大数据文摘作者：林安安、周素云对AI人才日益增长的需求为研究人员提供了跨学术机构和商业公司工作的机会。越来越多的人工智能研究人员决定从科研机构跳槽到商业公司。吸引他们的不仅仅是高薪，还有科研机构所没有的大数据集和计算资源。总部位于加拿大蒙特利尔的软件供应商ElementAI在4月份发布的一份报告显示，在过去一年中，LinkedIn上具有AI专业知识的博士毕业生人数增加了66%。在机器学习会议上发表论文的研究人员数量增加了19%。报告链接：http://go.nature.com/22nexux今年3月，泰晤士报和微软联合发布的一份报告称，在对111名AI研究人员和大学管理人员的调查中，89%的人表示聘用和留住AI专家是“困难”或“非常困难”，招聘热潮正在影响人工智能教师的招聘。马萨诸塞州伍斯特理工学院的计算机科学家克雷格·威尔斯(CraigWills)分析了2019年主要在美国的409家机构发布的终身制计算机科学教师招聘广告。招聘人工智能、数据专家的广告比例研究发现，自2015年以来，挖矿和机器学习的数量大约翻了一番。在早些时候发表的对176家机构的研究中，Wills发现42%的美国研究生院未能招聘到所需数量的计算机科学教师，但对AI相关职位的需求每天都在增长。报告链接：https://cra.org/crn/2018/08/2018-computer-science-tenure-track-faculty-hiring-outcomes/面对企业与大学的竞争，四位AI研究者与Nature分享他们分享了自己的故事，例如：Gireeja工作后选择回到大学任教；Sameer身兼企业和大学两个职位，他们选择留在大学，也对大学如何留住AI人才提出了自己的看法。面对全球范围内AI博士毕业生越来越多，师资队伍难招的问题，我们还邀请了国内两所高校AI领域的博士生来分享自己的看法。摘要整理如下：GireejaRanade：我在工作中积累的经验，希望能传授给我的学生。获得博士学位后微软研究院专职研究员。在Microsoft的工作让我从理论转向实践，这让我更好地理解了产品团队面临的问题和挑战。例如，我曾参与过无人驾驶飞行器(UAV)的研究。在本科阶段，我在机器人研究团队，但在博士阶段，我的研究是定理证明。在与无人机研究人员一起工作时，我开始思考以前从未想过的问题，例如系统安全问题。您如何知道系统何时处于危险区域？您如何判断无人机是要撞到天花板还是地板？对我来说最突出的项目之一是研究假新闻和虚假信息的传播和影响。MicrosoftResearch会在获得用户许可的情况下收集用户的Web浏览日志。我们研究了2016年美国总统大选期间的网站访问模式，发现社交媒体在很大程度上促进了假新闻的传播，而另一种假新闻是通过电子邮件和新闻网站传播的。这类假新闻和新闻的数据我从科研机构是拿不到的。去年，我以助理教授的身份回到伯克利，因为我想尽我所能将知识传授给年轻一代。在教学过程中，结合自己的工作经验，喜欢结合实际案例和教材中的知识给学生讲课。AnimaAnandkumar：跨界单元更容易。许多攻读博士学位的学生对他们的职业选择感到困惑。他们担心自己可能选错了，但现在他们似乎有了更多的选择。学术界和商业企业都表现出了对人才的渴望，科研机构与企业之间的合作越来越多，越来越多的研究人员具有双重身份。过去，大多数公司没有专门的研究所，发表论文也很困难。现在很多公司都有公开发表的政策，这意味着公司的研究人员可以参与同行评议，从而进入学术界。如果他们在工业界混了几年，只要不断发表论文，回到学术界其实是很容易的。事实上，在申请工作时，拥有工作经验是一个重要的加分项。经常听到资深教师被猎头挖走，年轻教师苦于如何提升竞争力的消息。我建议他们走出校园，多参观商业实验室和其他商业机构，并保持一定程度的联系。青年教师在选择研究课题时，不能只考虑行业热点，更要看到还有很多真正重要的基础问题亟待解决。在加州理工学院，我们有一个名为AI4science的项目，旨在研究人工智能如何影响其他科学。例如，我们可以开发生物学、化学、天文学和材料科学的算法吗？目前，该项目由加州理工学院主办，我们会不定期举办论坛，邀请外部研究人员参与。有许多关于AI研究人员离开学术界前往商业公司的新闻报道。但这不是零和游戏。社会需要畅通的就业渠道，需要更多的年轻人就业机会。大学应该有前瞻性思维，应该仔细考虑他们到底想要什么样的人才。SameerMaskey：企业家兼兼职教授，用技术改变生活SameerMaskey是纽约机器学习公司Fusemachines的执行官，也是纽约哥伦比亚大学的兼职副教授。在哥伦比亚大学获得博士学位后，我去了纽约IBMThomasJ.Watson研究中心的语言翻译系统团队工作。即使在IBM，我也只做基础研究相关的工作。我们使用出版物来评估系统的性能，但我认为我们的工作不会在世界范围内产生广泛的影响。我的目标是用这项技术直接改变更多人的生活，所以我在2012年离开了IBM，创办了Fusemachines。公司使命是向发展中国家和美国贫困地区提供人工智能教育，促进人工智能与社会发展的融合。贫困地区有很多本科或硕士毕业的优秀工程师，但由于他们没有进入更好的大学，他们可能无法获得更好的工作机会。他们擅长编程，但可能没有很强的数学背景。因此，我们通过在线课程和现场指导为他们提供一年的机器学习免费培训。最终，我们培养的工程师，有的选择留在Fusemachines，有的被我们推荐到北美的其他公司。同时，我也是哥伦比亚大学的兼职副教授。通常每学期教授一到两门课程，主题包括自然语言处理、深度学习和公共政策中的人工智能。教育对我的生活产生了根本性的影响。我在尼泊尔长大，靠全额奖学金上大学。我热爱教学，看到学生们学习新知识时眼中的光芒让我立刻有成就感。如果你想创办一家公司，你需要将你的研究转化为产品，然后将其推向市场。这就需要你有超越科研的能力。我见过很多工程师失败是因为他们没有考虑实际存在的商业模式。MahsaMohaghegh：大学教师需要更多自由MahsaMohaghegh新西兰奥克兰理工大学AI研究员，She#的创始人兼董事，She#是一家鼓励女性从事技术工作的非营利组织。每隔一周左右，一家公司约我出去喝杯咖啡或聊天。他们想了解人工智能如何影响他们的领域。他们一直问我有没有好学生可以聘用，有些人还邀请我加入他们的顾问委员会。我和他们签了合同，每周都会去公司提供咨询服务。另一家公司希望我成为他们的AI工程师。他们支付的费用比学术界多得多。大学教师可以通过为企业提供咨询服务赚取额外收入，但教师往往没有时间，因为他们承担着教学、行政和科研的三重任务。我在公司的大部分时间都在标准工作时间之外。大学需要给予教师更多自由，让他们与行业密切合作。学校不应只根据教师发表的论文来评判教师的工作，更应该重视教师与产业的衔接，否则迟早会失去好的研究人员。中科院赵博士：研究周期长，希望实习机会多一些。我目前正在做一个毕业设计。近年国内论文云集，深入研究。因此，我的论文也利用人工智能技术在物联网场景下进行研究。主要研究内容为复杂感知环境下的物联网数据处理和机器学习模型设计。整个研究周期可能需要两到三年。前期需要准备前端采集设备，传感器，数据采集等，所有的数据都是自己采集的，去企业和留校区别不大。攻读博士学位不一定能升学，留校工资少。我见过很多副教授、教授在学校工作5年、10年就去了企业，但很少有人从企业回到校园。在人工智能领域，企业拥有更好的资源、更充足的资金和更广泛的数据集，许多大企业的研究人员在学术上也做得很好。我自己研究的时候一般会担心GPU和服务器，但是在企业就不用担心这样的问题了。此外，学校对教师的考核也应进行多方面考核，考核标准也需区别对待。不同的系统可以制定自己的评价标准。作为研究人员，我更赞成通过论文来制定衡量标准，这样可以更加量化自己的成果。目前，我们的研究主要来自于我们老师的项目。我们希望有更多的实习机会和更多的途径去了解什么样的科技公司和社会需要什么样的技术，让我们的研究更有价值。北京大学张博士：企业团队传授《深度学习》，受益匪浅。我的专业是数据科学。我目前正在研究深度学习。目前还没有和公司合作过AI项目，不过目前正在学习课程《深度学习》实践由face++团队的老师授课。每节课后，都会安排一些深入的学习练习。做这些练习的过程让我认识和理解了企业研究的全过程。题目的结果可以直接用示例代码跑，但是他们要求什么因素会影响结果，比如图像分类中的数据分布，dataaugmentation如何影响；如何针对样本进行改进；卷积神经网络哪一层的结果更接近原图；softmax、regularization等可以有不同的representation等等，研究这些原因的过程让我受益匪浅。以后要上班了。进入企业，就是真正进入社会。首先，薪资更有说服力，收入与业绩成正比，让人更有干劲。其次，企业的科研条件也会更好。就硬件设备而言，学校提供的设备毕竟有限，达不到企业这样的大型设备。从发展的角度来看，企业更注重应用，学校更期待做研究。就个人而言，我更喜欢做应用程序。当然，论文是一个很重要的判断标准，因为老师要指导学生，论文的水平至少可以说明学术研究对学生有帮助。希望在校同学有更多的机会去公司实习，了解公司对能力要求中哪些方面比较重要，从而有针对性地加强，对自己平时的学习也是很有好处的和技能发展。结语：听了6位高校AI研究人员分享的故事后，公司似乎在资源、研究条件和薪资方面略胜一筹，但正如AnimaAnandkumar所说，没有什么是一样的，创业者Sameer能够获得一个从教学中获得成就感，AI研究者Mahsa也能从咨询中获得更多报酬，无论是研究还是应用，学术还是商业都是个人选择。在这场人才争夺战中，高校要有前瞻性，认真思考需要什么样的教师；他们是否需要改革教师的衡量标准，以吸引更多有工作经验的跨境教授；如何吸引更多年轻AI人才等问题。学术界和企业界的竞争仍在继续。相关报道：https://www.nature.com/articles/d41586-019-01248-w【本文为栏目组织大数据文摘原创文章，微信公众号》大数据文摘（id：BigDataDigest）》】戳这里，阅读更多本作者的好文
