讨论的“徐匡迪问题”再次被提起讨论。今年5月，在上海院士沙龙上，中国工程院院士徐匡迪等多位院士尖锐发问：中国有多少数学家致力于人工智能基础算法的研究？尴尬的是，目前我国人工智能应用虽然如火如荼，但自主知识产权的底层框架和核心算法非常缺乏，更多依赖开源代码和算法。接受科技日报采访的浙江大学应用数学研究所所长孔德兴教授呼吁：如果缺乏核心算法，人们在遇到关键问题时仍然会“卡壳”。孔教授表示，可以使用开源代码，但不够专业和针对性，效果往往达不到具体任务的实际要求。孔教授认为，能否掌握核心代码，将决定未来人工智能“智力竞赛”是否有胜算。而今年反复的例子已经证明，核心算法要靠灯塔，即使口碑如谷歌，也可能有断供的一天。因此，Dropout成为谷歌专利，不仅关乎开源，不仅关乎科研，更关乎更致命的独立核心算法及其背后的“卡脖子”困境。
