抢人大战中，那些选择留在高校的AI研究员们

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。

学术界与商业界的抢人大战，仍在进行中。

相关报道：https://www.nature.com/articles/d41586-019-01248-w

【本文是51CTO专栏机构大数据文摘的原创文章，微信公众号“大数据文摘（ id: BigDataDigest）”】

戳这里，看该作者更多好文

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!