AI人才需求的不断增长 在学术机构和商业公司间跨界工作创造机会

AI人才需求的不断增长， 为科研人员在学术机构和商业公司间跨界工作创造机会。越来越多的人工智能研究员决定从科研机构跳槽到商业公司，吸引他们的不仅是高薪，还有科研机构所不具备的大型数据集和计算资源。

加拿大蒙特利尔的软件提供商Element AI在4月份发布的一份报告显示，在过去一年中， LinkedIn上具有人工智能专业知识的博士毕业生人数增加了66％。在顶级机器学习会议上发表文章的研究人员数量增加了19％。

3月份，泰晤士报和微软共同发布的报告表示，在一项针对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“很难”或“非常困难”，招聘狂潮正在影响AI教职人员的招聘。

马萨诸塞州伍斯特理工学院的计算机科学家Craig Wills分析了2019年409个主要在美国的机构发布的终身职位制（tenure-track）计算机科学教师招聘广告。

研究发现，自2015年以来，招聘人工智能，数据挖掘和机器学习专家的广告比例大致翻了一番。在早些时候发布的对176所院校进行的一项研究里，Wills发现42％的美国顶尖研究生院未能如期招到所需数量的计算机科学教师，然而，AI相关的职位需求每天都在增加。

面对企业与高校的抢人大战，四位AI研究员与Nature 分享了他们的故事，例如：Gireeja在工作之后选择重返高校教书；Sameer在企业和高校身兼两职，他们选择留在高校，但也对大学如何留住AI人才提出自己的看法。 面对全球范围内的AI博士毕业生递增和教职人员难招的情况，我们也邀请了国内两所高校AI领域的博士生分享了他们的观点。

Gireeja Ranade：工作中积累的经验，希望可以传授给我的学生

在加州大学伯克利分校获得电子工程和计算机科学博士学位后，我继续攻读博士后，然后在华盛顿州雷蒙德市的微软研究院担任全职研究员。在微软工作的经历让我从理论走向实践，这使我更加了解产品团队面临的问题和挑战。

例如，我曾参与无人驾驶飞行器（UAV）研究。在本科阶段，我曾进入机器人研究团队，但在博士阶段，我唯一的研究就是定理证明。与无人机研究人员共事期间，我开始思考一些之前从未想过的问题，比如系统安全性问题。如何知道系统何时进入危险区域？如何判断无人机是否会撞到天花板或地板上？

最令我印象深刻的项目之一是研究假新闻和假消息的传播和影响。 微软研究院在用户的许可下收集了他们的网络浏览日志。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推动假消息的传播，还有一类假新闻是通过电子邮件和新闻网站，这类的假消息和新闻的数据是我无法从科研机构中获得的。

去年，我回到伯克利担任助理教授，因为我希望能尽我所能向年轻一代传递知识。在教学过程中，结合我工作的经验，我喜欢把实际案例和课本上的知识结合起来给学生讲课。

Anima Anandkumar：跨界更容易了，建议年轻教师多走出校园

Anima 是加州理工学院的决策，优化和学习联合主任; 也是位于加利福尼亚州圣克拉拉市的NVIDIA公司的机器学习研究主管，负责制造图形处理单元。

许多正在攻读博士学位的学生都对职业选择存在困惑，他们担心自己可能选错了，但现在他们似乎有更多的选择，无论是学术界还是商业公司都对人才表现出了前所未有的渴望，科研机构和公司之间的合作越来越频繁，越来越多的研究人员具有双重职位。

过去，大部分公司没有专门的研究所，想要发表论文也比较困难。 现在，许多公司都有开放式出版政策（open-publication policy），这意味着公司里的研究员可以参与同行评审，从而进入学术界。如果他们在行业已经工作了几年，只要能继续发表论文，想重新回到学术界其实很容易。事实上，拥有工作经验在应聘时是重要的加分项。

我不断听说有资历深的老教师被猎头挖走，年轻教师们困扰于如何提高自己的竞争力。我建议他们走出校园，多访问商业实验室和其他商业机构，保持一定程度的联系。

年轻教师选择研究课题时，不能只考虑行业热点，他们应该看到仍有许多真正重要的基本问题亟需解决。在加州理工学院，我们有一项名为AI4science的项目，该计划的目的是研究AI如何对其他科学产生影响。例如，我们可以开发关于生物学，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承办，我们会不定期举办论坛，邀请外部研究人员参加。

有许多新闻报道称AI研究人员离开学术界进入商业公司。但这不是零和博弈。社会需要畅通的就业渠道，需要给年轻人提供更多的就业机会。大学应该具有前瞻性思维，应该仔细考虑他们到底想要什么样的人才。

Sameer Maskey: 创业家和兼职教授，用技术改变生活

Sameer Maskey纽约机器学习公司Fusemachines的首席执行官，也是纽约哥伦比亚大学兼职副教授。

我在哥伦比亚大学博士毕业后，就去了纽约IBM Thomas J. Watson研究中心的语言翻译系统团队工作。即使在IBM，我做的也只是基础研究相关的工作。我们利用出版物对该系统的表现进行了评估，但我没看到我们的工作在全世界范围内产生广泛的影响。

我的目标是利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并创立了Fusemachines。公司的使命是向发展中国家和美国的贫困地区提供人工智能教育来推动人工智能与社会发展的融合。有许多才华横溢的工程师在贫困地区完成了本科或硕士学位，但由于他们没有机会进入顶尖大学，所以他们可能无法获得更好的工作机会。他们擅长编程，但可能没有强大的数学背景。

因此，我们通过在线课程和实地教学为他们提供为期一年的机器学习免费培训。最终，我们培训出的工程师们有的选择留在Fusemachines工作，有的由我们推荐给北美的其他公司。

同时，我也是哥伦比亚大学的兼职副教授。通常每学期教一到两门课，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，获得了全额奖学金来上大学。我很喜欢教学，当看到学生学到新东西时眼中散发的光芒，我瞬间就充满了成就感。

如果你想创立公司，那么你需要将研究成果转化为产品，然后进行推广。这需要你具备科研以外的能力。我已经看到很多工程师因为不考虑实际存在的商业模式而失败。

Mahsa Mohaghegh : 大学教师需要更多的自由

Mahsa Mohaghegh新西兰奥克兰理工大学AI研究员, She＃的创始人兼董事，She# 是一个鼓励女性在技术领域发展的非盈利组织。

差不多每隔一周，都会有公司约我喝一杯咖啡或聊天。他们想要了解人工智能如何对他们的领域产生影响。他们一直问我是否有可以聘用的优秀的学生，还有些人要我加入他们的顾问委员会。我和他们签了一份合同，每周我会去公司提供咨询服务。还有一家公司希望我成为他们的首席AI工程师。他们开出的工资比学术界多太多了。

大学教师可以通过向公司提供咨询服务获得额外收入, 但教师们往往没有时间，因为他们身上承担了教学，行政和科研三个方面的任务。我与公司合作的时间主要是在标准工作时间之外。

大学需要给教师更多的自由，让他们与行业密切联系。学校不应该只根据教师发表的论文来判断工作成果，应该更关注教师与行业之间的联系，否则它们迟早会失去优秀的研究人员。

中国科学院赵博士：研究周期长，希望有更多的实习机会

目前正在做毕业设计， 近几年国内论文扎堆深度学习。因此，自己的论文也是利用AI技术在IoT场景下进行研究，主要的研究内容就是复杂感知环境下物联网数据的处理和机器学习模型设计。

研究的整个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，所有数据均为自己采集，因此去企业还是留校，对于自己来说没有太大区别。

读博不一定会走学术，留校的薪资较少。 我见过很多在学校工作5到10年后的副教授或者教授去企业，但几乎很少有从企业回归校园的。在人工智能领域，企业具有更好的资源， 更充足的资金和更广泛的数据集，很多大企业的研究员在学术上也做的很好。 平时自己做研究常常会为GPU和服务器而发愁，而在企业却不用担心此类的问题。

此外，学校对老师的考核也应该多方面评估，评估标准也需要区别对待，在不同的体系可以制定自己的评估标准。作为研究员，我是比较赞同通过论文来制定衡量标准的，这样可以更加量化自己的成绩。目前我们的研究主要来源于老师的项目，希望可以有更多的实习机会，更多途径去了解企业和社会需要什么样的技术，让自己的研究更加有价值。

北京大学张博士：企业团队讲授《深度学习》，受益颇多

我的专业是数据科学专业，目前在做深度学习方面的研究，还没有和企业进行AI方面项目的合作，但是最近我正在学习的课程《深度学习》实践是由face++团队的老师来讲授的，每次课后会布置一些深度学习方面的习题研究，做这些习题的过程让我认识更加了解企业的研究全过程。

题目的结果可以直接用示例的代码运行出来，但是他们要求的是哪些因素会影响最后的结果，例如图像分类中数据分布，数据增广如何对其影响；对抗样本如何改进；卷积神经网络哪层的结果更接近原图；softmax，正则化等可以有哪些不同的表示等等，研究这些原因的过程让我受益匪浅。

今后打算还是工作。进入企业意味着真正走入社会，首先是薪资方面更有说服力，收入与绩效成正比，更让人有动力。其次企业的研究条件上也会更好，就硬件设备上而言，学校提供的设备毕竟是有限的，还达不到像企业那般大规模的设备。从发展上来说，企业更看重的是应用，学校更期盼的是做研究，我个人比较倾向做应用。

论文当然算是一个很重要的评判标准，因为老师要指导学生，论文的水平至少能说明学术研究上是对学生有帮助的。希望在校学生有更多的机会可以去企业实习，了解公司对哪方面能力要求更看重，自己才会有针对性地加强，对平时的学习和技能培养也十分有益。

结语：

听完6位高校AI研究员的故事分享，企业无论在资源，研究条件还是薪资上好像都略胜一筹,但就像Anima Anandkumar所说，没有什么是一尘不变的，创业家Sameer可以从教学中得到成就感，AI研究员Mahsa也可以从咨询得到更多的报酬，无论研究还是应用，学术还是商界都是个人的选择。

而在这场抢人大战中，大学应该具有前瞻性思维，认真思考到底需要什么样子的老师；是否需要改革教师的衡量标准以吸引更多的具有工作经验的跨界教授；如何才能吸引更多年轻的AI人才等问题。