伯克利博士：AI学术人才流向产业界是双赢之举

  新智元报道  

来源：The nextweb

近年来，随着谷歌、亚马逊和优步等科技公司的扩张，关于人工智能的研究和产品成为一个热度迅速增长的行业。

据研究机构“国际数据委员会”的预测，全球人工智能和机器学习相关总支出将从2017年的120亿美元增加到2021年的576亿美元。这些领域的研究经费的暴涨也体现在了最终提交的专利数量的井喷上——从2013年到2017年，全球机器学习相关专利数量增加了34％。

随着基于AI和机器学习架构的商业产品数量的不断增加，对工程师和研究人员的需求也将随之增加。而人才需求的增加可以清晰地反映在世界领先的科技公司水涨船高的工资待遇上。

全球科技公司争相砸钱招揽AI人才，开出的薪水是学术机构远远比不上的

据一些就业信息网站上给出的数据，目前美国机器学习工程师的平均工资约为13.8万美元。愈来愈多的学术界人士担心，科技巨头开出的超高起薪和各种津贴可能会导致大学学术人才的严重流失，如果在以前，这些人才很可能选择在研究机构内继续深造，现在直接就被企业用高薪挖走了。

在2017年11月的一篇发表在《卫报》上的文章中，伦敦帝国大学情感和行为计算教授Maja Pantic写道，她的一名学生在最后一年放弃了博士学位去了苹果公司，年薪6位数。 “这是我能提供的最高薪水的五倍，这太不可思议了。我们根本没得比，学术界的精英都被产业界收购了，这个现象很令人担忧。“

然而，这又是一个普遍而有争议性的问题。为了更好地了解与产业需求相关的机器学习领域的状况，Binary District 期刊采访了UC Berkeley的博士生Chelsea Finn。作为一名受人尊敬的机器学习领域内的年轻学者，她将于2019年进入斯坦福大学任教，同时继续在Google Brain工作。

Chelsea Finn

Chelsea认为，目前AI人才的需求超过供给。业界尤其需要的一项特别技能是机器学习与现实世界机器人硬件的交互，即在真实机器人上进行实验的能力。

许多人有点害怕使用真实的系统，因为这类系统需要相当长的时间来设置。“切尔西说，”而这些人可能更喜欢在模拟环境中更快地进行原型设计。”

不过她也表示，研究人员放弃传统学术道路，加入科技公司的问题也不一定是个非黑即白的领域。

“目前正在发生的事情有好处，也有不足。”她说。 “我认为学术界可以与产业界的实验室建立更好的联系，让更多的优秀学者可以更方便地访问行业级计算和行业级数据资源。

“但是这个事的缺陷在于，许多学校的教职员工在产业界上花费的时间和精力越来越多，在学术研究和人才培养上花费的时间越来越少。这也导致实际在教学一线授课的教师人数进一步减少。

而且，教师之间也可能存在更多的利益冲突，这些教师不一定属于某一个独立的学术实体，因而无法实现在不受任何公司的利益影响下进行独立研究，越来越多的教师现在都与企业有联系。”

话虽这么说，切尔西也注意到了以兼职形式与企业进行合作的好处。在机器学习研究中，为了取得有效进展，需要大规模的计算设备和机器人硬件，这些硬件往往只能在大型科技公司的研发实验室中使用。

在处理这些项目中发挥作用是一个吸引人的方案。这些都是非常专业的问题，切尔西指出，根据她的经验，她在大学实验室工作的计算水平（并将在斯坦福德工作）不仅仅是完成任务。

Chelsea不仅在进一步发展自己的研究，还在寻找方法来确保机器学习的持续增长。

“作为机器学习社区和研究界的一员，人们很容易注意到，就种族、性别和经济背景而言，从多个不同的指标来看，机器学习社区算不上是一个多元化的社区，”切尔西说。 “我希望通过努力，对社区的多样性做出积极的改变和影响。”

2017年，Chelsea与同事共同举办了第一届BAIR训练营，这是一次为期一周的人工智能合作训练计划，活动邀请了来自湾区的贫困高中学生参加，帮着他们更多地了解机器学习和人工智能领域。她认为，AI不仅要让学生感兴趣，而且还直接参与到相关领域中来，这才是确保这些研发领域未来得以发展的重要一步。

“我们的目标是扩大AI研究领域和社区的多样性，但还不仅如此。这样，我们所开发的技术才能够不仅有利于该领域内的人，而且有利于AI领域之外的更广泛的人群。”

显然，对机器学习专业知识的需求只会继续增加。机器学习可扩展性的问题不是一个简单的案例，学者被私营部门的诱惑所挖走。问题在于，作为一个研究领域和由此产生的职业，机器学习必须覆盖更广泛的人口统计数据，然后才能参与其中。

由于学术机构与大型科技公司之间的密切联系，越来越多的公司开始兼顾并利用自己的优势，提供教育资源。比如谷歌开发了人工智能和机器学习领域的教育平台，允许普通人访问学术资源和实践项目。

这些资源成为新兴AI项目和创业公司的重要补充。很明显，将谷歌这样的科技巨头仅仅视为一头只会吸收机器学习领域的资源和专业知识的庞然大物，这无疑是一种短视。

需求超过供应的问题是机器学习发展成功和进步的自然结果。然而，学术界和公司之间的更大合作，以及在这些领域更大程度地推动早期和更具包容性的教育，是确保AI行业持续发展的积极途径。

电影《少数派报告》中的智能犯罪预测系统在英国已经成真

英国警察部队一直在积极拥抱机器学习技术。特别值得注意的是，现在的AI软件可以据此预测个人在未来犯罪的倾向。 RUSI的一份报告发现，目前对这种用途的系统框架的开发存在严重的监管缺位现象。

如果这一切看起来有点像电影《少数派报告》里的场景，恭喜你，你不是一个人。目前对于这类项目提升透明度、加强监管的声音越来越多。

RUSI还调查发现，越来越多的人对“不同AI系统的效率和效用、成本效益，对个人权利的影响上，以及这类AI系统究竟能在多大程度上有效的为警方和民众服务”的问题上存在重大担忧。如果AI系统的透明度不够，我们怎么知道，这能够“预测犯罪”的AI，究竟是真的灵丹妙药，还是只是给人相个面而已？

原文链接：

https://thenextweb.com/syndication/2019/03/23/machine-learning-academics-are-flocking-to-tech-giants-and-that-might-be-a-problem/