搶人大戰中，那些選擇留在高校的AI研究員們
大數據文摘出品
作者：林安安、周素云
AI人才需求的不斷增長， 為科研人員在學術機構和商業公司間跨界工作創造機會。越來越多的人工智能研究員決定從科研機構跳槽到商業公司，吸引他們的不僅是高薪，還有科研機構所不具備的大型數據集和計算資源。
加拿大蒙特利爾的軟件提供商Element AI在4月份發布的一份報告顯示，在過去一年中， LinkedIn上具有人工智能專業知識的博士畢業生人數增加了66%。在機器學習會議上發表文章的研究人員數量增加了19%。
報告鏈接：http://go.nature.com/22nexux
3月份，泰晤士報和微軟共同發布的報告表示，在一項針對111名AI研究人員和大學管理人員的調查中，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院的計算機科學家Craig Wills分析了2019年409個主要在美國的機構發布的終身職位制(tenure-track)計算機科學教師招聘廣告。
研究發現，自2015年以來，招聘人工智能，數據挖掘和機器學習專家的廣告比例大致翻了一番。在早些時候發布的對176所院校進行的一項研究里，Wills發現42%的美國研究生院未能如期招到所需數量的計算機科學教師，然而，AI相關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/
面對企業與高校的搶人大戰，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在企業和高校身兼兩職，他們選擇留在高校，但也對大學如何留住AI人才提出自己的看法。 面對全球范圍內的AI博士畢業生遞增和教職人員難招的情況，我們也邀請了國內兩所高校AI領域的博士生分享了他們的觀點。
文摘菌整理如下：
Gireeja Ranade：工作中積累的經驗，希望可以傳授給我的學生
在加州大學伯克利分校獲得電子工程和計算機科學博士學位后，我繼續攻讀博士后，然后在華盛頓州雷蒙德市的微軟研究院擔任全職研究員。在微軟工作的經歷讓我從理論走向實踐，這使我更加了解產品團隊面臨的問題和挑戰。
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，比如系統安全性問題。如何知道系統何時進入危險區域?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絡瀏覽日志。我們研究了2016年美國總統大選期間的網站訪問模式，發現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站，這類的假消息和新聞的數據是我無法從科研機構中獲得的。
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。在教學過程中，結合我工作的經驗，我喜歡把實際案例和課本上的知識結合起來給學生講課。
Anima Anandkumar：跨界更容易了，建議年輕教師多走出校園
Anima 是加州理工學院的決策，優化和學習聯合主任; 也是位于加利福尼亞州圣克拉拉市的NVIDIA公司的機器學習研究主管，負責制造圖形處理單元。
許多正在攻讀博士學位的學生都對職業選擇存在困惑，他們擔心自己可能選錯了，但現在他們似乎有更多的選擇，無論是學術界還是商業公司都對人才表現出了渴望，科研機構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，想要發表論文也比較困難。 現在，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，從而進入學術界。如果他們在行業已經工作了幾年，只要能繼續發表論文，想重新回到學術界其實很容易。事實上，擁有工作經驗在應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，多訪問商業實驗室和其他商業機構，保持一定程度的聯系。
年輕教師選擇研究課題時，不能只考慮行業熱點，他們應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如何對其他科學產生影響。例如，我們可以開發關于生物學，化學，天文學和材料科學的算法嗎?目前，該項目由加州理工學院承辦，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研究人員離開學術界進入商業公司。但這不是零和博弈。社會需要暢通的就業渠道，需要給年輕人提供更多的就業機會。大學應該具有前瞻性思維，應該仔細考慮他們到底想要什么樣的人才。
Sameer Maskey: 創業家和兼職教授，用技術改變生活
Sameer Maskey紐約機器學習公司Fusemachines的執行官，也是紐約哥倫比亞大學兼職副教授。
我在哥倫比亞大學博士畢業后，就去了紐約IBM Thomas J. Watson研究中心的語言翻譯系統團隊工作。即使在IBM，我做的也只是基礎研究相關的工作。我們利用出版物對該系統的表現進行了評估，但我沒看到我們的工作在全世界范圍內產生廣泛的影響。
我的目標是利用這項技術直接改變更多人的生活，所以我在2012年離開了IBM并創立了Fusemachines。公司的使命是向發展中國家和美國的貧困地區提供人工智能教育來推動人工智能與社會發展的融合。有許多才華橫溢的工程師在貧困地區完成了本科或碩士學位，但由于他們沒有機會進入更好的大學，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學背景。
因此，我們通過在線課程和實地教學為他們提供為期一年的機器學習免費培訓。最終，我們培訓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的兼職副教授。通常每學期教一到兩門課，主題包括自然語言處理，深度學習和公共政策中的人工智能。 教育對我的生活產生了根本性的影響。我在尼泊爾長大，獲得了全額獎學金來上大學。我很喜歡教學，當看到學生學到新東西時眼中散發的光芒，我瞬間就充滿了成就感。
如果你想創立公司，那么你需要將研究成果轉化為產品，然后進行推廣。這需要你具備科研以外的能力。我已經看到很多工程師因為不考慮實際存在的商業模式而失敗。
Mahsa Mohaghegh : 大學教師需要更多的自由
Mahsa Mohaghegh新西蘭奧克蘭理工大學AI研究員, She#的創始人兼董事，She# 是一個鼓勵女性在技術領域發展的非盈利組織。
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域產生影響。他們一直問我是否有可以聘用的優秀的學生，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。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術界多太多了。
大學教師可以通過向公司提供咨詢服務獲得額外收入, 但教師們往往沒有時間，因為他們身上承擔了教學，行政和科研三個方面的任務。我與公司合作的時間主要是在標準工作時間之外。
大學需要給教師更多的自由，讓他們與行業密切聯系。學校不應該只根據教師發表的論文來判斷工作成果，應該更關注教師與行業之間的聯系，否則它們遲早會失去優秀的研究人員。
中國科學院趙博士：研究周期長，希望有更多的實習機會
目前正在做畢業設計， 近幾年國內論文扎堆深度學習。因此，自己的論文也是利用AI技術在IoT場景下進行研究，主要的研究內容就是復雜感知環境下物聯網數據的處理和機器學習模型設計。
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備，傳感器，數據采集等，所有數據均為自己采集，因此去企業還是留校，對于自己來說沒有太大區別。
讀博不一定會走學術，留校的薪資較少。 我見過很多在學校工作5到10年后的副教授或者教授去企業，但幾乎很少有從企業回歸校園的。在人工智能領域，企業具有更好的資源， 更充足的資金和更廣泛的數據集，很多大企業的研究員在學術上也做的很好。 平時自己做研究常常會為GPU和服務器而發愁，而在企業卻不用擔心此類的問題。
此外，學校對老師的考核也應該多方面評估，評估標準也需要區別對待，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機會，更多途徑去了解企業和社會需要什么樣的技術，讓自己的研究更加有價值。
北京大學張博士：企業團隊講授《深度學習》，受益頗多
我的專業是數據科學專業，目前在做深度學習方面的研究，還沒有和企業進行AI方面項目的合作，但是最近我正在學習的課程《深度學習》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習方面的習題研究，做這些習題的過程讓我認識更加了解企業的研究全過程。
題目的結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果，例如圖像分類中數據分布，數據增廣如何對其影響;對抗樣本如何改進;卷積神經網絡哪層的結果更接近原圖;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。其次企業的研究條件上也會更好，就硬件設備上而言，學校提供的設備畢竟是有限的，還達不到像企業那般大規模的設備。從發展上來說，企業更看重的是應用，學校更期盼的是做研究，我個人比較傾向做應用。
論文當然算是一個很重要的評判標準，因為老師要指導學生，論文的水平至少能說明學術研究上是對學生有幫助的。希望在校學生有更多的機會可以去企業實習，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，對平時的學習和技能培養也十分有益。
結語：
聽完6位高校AI研究員的故事分享，企業無論在資源，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，創業家Sameer可以從教學中得到成就感，AI研究員Mahsa也可以從咨詢得到更多的報酬，無論研究還是應用，學術還是商界都是個人的選擇。
而在這場搶人大戰中，大學應該具有前瞻性思維，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驗的跨界教授;如何才能吸引更多年輕的AI人才等問題。
學術界與商業界的搶人大戰，仍在進行中。
相關報道：https://www.nature.com/articles/d41586-019-01248-w
【本文是51CTO專欄機構大數據文摘的原創文章，微信公眾號“大數據文摘（ id: BigDataDigest）”】
