观点|企业挖角 AI 教授是不是「原罪」?

简介:   AI 学者该不该在企业挂职?挂职的话,精力又该如何分配?这些问题随着 AI 的全面火热在学界频频被提起。最具代表性的一次交锋,要属去年 8 月份 Yann LeCun 与 UC 伯克利大学 Ben Recht 为首的教授们分别对此撰文表达截然不同的立场:前者认为这将有助于「推动 AI 的创新」,后者则认为这将「扼杀、冷藏」创新。  近日,卡内基梅隆大学计算机科学系的副教授 Ariel Procaccia 同样撰文表达了自己对于企业过度招揽 AI 学者现象的忧虑,只是他并未偏颇早前的任一立场,而是呼吁大家一起找到摆荡于两者之间的「可持续性模式」,来看看他是怎么说的吧。

  AI 学者该不该在企业挂职?挂职的话,精力又该如何分配?这些问题随着 AI 的全面火热在学界频频被提起。最具代表性的一次交锋,要属去年 8 月份 Yann LeCun 与 UC 伯克利大学 Ben Recht 为首的教授们分别对此撰文表达截然不同的立场:前者认为这将有助于「推动 AI 的创新」,后者则认为这将「扼杀、冷藏」创新。

  近日,卡内基梅隆大学计算机科学系的副教授 Ariel Procaccia 同样撰文表达了自己对于企业过度招揽 AI 学者现象的忧虑,只是他并未偏颇早前的任一立场,而是呼吁大家一起找到摆荡于两者之间的「可持续性模式」,来看看他是怎么说的吧。

  Ariel Procaccia 发表在彭博社「意见」专栏的这篇文章名为《科技巨头,抢夺 AI 教授对你并无好处》,文中以英国经济学家威廉·福斯特·劳埃德(William Forster Lloyd)描述人类社会困境的「牧场」理论为例,指出理性行为背后的本质是「自私自利」的——即便牧场存在懂得体恤他人的牧民,那些逐利的牧民还是会无视他人的克制,让自己的羊群吃光牧场上有限的草,最终伤害所有人的利益。在这里,逐利的牧民毫无疑问指代科技巨头,而草则指代 AI 学者们。

  根据他的观察,导致 AI 学者流向企业的因素不只是 7 位数的年薪,还包括企业独有的海量数据和强大计算力,以及有机会解决重大、引人注目的问题,这样导致的结果是:高校学术人员被「挖空」。

  以华盛顿大学的工程与计算机科学学院为例,Ariel Procaccia 表示这所美国最优秀的 AI 研究学院之一在当下可谓是「损失惨重」:从事机器人技术、机器学习和自然语言处理的 11 名终身教职员工中,其中 8 名成员要么在休假,要么将自身 50%的精力花在了与亚马逊、Facebook、英伟达等一批科技企业的合作上。而卡内基梅隆大学与斯坦福大学同样没能从这波「挖角」浪潮中幸免,不停地传出学术人员离职的消息。

  Ariel Procaccia 认为这种现象是在损害企业长期的利益,文中他对此进行了两点论证:一、对人才培养机制的破坏,而这原本需要缓慢、长期的智力变革过程,过去一些推动商业化进程的重要研究如 AlexNet,GAN 和 Libratus 等最开始都出自博士研究;二、切断了人才循环流程,越来越多学术人员流向企业,博士生再没人培养,人才更是无从谈起。

  他认为,最理想的方案介于企业发展与学术发展两者之间,让学术人员在不耽误自身履行学术职责的情况下参与到企业的研究工作中来,他补充,最好由企业全权负责支持学术人员的学术研究和人才培养。他以 Yann LeCun 领导的 facebook AI 研究部门为例,表明该部门通过一系列行动允许学术人员在保留自身教职的情况下为 facebook 研究提供支持,对于这种做法,他表示乐观其成,因为这是「最有希望摆脱 AI 行业人才矛盾的方式」。

  文章的最后,他表示 AI 学术人员显然比牧场上的草拥有更多的毕业证自主权,因此可以在这张博弈中试图将自己变为解决方案的一部分,随着时间的推移,我们将有望探索出更理想的业界合作模式。

  早期争议

  2018 年 8 月 3 日,人工智能界大牛、Facebook 首席 AI 科学家 Yann LeCun 在 Business Insider 上刊发了一篇呼吁硅谷的 AI 人才「跨界」的文章,文中称为双重联盟 ( dual-affiliation ) 的模式(即学术界的学者参与到企业中工作,但同时也保留其在学校的职位)被 Yann LeCun 认为有助于推动 AI 的创新。

  总结文中核心观点,即是加盟双重联盟 ( dual-affiliation ) 模式的学术人员能够享受到以下几点好处:

  一、不受限制的研究资源(计算能力、资金、与他人的合作)

  二、立刻采取最有前景的方法来进行研究实践

  三、学生有机会接受专业的训练,提前体验更快的计算能力,更真实而庞大的培训数据。

  四、研究成果有机会解决将近十亿人的现实问题

  五、研究成果以技术论文、开源代码和教材等形式公开分享

  这篇文章发出后获得人工智能界的热烈反响。

  Yann LeCun 的文章发出一周后,2018 年 8 月 9 日,UC 伯克利大学电子工程和计算机系副教授、《Machine Learning Research》杂志编委 Ben Recht、美国伊利诺伊大学香槟分校计算机视觉教授 David A. Forsyth、UC 伯克利大学电子工程和计算机系教授 Alexei Efros 三人在 argmin 博客发表一篇文章质疑 Yann LeCun 的呼吁。

  他们以人类无法「像一台电脑一样地分割他们的时间和注意力」为由彻底否定双重联盟模式的价值。在他们看来,大学和企业都是人组成的社区,拥有各自独特的使命和价值追求,不同社区之间的价值追求经常会出现冲突,研究者必须抉择自己要主要致力于哪一面。一旦选择了「模拟两可」,将会「伤害高校同事、伤害纪律、伤害所有人的未来。」

  关于这种伤害,文中举例两点进行了论证:一是好奇心驱动型研究可能会被「扼杀、冷藏、或者重新安排」,因为它们可能触及到权威机构的势力范围,或者仅仅因为与企业的主营业务无关;二是待在企业将减少教授与学生接触的时间,意味着学者身上的「勇气、独立性、安全感、长期训练养成的判断力」无法有效引导学生对「什么是值得做的、什么可能是无关的、什么是错的」形成好的观念。

  他们认为要加强学界与业界联动的话,企业只要做好以下事情即可:

  一、给研究生冠名赞助,给本科生发奖学金

  二、雇学生到公司实习

  三、在学校设立赞助主席,出钱修新的建筑

  四、给一大批教授赞助研究经费,每个人不需要很多

  五、制作并公开一些开放数据集

  六、让学校教授方便地使用业界规模的计算资源

  总的来说,压根就没必要让学术人员到企业去「上班」。

  对此,你又是怎么看呢?

目录
相关文章
|
8天前
|
机器学习/深度学习 人工智能 自动驾驶
企业内训|AI大模型在汽车行业的前沿应用研修-某汽车集团
本课程是TsingtaoAI为某汽车集团高级项目经理设计研发,课程全面系统地解析AI的发展历程、技术基础及其在汽车行业的深度应用。通过深入浅出的理论讲解、丰富的行业案例分析以及实战项目训练,学员将全面掌握机器学习、深度学习、NLP与CV等核心技术,了解自动驾驶、智能制造、车联网与智能营销等关键应用场景,洞悉AI技术对企业战略布局的深远影响。
139 97
|
3月前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故,引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
49 1
|
18天前
|
机器学习/深度学习 人工智能 安全
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
近日,由中国计算机学会计算机视觉专委会主办的《打造大模型时代的可信AI》论坛顺利举行。论坛邀请了来自上海交通大学、中国科学技术大学等机构的专家,从立法、监管、前沿研究等多角度探讨AI安全治理。合合信息等企业展示了图像篡改检测等技术,助力AI向善发展。
59 11
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
|
2天前
|
人工智能 运维 监控
云卓越架构:企业稳定性架构体系和AI业务场景探秘
本次分享由阿里云智能集团公共云技术服务部上海零售技术服务高级经理路志华主讲,主题为“云卓越架构:企业稳定性架构体系和AI业务场景探秘”。内容涵盖四个部分:1) 稳定性架构设计,强调高可用、可扩展性、安全性和可维护性;2) 稳定性保障体系和应急体系的建立,确保快速响应和恢复;3) 重大活动时的稳定重宝策略,如大促或新业务上线;4) AI在企业中的应用场景,包括智能编码、知识库问答、创意广告生成等。通过这些内容,帮助企业在云计算环境中构建更加稳定和高效的架构,并探索AI技术带来的创新机会。
|
5天前
|
存储 人工智能 物联网
工业公辅车间数智化节能头部企业,蘑菇物联选择 TDengine 升级 AI 云智控
在工业节能和智能化转型的浪潮中,蘑菇物联凭借其自研的灵知 AI 大模型走在行业前沿,为高能耗设备和公辅能源车间提供先进的 AI 解决方案。此次采访聚焦于蘑菇物联与 TDengine 的合作项目,通过 AI 云智控平台的建设,双方携手推动制造工厂的能源数智化管理,助力企业实现节能降碳。在本文中,我们将深入探讨蘑菇物联选择 TDengine 的原因、项目实施中的挑战与解决方案,以及合作视角下双方的未来愿景。
14 2
|
16天前
|
人工智能 Serverless API
尽享红利,Serverless构建企业AI应用方案与实践
本次课程由阿里云云原生架构师计缘分享,主题为“尽享红利,Serverless构建企业AI应用方案与实践”。课程分为四个部分:1) Serverless技术价值,介绍其发展趋势及优势;2) Serverless函数计算与AI的结合,探讨两者融合的应用场景;3) Serverless函数计算AIGC应用方案,展示具体的技术实现和客户案例;4) 业务初期如何降低使用门槛,提供新用户权益和免费资源。通过这些内容,帮助企业和开发者快速构建高效、低成本的AI应用。
60 12
|
10天前
|
人工智能 安全 搜索推荐
到2028年,30%的财富500强企业将使用仅支持AI的服务渠道
到2028年,30%的财富500强企业将使用仅支持AI的服务渠道
|
20天前
|
人工智能 自然语言处理 数据挖掘
从行业痛点到AI前沿:揭秘AGI时代企业培训的终极之选
近几年接触到的各类培训合作方越来越多,从国际咨询巨头、互联网科技培训平台,到本土独角兽型的专业培训公司;从专攻新技术与创新场景的培训团队,到深谙传统行业痛点的咨询顾问。作为一名在央企、国企、上市公司人力资源培训条线深耕多年的HR负责人,深知在这片竞争激烈的培训服务蓝海中,寻找高质、高效的合作伙伴并不简单,因为企业培训的逻辑正在悄然改变。
|
27天前
|
人工智能 自然语言处理 算法
AI时代的企业内训全景图:从案例到实战
作为一名扎根在HR培训领域多年的“老兵”,我越来越清晰地感受到,企业内训的本质其实是为企业持续“造血”。无论是基础岗的新人培训、技能岗的操作规范培训,还是面向技术中坚力量的高阶技术研讨,抑或是管理层的战略思维提升课,内训的价值都是在帮助企业内部提升能力水平,进而提高组织生产力,减少对外部资源的依赖。更为重要的是,在当前AI、大模型、Embodied Intelligence等新兴技术快速迭代的背景下,企业必须不断为人才升级赋能,才能在市场竞争中保持领先。
|
2月前
|
人工智能 数据挖掘 数据库
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策
本文为数据库「拥抱Data+AI」系列连载第1篇,该系列是阿里云瑶池数据库面向各行业Data+AI应用场景,基于真实客户案例&最佳实践,展示Data+AI行业解决方案的连载文章。本篇内容针对电商行业痛点,将深入探讨如何利用数据与AI技术以及数据分析方法论,为电商行业注入新的活力与效能。
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策