当大部分人都相信一件事或趋势时，不同意的人可以选择沉默，也可以大声说出来。前者是少数派中的多数派，后者少数派中的少数派。马毅就是一个少数派中的少数派。
自2000年从伯克利大学博士毕业以来，马毅先后任职于伊利诺伊大学香槟分校（UIUC）、微软亚研院、上海科技大学、伯克利大学和香港大学，现担任香港大学计算机系主任和数据科学研究院院长。
他最早将“压缩感知”技术应用于计算机视觉领域，在人脸识别、物体分类等任务上产生了巨大影响。知名AI学者李飞飞是马毅在UIUC时参与招聘的第一个华人助理教授，ResNet一作何恺明是马毅在微软亚研院负责视觉组时招的第一个新员工。
马毅公开表达时直言不讳。AI业界惊叹于GPT等大模型的威力，担心AI可能毁灭人类，如图灵奖得主杰弗里·辛顿（Geoffrey Hinton）和OpenAI发起者之一伊隆·马斯克（Elon Musk）就多次将AI类比为原子弹，呼吁监管。“说现在的AI危险的人，要么是无知，要么是别有目的。”马毅在Twitter上回应AI威胁论。强烈的观点来自他对当前AI系统的理解。
不少人相信用更多数据、更大算力做更大参数的模型，就可以实现AGI（通用人工智能），这就是大模型的Scaling Laws（规模定律），它被一些人视为“信仰”。马毅则不相信这条路。他认为现在的深度学习网络本质上都在做压缩（compression）：就是从图像、声音和语言等高维信号里，找到能表示数据间相关性和规律的低维结构。
2023年底发表白盒大模型框架CRATE时，马毅在社交媒体上称压缩不会通向通用智能或意识。“GPT有很多知识，但知识不等于智能。”GPT表现出来的数学推理等能力在马毅看来本质还是依靠记忆、统计，就像一个接受填鸭式教育的高分低能的学生，它并不能学到因果推理、逻辑等能力。
马毅理解的智能，是能自己纠正现存知识的不足并发现新知识的系统。为解释深度学习网络到底在做什么，马毅团队最近几年的重点工作是白盒大模型，用数学来解释深度学习网络的压缩过程，以找到更高效的压缩方式。他希望让更多人了解白盒，以对抗黑盒带来的误解，因为“历史上，任何有用的黑盒都可能变成迷信和巫术”。他担心对AI的恐惧可能带来过度监管，遏制创新。
相比Scaling Laws追随者的人多势众和AI威胁论的直指人心，马毅等少数派影响力小得多。今年5月与马毅在香港见面前，我们问身边的AI从业者：怎么看马毅团队的研究？“不太关心”、“不看他的论文了”，大部分从业者更关注如何在现有路线下提高训练和推理效率。就在前几天，马毅的多篇论文合作者，图灵奖得主杨立昆（Yann LeCun）公开抨击马斯克说AI可能毁灭人类是阴谋论。
马斯克问杨立昆：“过去5年，你做了哪些‘科学’？”“你应该更努力一点。”
马毅团队的白盒大模型CRATE去年发布时，在同等参数下的指标不如已有的模型ViT。一些从业者称这是“负优化”，“魔改Transformer，但效果还不如”。秘塔科技创始人、马毅的学生闵可锐说：现在AI界的评价标准越来越偏向一个研究是否work，而不是智识上的增长。“你不在1000亿参数的模型上验证，大家就不太相信。”他称学界与工业界的算力差距也拉大了不同模型的效果差距。
去年马毅创立了忆生科技：“如果产业界能接受这些东西，功成不必在我。但我们想加速这个过程，证明白盒路线可行。”马毅说。写完第三本书后发誓不再写书的马毅现在又开始写一本新书，针对高年级本科生。他将面向香港大学所有专业的学生设计AI通识课程，讲历史和计算思想，希望年轻一代有正确理解AI的基础。
忆生天使轮投资人，真格基金合伙人刘元认为，在主流方向上做到最好，或敢做、能做不一样方向的人，都是他们寻找的创始人：“马毅是我们见过的、少有的能做开创性工作的学者，我们很钦佩。”真理不一定掌握在少数人手中，但少数派和观点竞争的存在增加了发现真知的概率。“如果你相信只靠Scaling Laws就能实现AGI，我觉得你该改行了。”