伯克利博士：AI學術人才流向產業界是雙贏之舉

【新智元導讀】AI熱潮讓科技企業紛紛砸大錢爭搶人才，在水漲船高的高薪待遇，大學和科研機構成為AI人才流失的重災區。不過從另一個角度看，這件事也不能完全說是壞事，學術界與產業界應藉此熱潮建立更緊密的聯繫和合作。

近年來，隨著谷歌、亞馬遜和優步等科技公司的擴張，關於人工智慧的研究和產品成為一個熱度迅速增長的行業。

據研究機構「國際數據委員會」的預測，全球人工智慧和機器學習相關總支出將從2017年的120億美元增加到2021年的576億美元。這些領域的研究經費的暴漲也體現在了最終提交的專利數量的井噴上——從2013年到2017年，全球機器學習相關專利數量增加了34％。

隨著基於AI和機器學習架構的商業產品數量的不斷增加，對工程師和研究人員的需求也將隨之增加。而人才需求的增加可以清晰地反映在世界領先的科技公司水漲船高的工資待遇上。

全球科技公司爭相砸錢招攬AI人才，開出的薪水是學術機構遠遠比不上的

據一些就業信息網站上給出的數據，目前美國機器學習工程師的平均工資約為13.8萬美元。愈來愈多的學術界人士擔心，科技巨頭開出的超高起薪和各種津貼可能會導致大學學術人才的嚴重流失，如果在以前，這些人才很可能選擇在研究機構內繼續深造，現在直接就被企業用高薪挖走了。

在2017年11月的一篇發表在《衛報》上的文章中，倫敦帝國大學情感和行為計算教授Maja Pantic寫道，她的一名學生在最後一年放棄了博士學位去了蘋果公司，年薪6位數。 「這是我能提供的最高薪水的五倍，這太不可思議了。我們根本沒得比，學術界的精英都被產業界收購了，這個現象很令人擔憂。「

然而，這又是一個普遍而有爭議性的問題。為了更好地了解與產業需求相關的機器學習領域的狀況，Binary District 期刊採訪了UC Berkeley的博士生Chelsea Finn。作為一名受人尊敬的機器學習領域內的年輕學者，她將於2019年進入斯坦福大學任教，同時繼續在Google Brain工作。

凡事有兩面：學術人才進企業也不能「一竿子打死」

Chelsea Finn

Chelsea認為，目前AI人才的需求超過供給。業界尤其需要的一項特別技能是機器學習與現實世界機器人硬體的交互，即在真實機器人上進行實驗的能力。

許多人有點害怕使用真實的系統，因為這類系統需要相當長的時間來設置。「切爾西說，」而這些人可能更喜歡在模擬環境中更快地進行原型設計。」

不過她也表示，研究人員放棄傳統學術道路，加入科技公司的問題也不一定是個非黑即白的領域。

「目前正在發生的事情有好處，也有不足。」她說。 「我認為學術界可以與產業界的實驗室建立更好的聯繫，讓更多的優秀學者可以更方便地訪問行業級計算和行業級數據資源。

「但是這個事的缺陷在於，許多學校的教職員工在產業界上花費的時間和精力越來越多，在學術研究和人才培養上花費的時間越來越少。這也導致實際在教學一線授課的教師人數進一步減少。

而且，教師之間也可能存在更多的利益衝突，這些教師不一定屬於某一個獨立的學術實體，因而無法實現在不受任何公司的利益影響下進行獨立研究，越來越多的教師現在都與企業有聯繫。」

水漲船高

話雖這麼說，切爾西也注意到了以兼職形式與企業進行合作的好處。在機器學習研究中，為了取得有效進展，需要大規模的計算設備和機器人硬體，這些硬體往往只能在大型科技公司的研發實驗室中使用。

在處理這些項目中發揮作用是一個吸引人的方案。這些都是非常專業的問題，切爾西指出，根據她的經驗，她在大學實驗室工作的計算水平（並將在斯坦福德工作）不僅僅是完成任務。

Chelsea不僅在進一步發展自己的研究，還在尋找方法來確保機器學習的持續增長。

「作為機器學習社區和研究界的一員，人們很容易注意到，就種族、性別和經濟背景而言，從多個不同的指標來看，機器學習社區算不上是一個多元化的社區，」切爾西說。 「我希望通過努力，對社區的多樣性做出積極的改變和影響。」

2017年，Chelsea與同事共同舉辦了第一屆BAIR訓練營，這是一次為期一周的人工智慧合作訓練計劃，活動邀請了來自灣區的貧困高中學生參加，幫著他們更多地了解機器學習和人工智慧領域。她認為，AI不僅要讓學生感興趣，而且還直接參与到相關領域中來，這才是確保這些研發領域未來得以發展的重要一步。

「我們的目標是擴大AI研究領域和社區的多樣性，但還不僅如此。這樣，我們所開發的技術才能夠不僅有利於該領域內的人，而且有利於AI領域之外的更廣泛的人群。」

人才需求與供給問題

顯然，對機器學習專業知識的需求只會繼續增加。機器學習可擴展性的問題不是一個簡單的案例，學者被私營部門的誘惑所挖走。問題在於，作為一個研究領域和由此產生的職業，機器學習必須覆蓋更廣泛的人口統計數據，然後才能參與其中。

由於學術機構與大型科技公司之間的密切聯繫，越來越多的公司開始兼顧並利用自己的優勢，提供教育資源。比如谷歌開發了人工智慧和機器學習領域的教育平台，允許普通人訪問學術資源和實踐項目。

這些資源成為新興AI項目和創業公司的重要補充。很明顯，將谷歌這樣的科技巨頭僅僅視為一頭只會吸收機器學習領域的資源和專業知識的龐然大物，這無疑是一種短視。

需求超過供應的問題是機器學習發展成功和進步的自然結果。然而，學術界和公司之間的更大合作，以及在這些領域更大程度地推動早期和更具包容性的教育，是確保AI行業持續發展的積極途徑。

生活總是對藝術的模仿，AI應用也不例外

電影《少數派報告》中的智能犯罪預測系統在英國已經成真

英國警察部隊一直在積極擁抱機器學習技術。特別值得注意的是，現在的AI軟體可以據此預測個人在未來犯罪的傾向。 RUSI的一份報告發現，目前對這種用途的系統框架的開發存在嚴重的監管缺位現象。

如果這一切看起來有點像電影《少數派報告》里的場景，恭喜你，你不是一個人。目前對於這類項目提升透明度、加強監管的聲音越來越多。

RUSI還調查發現，越來越多的人對「不同AI系統的效率和效用、成本效益，對個人權利的影響上，以及這類AI系統究竟能在多大程度上有效的為警方和民眾服務」的問題上存在重大擔憂。如果AI系統的透明度不夠，我們怎麼知道，這能夠「預測犯罪」的AI，究竟是真的靈丹妙藥，還是只是給人相個面而已？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！