搶人大戰(zhàn)中，那些選擇留在高校的AI研究員們
大數(shù)據(jù)文摘出品
作者：林安安、周素云
AI人才需求的不斷增長， 為科研人員在學(xué)術(shù)機構(gòu)和商業(yè)公司間跨界工作創(chuàng)造機會。越來越多的人工智能研究員決定從科研機構(gòu)跳槽到商業(yè)公司，吸引他們的不僅是高薪，還有科研機構(gòu)所不具備的大型數(shù)據(jù)集和計算資源。
加拿大蒙特利爾的軟件提供商Element AI在4月份發(fā)布的一份報告顯示，在過去一年中， LinkedIn上具有人工智能專業(yè)知識的博士畢業(yè)生人數(shù)增加了66%。在機器學(xué)習(xí)會議上發(fā)表文章的研究人員數(shù)量增加了19%。
報告鏈接：http://go.nature.com/22nexux
3月份，泰晤士報和微軟共同發(fā)布的報告表示，在一項針對111名AI研究人員和大學(xué)管理人員的調(diào)查中，89%的人表示聘用和留住AI專家“很難”或“非常困難”，招聘狂潮正在影響AI教職人員的招聘。
馬薩諸塞州伍斯特理工學(xué)院的計算機科學(xué)家Craig Wills分析了2019年409個主要在美國的機構(gòu)發(fā)布的終身職位制(tenure-track)計算機科學(xué)教師招聘廣告。
研究發(fā)現(xiàn)，自2015年以來，招聘人工智能，數(shù)據(jù)挖掘和機器學(xué)習(xí)專家的廣告比例大致翻了一番。在早些時候發(fā)布的對176所院校進行的一項研究里，Wills發(fā)現(xiàn)42%的美國研究生院未能如期招到所需數(shù)量的計算機科學(xué)教師，然而，AI相關(guān)的職位需求每天都在增加。
報告鏈接：
https://cra.org/crn/2018/08/2018-computer-science-tenure-track-faculty-hiring-outcomes/
面對企業(yè)與高校的搶人大戰(zhàn)，四位AI研究員與Nature 分享了他們的故事，例如：Gireeja在工作之后選擇重返高校教書;Sameer在企業(yè)和高校身兼兩職，他們選擇留在高校，但也對大學(xué)如何留住AI人才提出自己的看法。 面對全球范圍內(nèi)的AI博士畢業(yè)生遞增和教職人員難招的情況，我們也邀請了國內(nèi)兩所高校AI領(lǐng)域的博士生分享了他們的觀點。
文摘菌整理如下：
Gireeja Ranade：工作中積累的經(jīng)驗，希望可以傳授給我的學(xué)生
在加州大學(xué)伯克利分校獲得電子工程和計算機科學(xué)博士學(xué)位后，我繼續(xù)攻讀博士后，然后在華盛頓州雷蒙德市的微軟研究院擔任全職研究員。在微軟工作的經(jīng)歷讓我從理論走向?qū)嵺`，這使我更加了解產(chǎn)品團隊面臨的問題和挑戰(zhàn)。
例如，我曾參與無人駕駛飛行器(UAV)研究。在本科階段，我曾進入機器人研究團隊，但在博士階段，我研究就是定理證明。與無人機研究人員共事期間，我開始思考一些之前從未想過的問題，比如系統(tǒng)安全性問題。如何知道系統(tǒng)何時進入危險區(qū)域?如何判斷無人機是否會撞到天花板或地板上?
最令我印象深刻的項目之一是研究假新聞和假消息的傳播和影響。 微軟研究院在用戶的許可下收集了他們的網(wǎng)絡(luò)瀏覽日志。我們研究了2016年美國總統(tǒng)大選期間的網(wǎng)站訪問模式，發(fā)現(xiàn)社交媒體在很大程度上推動假消息的傳播，還有一類假新聞是通過電子郵件和新聞網(wǎng)站，這類的假消息和新聞的數(shù)據(jù)是我無法從科研機構(gòu)中獲得的。
去年，我回到伯克利擔任助理教授，因為我希望能盡我所能向年輕一代傳遞知識。在教學(xué)過程中，結(jié)合我工作的經(jīng)驗，我喜歡把實際案例和課本上的知識結(jié)合起來給學(xué)生講課。
Anima Anandkumar：跨界更容易了，建議年輕教師多走出校園
Anima 是加州理工學(xué)院的決策，優(yōu)化和學(xué)習(xí)聯(lián)合主任; 也是位于加利福尼亞州圣克拉拉市的NVIDIA公司的機器學(xué)習(xí)研究主管，負責制造圖形處理單元。
許多正在攻讀博士學(xué)位的學(xué)生都對職業(yè)選擇存在困惑，他們擔心自己可能選錯了，但現(xiàn)在他們似乎有更多的選擇，無論是學(xué)術(shù)界還是商業(yè)公司都對人才表現(xiàn)出了渴望，科研機構(gòu)和公司之間的合作越來越頻繁，越來越多的研究人員具有雙重職位。
過去，大部分公司沒有專門的研究所，想要發(fā)表論文也比較困難。 現(xiàn)在，許多公司都有開放式出版政策(open-publication policy)，這意味著公司里的研究員可以參與同行評審，從而進入學(xué)術(shù)界。如果他們在行業(yè)已經(jīng)工作了幾年，只要能繼續(xù)發(fā)表論文，想重新回到學(xué)術(shù)界其實很容易。事實上，擁有工作經(jīng)驗在應(yīng)聘時是重要的加分項。
我不斷聽說有資歷深的老教師被獵頭挖走，年輕教師們困擾于如何提高自己的競爭力。我建議他們走出校園，多訪問商業(yè)實驗室和其他商業(yè)機構(gòu)，保持一定程度的聯(lián)系。
年輕教師選擇研究課題時，不能只考慮行業(yè)熱點，他們應(yīng)該看到仍有許多真正重要的基本問題亟需解決。在加州理工學(xué)院，我們有一項名為AI4science的項目，該計劃的目的是研究AI如何對其他科學(xué)產(chǎn)生影響。例如，我們可以開發(fā)關(guān)于生物學(xué)，化學(xué)，天文學(xué)和材料科學(xué)的算法嗎?目前，該項目由加州理工學(xué)院承辦，我們會不定期舉辦論壇，邀請外部研究人員參加。
有許多新聞報道稱AI研究人員離開學(xué)術(shù)界進入商業(yè)公司。但這不是零和博弈。社會需要暢通的就業(yè)渠道，需要給年輕人提供更多的就業(yè)機會。大學(xué)應(yīng)該具有前瞻性思維，應(yīng)該仔細考慮他們到底想要什么樣的人才。
Sameer Maskey: 創(chuàng)業(yè)家和兼職教授，用技術(shù)改變生活
Sameer Maskey紐約機器學(xué)習(xí)公司Fusemachines的執(zhí)行官，也是紐約哥倫比亞大學(xué)兼職副教授。
我在哥倫比亞大學(xué)博士畢業(yè)后，就去了紐約IBM Thomas J. Watson研究中心的語言翻譯系統(tǒng)團隊工作。即使在IBM，我做的也只是基礎(chǔ)研究相關(guān)的工作。我們利用出版物對該系統(tǒng)的表現(xiàn)進行了評估，但我沒看到我們的工作在全世界范圍內(nèi)產(chǎn)生廣泛的影響。
我的目標是利用這項技術(shù)直接改變更多人的生活，所以我在2012年離開了IBM并創(chuàng)立了Fusemachines。公司的使命是向發(fā)展中國家和美國的貧困地區(qū)提供人工智能教育來推動人工智能與社會發(fā)展的融合。有許多才華橫溢的工程師在貧困地區(qū)完成了本科或碩士學(xué)位，但由于他們沒有機會進入更好的大學(xué)，所以他們可能無法獲得更好的工作機會。他們擅長編程，但可能沒有強大的數(shù)學(xué)背景。
因此，我們通過在線課程和實地教學(xué)為他們提供為期一年的機器學(xué)習(xí)免費培訓(xùn)。最終，我們培訓(xùn)出的工程師們有的選擇留在Fusemachines工作，有的由我們推薦給北美的其他公司。
同時，我也是哥倫比亞大學(xué)的兼職副教授。通常每學(xué)期教一到兩門課，主題包括自然語言處理，深度學(xué)習(xí)和公共政策中的人工智能。 教育對我的生活產(chǎn)生了根本性的影響。我在尼泊爾長大，獲得了全額獎學(xué)金來上大學(xué)。我很喜歡教學(xué)，當看到學(xué)生學(xué)到新東西時眼中散發(fā)的光芒，我瞬間就充滿了成就感。
如果你想創(chuàng)立公司，那么你需要將研究成果轉(zhuǎn)化為產(chǎn)品，然后進行推廣。這需要你具備科研以外的能力。我已經(jīng)看到很多工程師因為不考慮實際存在的商業(yè)模式而失敗。
Mahsa Mohaghegh : 大學(xué)教師需要更多的自由
Mahsa Mohaghegh新西蘭奧克蘭理工大學(xué)AI研究員, She#的創(chuàng)始人兼董事，She# 是一個鼓勵女性在技術(shù)領(lǐng)域發(fā)展的非盈利組織。
差不多每隔一周，都會有公司約我喝一杯咖啡或聊天。他們想要了解人工智能如何對他們的領(lǐng)域產(chǎn)生影響。他們一直問我是否有可以聘用的優(yōu)秀的學(xué)生，還有些人要我加入他們的顧問委員會。我和他們簽了一份合同，每周我會去公司提供咨詢服務(wù)。還有一家公司希望我成為他們的AI工程師。他們開出的工資比學(xué)術(shù)界多太多了。
大學(xué)教師可以通過向公司提供咨詢服務(wù)獲得額外收入, 但教師們往往沒有時間，因為他們身上承擔了教學(xué)，行政和科研三個方面的任務(wù)。我與公司合作的時間主要是在標準工作時間之外。
大學(xué)需要給教師更多的自由，讓他們與行業(yè)密切聯(lián)系。學(xué)校不應(yīng)該只根據(jù)教師發(fā)表的論文來判斷工作成果，應(yīng)該更關(guān)注教師與行業(yè)之間的聯(lián)系，否則它們遲早會失去優(yōu)秀的研究人員。
中國科學(xué)院趙博士：研究周期長，希望有更多的實習(xí)機會
目前正在做畢業(yè)設(shè)計， 近幾年國內(nèi)論文扎堆深度學(xué)習(xí)。因此，自己的論文也是利用AI技術(shù)在IoT場景下進行研究，主要的研究內(nèi)容就是復(fù)雜感知環(huán)境下物聯(lián)網(wǎng)數(shù)據(jù)的處理和機器學(xué)習(xí)模型設(shè)計。
研究的整個周期可能需要兩到三年。前期需要準備前端采集設(shè)備，傳感器，數(shù)據(jù)采集等，所有數(shù)據(jù)均為自己采集，因此去企業(yè)還是留校，對于自己來說沒有太大區(qū)別。
讀博不一定會走學(xué)術(shù)，留校的薪資較少。 我見過很多在學(xué)校工作5到10年后的副教授或者教授去企業(yè)，但幾乎很少有從企業(yè)回歸校園的。在人工智能領(lǐng)域，企業(yè)具有更好的資源， 更充足的資金和更廣泛的數(shù)據(jù)集，很多大企業(yè)的研究員在學(xué)術(shù)上也做的很好。 平時自己做研究常常會為GPU和服務(wù)器而發(fā)愁，而在企業(yè)卻不用擔心此類的問題。
此外，學(xué)校對老師的考核也應(yīng)該多方面評估，評估標準也需要區(qū)別對待，在不同的體系可以制定自己的評估標準。作為研究員，我是比較贊同通過論文來制定衡量標準的，這樣可以更加量化自己的成績。目前我們的研究主要來源于老師的項目，希望可以有更多的實習(xí)機會，更多途徑去了解企業(yè)和社會需要什么樣的技術(shù)，讓自己的研究更加有價值。
北京大學(xué)張博士：企業(yè)團隊講授《深度學(xué)習(xí)》，受益頗多
我的專業(yè)是數(shù)據(jù)科學(xué)專業(yè)，目前在做深度學(xué)習(xí)方面的研究，還沒有和企業(yè)進行AI方面項目的合作，但是最近我正在學(xué)習(xí)的課程《深度學(xué)習(xí)》實踐是由face++團隊的老師來講授的，每次課后會布置一些深度學(xué)習(xí)方面的習(xí)題研究，做這些習(xí)題的過程讓我認識更加了解企業(yè)的研究全過程。
題目的結(jié)果可以直接用示例的代碼運行出來，但是他們要求的是哪些因素會影響結(jié)果，例如圖像分類中數(shù)據(jù)分布，數(shù)據(jù)增廣如何對其影響;對抗樣本如何改進;卷積神經(jīng)網(wǎng)絡(luò)哪層的結(jié)果更接近原圖;softmax，正則化等可以有哪些不同的表示等等，研究這些原因的過程讓我受益匪淺。
今后打算還是工作。進入企業(yè)意味著真正走入社會，首先是薪資方面更有說服力，收入與績效成正比，更讓人有動力。其次企業(yè)的研究條件上也會更好，就硬件設(shè)備上而言，學(xué)校提供的設(shè)備畢竟是有限的，還達不到像企業(yè)那般大規(guī)模的設(shè)備。從發(fā)展上來說，企業(yè)更看重的是應(yīng)用，學(xué)校更期盼的是做研究，我個人比較傾向做應(yīng)用。
論文當然算是一個很重要的評判標準，因為老師要指導(dǎo)學(xué)生，論文的水平至少能說明學(xué)術(shù)研究上是對學(xué)生有幫助的。希望在校學(xué)生有更多的機會可以去企業(yè)實習(xí)，了解公司對哪方面能力要求更看重，自己才會有針對性地加強，對平時的學(xué)習(xí)和技能培養(yǎng)也十分有益。
結(jié)語：
聽完6位高校AI研究員的故事分享，企業(yè)無論在資源，研究條件還是薪資上好像都略勝一籌,但就像Anima Anandkumar所說，沒有什么是一塵不變的，創(chuàng)業(yè)家Sameer可以從教學(xué)中得到成就感，AI研究員Mahsa也可以從咨詢得到更多的報酬，無論研究還是應(yīng)用，學(xué)術(shù)還是商界都是個人的選擇。
而在這場搶人大戰(zhàn)中，大學(xué)應(yīng)該具有前瞻性思維，認真思考到底需要什么樣子的老師;是否需要改革教師的衡量標準以吸引更多的具有工作經(jīng)驗的跨界教授;如何才能吸引更多年輕的AI人才等問題。
學(xué)術(shù)界與商業(yè)界的搶人大戰(zhàn)，仍在進行中。
相關(guān)報道：https://www.nature.com/articles/d41586-019-01248-w
【本文是51CTO專欄機構(gòu)大數(shù)據(jù)文摘的原創(chuàng)文章，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
