Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

博士生辍学教员罢课,AI业界与学界争抢人才无异于杀鸡取卵?

来源 | 卫报

作者 | Ian Sample

编译 | 陈韵竹 王宇欣 王艺

我们来探讨一下关于 PhD 学生大量流失的问题。

新学年初始,在英国顶尖学校帝国理工大学的一间教室内,一位资深教授正对一名学生的缺席感到不解。这名学生已经在她的实验室工作三年,还剩下一个学年即可完成学业,但他却不再进实验室工作了。

最终当她联系到这名学生时,该学生已经决定接受苹果公司六位数的薪资,辍学了。

帝国理工大学情感与行为计算专业的教授 Maja Pantic 表示:「他得到了这样一笔巨款,以至于马上停止手头一切工作离开了实验室。简直不敢相信,苹果公司开出的条件比我们高五倍,我们根本没有能力与之竞争。」

这样的事情绝非个例。在全美,私营公司从学术界吸引有才华的计算机科学家,纷纷开出让人难以拒绝的条件。根据卫报对英国顶级研究型大学的调查,科技公司正在以惊人的速度招聘人工智能专家,而这一行为导致的人才流失问题严重打击了研究与教学进程。一位在大学任职的高级管理人员警告说,目前正在流失的学者们普遍手下带有学生,而且这些学者也是研究项目的中坚力量。

人才流失问题不仅对学术界产生了影响。Pantic 表示,大多数顶尖的 AI 研究人员进入的是少数几家公司,这意味着社会无法共享其技能和经验。「这是一个问题。只有将创新扩散开,而非集中在少数几家公司中,才能减轻人工智能可能带来的巨大的破坏和负面影响。」

她还担心,大型科技公司的这一举动将使得 AI 人才的薪资与其他岗位的薪资拉开巨大的差距。除了让公司缴纳税款之外,Pantic 还表示,政府可能不得不考虑设置工资上限。一般来说,北欧国家会采用工资上限策略对公司薪酬进行制约。

许多优秀的研究人员转向谷歌,亚马逊,Facebook 和苹果。Pantic 说:「令人担忧的是学术界的相关舆论已经被资本控制。因为如果公司不能足额交税,对政府不利。政府没有足够的资金来发展教育事业,或投资学术界。所以,这种情况会成为一个恶性循环。」

而当另一位帝国理工的研究人员 Murray Shanahan 拿到 DeepMind 的 offer 时,却非常犹豫。他看到了加入公司后的诸多利处,能够在没有学术任务的情况下继续工作,他将有机会获得最好的的计算资源,而且他会和这个领域的一些顶尖人物共事。但尽管条件如此优越,Shanahan 还是难以做出抉择。


Murray Shanahan

他说:「当前技术招聘狂潮对学术界的潜在影响是困扰我的问题之一。」Shanahan 决定争取一个折中的位置,让他能够同时在两个阵营中站稳脚跟:在成为 DeepMind 高级科学家的同时,也在帝国理工也占有一席之地。

对那些具有专业技能的人而言,招聘狂潮的好处是显而易见的。科技公司的大量投资意味着人工智能领域的工作机会要比专业人才多得多。为了招聘最优秀的人才,公司提供高薪、性能强大的计算设备、以及令人兴奋的技术挑战,并而加入科技公司,研究人员的技术可能会影响到数十亿人。

过去,花旗银行曾雇佣出色的数学家,物理学家和计算机科学家。现在,这些人很可能在人工智能方面接受培训后,加入科技公司。剑桥大学信息工程学教授兼 Uber 首席科学家 Zoubin Ghahramani 表示「科技产业中大量的机会使得花旗银行的工作显得乏味,而且相比较而言薪酬也很低。不论是从物质角度还是兴趣角度出发,前往科技公司工作都是让人很难拒绝的机会。」

Ghahramani 今年三月宣布将要离开剑桥大学前往 Uber 任职。现在他每月有一周的时间待在 Uber 旧金山的办公室。明年夏天,他将全职在旧金山工作。除了工资上的差异,他还列出了许多学者被业界吸引而从大学离职的原因。比如,大学的日常工作往往伴随着许多繁复的行政事务:授课、批改作业、招收学生、而且还要不停地寻找赞助。但是在工业界,杰出的雇员只需要专心于自己的研究就好。

除此之外,人才不断从大学流失的原因还有很多。公司对人工智能人才的渴望源自机器学习技术的发展,这是一种从数据中找出有用特征的算法。为了更好地提取特征,当下的大部分人工智能算法都需要大量数据的支撑,并且需要大量的计算资源。若没有校企合作,大学很难在数据以及计算能力方面与科技巨头们竞争。为了打破这一僵局,学校及科研机构另辟蹊径,例如构造基于小数据的学习算法。


Zoubin Ghahramani


去年,在 Uber 收购了 Ghahramani 的人工智能初创公司 Geometric Intelligence 之后,他就开始在 Uber 兼职工作。作为首席科学家,他将负责监督机器学习算法在理解城市如何运转以及人类围绕城市的移动方式上的应用。Uber 研究这一技术的最终目标是使提供服务的车辆数目与需求相匹配。「我感到最有意思的是,在 Uber,我们是在一个真实存在的城市环境下完成机器学习。我们正在尝试优化人们的移动以及与城市相关的一切,」他说道。

Ghahramani 并没有看到工业界对人工智能研究员的需求有任何趋于饱和的迹象。「如今工业界对于人工智能人才的需求仍然很大,目前还没有衰弱的迹象,」他说。「大学不得不培养更多的专业人员来弥补这个缺口,如果讲师和博士后等人员持续被工业界所吸引,这对大学来说是个不小的挑战。这就如同杀鸡取卵一般。各大公司开始意识到这个问题,一些科技巨头也已经以资助讲座、提供资金等方式回馈大学。」

Steven Turner 去年加入了位于剑桥的亚马逊网络服务部门(Amazon Web Services)。他帮助公司搭建了亚马逊特有风格的「推荐引擎」,并在用户服务中加入图片识别、计算机语音和自动语音聊天等技术。他合作的一家金融机构现在正在利用这些技术回答一些简单的问题,比如客户抵押贷款的利率等,从而咨询人员可以将更多精力放在更复杂的问题的咨询上面。

在学术界,他看到各个院系为了继续研究进程、挽留人才而不得不为了资金而相互竞争。他离开的最主要的原因是他更希望研究现实世界的问题而不是理论化的概念。亚马逊的企业文化要比学术界更有生机。在大学,Turner 发现作为一个博士研究生常常会被孤立,即使他的导师非常有才华,这种情况也是时有发生。Turner 告诉 Guardian,「我个人认为大学应该更多关注其文化和社会互动,保证研究者们不会有被孤立的感觉,这样才能保证大学对人才有足够的吸引力」。他表示,大学同样应该关注研究员们的职业发展,给予其足够的自由接触额外的训练、和商学院进行合作,来扩展研究员们的知识。

Ghahramani 相信美国大学对于研究员们持有双职位这个问题会有更加灵活的应对策略。「大学需要对给予知识型人才更多的自由。针对业界世界领先的人工智能实验室想要挖角的博士研究生,学校应当有更灵活的策略。我们需要直面这些问题。转变更加灵活的大学将会因此受益。」他说道。

入门人工智能人才产业行业研究
1
暂无评论
暂无评论~