「AI 的力量將改變世界」已經(jīng)成為全社會(huì)的共識(shí)，緊接著「讀一個(gè) AI 相關(guān)的碩士、博士就可以輕松高薪」也成為了社會(huì)共識(shí)。但這種共識(shí)背后也有著種種隱憂，對(duì)于怎么招人、怎么培養(yǎng)人、怎么把 AI 技術(shù)融入企業(yè)業(yè)務(wù)，慣例的觀念和做法有很多，但身在其中的人往往不知道自己到底哪里對(duì)了哪里錯(cuò)了。

AI 的新招聘時(shí)代

Greg Benson 教授已經(jīng)在舊金山大學(xué)教了二十年計(jì)算機(jī)科學(xué)了。除了開學(xué)期間的日常授課之外，他每周還會(huì)有一兩天時(shí)間在云集成公司 SnapLogic 的辦公室里度過；在學(xué)校放假期間，他更是在這里全職工作。他每年帶的機(jī)器學(xué)習(xí)研究生有 10 個(gè)左右，他會(huì)給他們機(jī)會(huì)到 SnapLogic 實(shí)習(xí)，動(dòng)手參與一些 AI 科研項(xiàng)目。如果實(shí)習(xí)表現(xiàn)好的話，他們畢業(yè)之后就可以直接來 SnapLogic 工作。SnapLogic 的工程師里有三分之一都是以前做實(shí)習(xí)生然后留下來的?！高@種模式對(duì)我們來說非常成功」，Benson 說。

即便科技巨頭們?nèi)缃穸紴槿绾握械礁咚饺瞬哦^疼，這種模式對(duì)小公司來說就不失為一種有效的招聘手段。這種模式還體現(xiàn)出了另一種創(chuàng)新：SnapLogic 和 Benson 教授之間的合作體現(xiàn)出了科技公司在借用高效教授力量的同時(shí)，也可以為學(xué)術(shù)界做出一些貢獻(xiàn)，尤其是可以讓這些教授繼續(xù)留在學(xué)校，繼續(xù)培養(yǎng)未來的 AI 研究人員。

整個(gè)領(lǐng)域面對(duì)的狀況很明顯：大約 60% 的美國計(jì)算機(jī)科學(xué)博士生都畢業(yè)之后就去了企業(yè)工作；2000 到 2010 年之間的這個(gè)數(shù)字還只有 38%。（來自華爾街日?qǐng)?bào)發(fā)表的美國自然科學(xué)基金會(huì)的統(tǒng)計(jì)數(shù)據(jù)）

另一項(xiàng)來自伍斯特理工學(xué)院的研究表明，許多學(xué)校都面臨了這樣的狀況：他們希望招聘許多 AI 以及相關(guān)領(lǐng)域的教職員工，但是卻招不到多少人?？梢哉f AI 及相關(guān)領(lǐng)域已經(jīng)顯出了明顯的矛盾：每年企業(yè)和學(xué)校招到的博士生，要比學(xué)校里畢業(yè)的博士生還要多 6%。如果再考慮到讀一個(gè)計(jì)算機(jī)科學(xué)的博士生需要 3 到 5 年的時(shí)間的話，這個(gè)問題就更令人頭大了。

對(duì)于一直風(fēng)頭正勁的 AI 熱潮，許多公司都想揚(yáng)鞭上道：他們的第一反應(yīng)就是，既然我們決定了要做 AI，那就去招一個(gè)斯坦福大學(xué)畢業(yè)的計(jì)算機(jī)科學(xué)博士來。但問題是，別說是斯坦福大學(xué)畢業(yè)的了，就算是別的學(xué)校畢業(yè)的計(jì)算機(jī)科學(xué)博士，現(xiàn)在也不知道還能不能找得到。蒙特利爾的初創(chuàng)公司 Element AI 發(fā)布了一個(gè)研究報(bào)告，根據(jù)他們統(tǒng)計(jì)，自 2015 年以來計(jì)算機(jī)科學(xué)界一共培養(yǎng)了大約 2 萬 2 千名具有博士學(xué)位的 AI 研究人員。如果把 2015 年之前獲得的博士學(xué)位也算上的話，這個(gè)數(shù)字大概是 9 萬。但計(jì)算機(jī)科學(xué)是一個(gè)快速變化的領(lǐng)域，越新近畢業(yè)的學(xué)生就越可能掌握和主流應(yīng)用最相關(guān)的知識(shí)技能。騰訊也發(fā)表過自己的估計(jì)，認(rèn)為參與到 AI 研究中的人員數(shù)量大概是 20 萬到 30 萬人。

面對(duì)如此少的人才和如此熱烈的企業(yè)需求，對(duì)頂尖人才的招徠儼然發(fā)展成了一場全面的軍備競賽。除了足夠吸引人的薪水，想招人的科技公司也要去學(xué)術(shù)會(huì)議混臉熟，還需要在攤位設(shè)置和企業(yè)介紹里展現(xiàn)自己的高逼格、高追求、以及成為下一個(gè)谷歌 Facebook 的可能性。CVPR 2018 的展臺(tái)區(qū)就仿佛是一場大型校招招聘會(huì)；ACL、EMNLP 也類似。之前曾有過報(bào)道，即便是在 OpenAI 這樣的非盈利組織，頂尖的 AI 研究人員都可以拿到百萬美元年薪。

另一方面，高水平的人才還有很嚴(yán)重的抱團(tuán)現(xiàn)象。根據(jù) KPMG 在 2016 年 12 月發(fā)表的報(bào)告，谷歌、微軟、英偉達(dá)、IBM、英特爾和三星六家公司就瓜分了所有深度學(xué)習(xí)專家總數(shù)的一半。到了 2018 年，我們更是看到越是大公司、越是大規(guī)模的人工智能實(shí)驗(yàn)室，就越是吸引研究人員全職或者兼職加入。

學(xué)生想入學(xué)，難；高校想招老師，也難

Benson 教授說道，舊金山大學(xué)很想招足夠的教授來教 AI 課程，但是也經(jīng)常只見出力不見回報(bào)。因?yàn)榇髮W(xué)坐落在灣區(qū)，不論高房價(jià)還是來自業(yè)界企業(yè)的強(qiáng)烈吸引，都是 AI 實(shí)踐者們比較工作機(jī)會(huì)時(shí)難以忽略的因素。舊金山大學(xué)的機(jī)器學(xué)習(xí)碩士每年會(huì)收到 700 到 800 份申請(qǐng)，然后只能接受其中的 10%。舊金山大學(xué)其實(shí)有計(jì)劃招更多學(xué)生，但是他們招不到足夠多的教職員工。

AI 領(lǐng)域的著名人物們有不少都持續(xù)輸出著學(xué)術(shù)成果或者業(yè)界成果，又或者兩者兼顧。Geoffrey Hinton 加入了谷歌大腦，同時(shí)也繼續(xù)留在多倫多大學(xué)；Yann LeCun 同時(shí)參與 Facebook 人工智能研究院和紐約大學(xué)，而且還大力宣揚(yáng)這種模式；吳恩達(dá)在斯坦福大學(xué)當(dāng)教授的同時(shí)參與了百度的 AI 研發(fā)，后來還自己成立公司創(chuàng)業(yè)；卡耐基梅隆大學(xué)的Andrew Moore 整個(gè)職業(yè)生涯都在業(yè)界和學(xué)術(shù)界之間來回轉(zhuǎn)換，最近終于宣布離開 CMU，加入谷歌領(lǐng)導(dǎo)谷歌云；谷歌云這個(gè)職位的空缺則是因?yàn)榇饲皳?dān)任谷歌云首席科學(xué)家的李飛飛結(jié)束了為期兩年的學(xué)術(shù)休假，回到了斯坦福大學(xué)的全職工作。

在離開 CMU 之前，Andrew Moore 也嘗試對(duì)抗過來自業(yè)界的糖衣炮彈，他的點(diǎn)子是希望大學(xué)教授可以更輕松地在兩者之間來回轉(zhuǎn)換。在華爾街日?qǐng)?bào)的一次采訪中，Moore 表示他估計(jì)有 10% 到 20% 的大學(xué)教授都愿意離開高校加入工業(yè)界，甚至自己創(chuàng)辦一個(gè)創(chuàng)業(yè)公司。

但這種做法大概是沒辦法大規(guī)模推廣的。頂級(jí)的研究人員如果想要持續(xù)做出頂級(jí)的成果，他們就需要有足夠的資源協(xié)助、持續(xù)以快速充實(shí)的節(jié)奏工作，看護(hù)小孩、個(gè)人助理、會(huì)議規(guī)劃等等都要圍繞他們的時(shí)間來定 —— 但這樣的待遇注定只有少數(shù)人可以享受。

技術(shù)招聘平臺(tái)HackerRank 的數(shù)據(jù)科學(xué)副總裁 Sofus Macskassy 就表示想要取得平衡是不可能的。他曾經(jīng)在南加州大學(xué)任教，同時(shí)參與了洛杉磯的一家初創(chuàng)公司，還幫 Facebook 招募 AI 人才。根據(jù)他的個(gè)人體會(huì)和行業(yè)見解，他覺得不可能在學(xué)術(shù)研究和企業(yè)工作之間取得平衡。

「現(xiàn)實(shí)點(diǎn)說，你沒有足夠的時(shí)間來把兩份工作都做好」，他說。在學(xué)校里培養(yǎng) AI 人才的時(shí)候，僅僅「教書」是不夠的，還要花很多時(shí)間精力給建議、幫助他們發(fā)表研究成果。這種工作就和大多數(shù)企業(yè)職位需要的「AI 應(yīng)用技能」有很大不同。「很難兩面都站得穩(wěn)穩(wěn)當(dāng)當(dāng)。」

想要取得平衡，還意味著要處理好知識(shí)產(chǎn)權(quán)（IP）和專利之間的關(guān)系、要清楚什么東西到底是在哪里開發(fā)出來的。想要理清知識(shí)產(chǎn)權(quán)的法律關(guān)系通常很難，高校和企業(yè)這兩個(gè)不同的法律實(shí)體都希望拿到知識(shí)產(chǎn)權(quán)，創(chuàng)新者自己就夾在其中兩面為難。多數(shù)情況下，高校和企業(yè)的律師會(huì)出來談判、解決問題，但是當(dāng)那個(gè)企業(yè)是教授自己創(chuàng)立的企業(yè)的時(shí)候狀況就會(huì)變得復(fù)雜了。Macskassy 解釋道這很大程度上取決于高校的知識(shí)產(chǎn)權(quán)處理機(jī)構(gòu)，如果他們經(jīng)驗(yàn)不足，那就會(huì)變得很頭疼。但不管怎么樣，這都是一個(gè)需要不少步驟的流程。

然而人才不足才是那個(gè)更大的難題。如果大家不做點(diǎn)什么，美國就需要擔(dān)心可能在未來的創(chuàng)新和科研上逐漸被中國這樣的后起國家超越?！搁L期來看的話，這些企業(yè)（急著從學(xué)校挖人的做法）可以說是在對(duì)著自己的雙腳開槍」，Macskassy 說。

另一種解決方案是嘗試給高校更多的科研資金，支持高校自身的發(fā)展。不過現(xiàn)在還遇到了特朗普總統(tǒng)削減財(cái)政撥款的政策，指望政府提供資金支持可能最終只是一場夢。有一些科技巨頭則開始嘗試接過這份責(zé)任，直接資助高校中的學(xué)院、資助學(xué)生的教學(xué)活動(dòng)。

Facebook 人工智能研究院就與許多高校合作，讓研究人員可以同時(shí)參與 Facebook 的研究和自己母校的研究。他們的計(jì)劃最近也做了新的拓展，大概有二十多位研究人員都是這樣的「雙重聯(lián)盟」；具體如何分配時(shí)間則由他們本人自己決定。IBM 也發(fā)起了一個(gè)名叫「認(rèn)知地平線網(wǎng)絡(luò)」的項(xiàng)目，他們和六所不同的高校合作，讓教師和學(xué)生參與 IBM 的科研工作，同時(shí)他們也保留著自己在高校的職位。這個(gè)項(xiàng)目第一年就已經(jīng)催生了 70 篇經(jīng)過同行評(píng)議的 AI 論文。

上個(gè)月，微軟也披露了自己對(duì)于業(yè)界和學(xué)術(shù)界 AI 人才短缺的一些努力。英國劍橋微軟研究院總監(jiān)Chris Bishop 教授在 ZDNet 的采訪中表示他們發(fā)起的兩個(gè)新的訓(xùn)練項(xiàng)目「將對(duì)博士獎(jiǎng)學(xué)金、博士后、實(shí)習(xí)和顧問職位投資數(shù)百萬英鎊」。

請(qǐng)瞄準(zhǔn)正確的靶子

當(dāng)然了，所有這些對(duì)于博士畢業(yè)生和碩士畢業(yè)生的關(guān)注可能最終無論投入了多少努力都會(huì)失敗。并不是所有的問題都需要一個(gè)新鮮華麗的算法，對(duì)某個(gè)行業(yè)、對(duì)某個(gè)商業(yè)機(jī)會(huì)的理解更需要的是經(jīng)驗(yàn)，而不是文憑。非盈利機(jī)構(gòu) Fast.ai 就明確提出過這樣的觀點(diǎn)，他們的目標(biāo)是讓 AI 對(duì)更多的人都觸手可及，甚至他們的口號(hào)都是令人啞然失笑的「再一次讓神經(jīng)網(wǎng)絡(luò)變得不怎么酷」（「Making neural nets uncool again」）。在一項(xiàng)訓(xùn)練最快、最低成本的物體識(shí)別算法的競賽中，F(xiàn)ast.ai 的一群學(xué)生擊敗了來自英特爾、谷歌等科技巨頭的團(tuán)隊(duì)。

「那些 AI 公司們都對(duì)著寥寥無幾的同一批人虎視眈眈，但其實(shí)他們完全可以去更大的范圍里看看?！笷ast.ai 聯(lián)合創(chuàng)始人之一的 Rachel Thomas 說，她自己就本來是學(xué)金融的，通過學(xué)習(xí)在線課程來到了機(jī)器學(xué)習(xí)領(lǐng)域。

Thomas 還說，目前我們面臨的人才短缺狀況一定程度上是一個(gè)觀念問題，是企業(yè)忽視了想要做 AI 的時(shí)候完全可以借助各種各樣的在線課程培訓(xùn)現(xiàn)有的有行業(yè)經(jīng)驗(yàn)的員工。這些現(xiàn)有的員工對(duì)整個(gè)公司的業(yè)務(wù)狀況有深入的了解、知道公司有哪些數(shù)據(jù)，而且能很好地理解公司想要用 AI 解決的問題。這些問題大多數(shù)情況下都不需要最前沿的資源和 AI 技能，尤其是 AI 領(lǐng)域開放的風(fēng)氣讓開源工具和 AI 軟件遍地都是、唾手可得。

在無數(shù)的實(shí)際問題中，高校研究人員們在論文中最為關(guān)注的準(zhǔn)確率，對(duì)于 AI 產(chǎn)品的最終用戶來說遠(yuǎn)不如功能流水線設(shè)計(jì)、用戶體驗(yàn)、穩(wěn)定性、異常輸入的處理來得重要。想要把 ImageNet 首位準(zhǔn)確率再提升 0.5%，你需要一個(gè)優(yōu)秀的常春藤博士畢業(yè)生；但是知道布置在亞馬遜熱帶雨林的動(dòng)物識(shí)別系統(tǒng)的訓(xùn)練數(shù)據(jù)不需要包含企鵝和鯨魚，還要能平衡硬件耐用性、識(shí)別準(zhǔn)確率和功耗，你需要的就是行業(yè)經(jīng)驗(yàn)豐富的工程師。

「這些公司都覺得，『啊，我得招個(gè)斯坦福畢業(yè)的博士生』，但這其實(shí)并不能解決他們的問題」，Thomas 說。「自家員工里的人才被他們低估了?！?/p>

Benson 也認(rèn)為這些企業(yè)并沒有盡自己所能正面應(yīng)對(duì)他們的問題。招聘學(xué)歷不那么閃亮的研究人員、提供持續(xù)的教育機(jī)會(huì)、培訓(xùn)自己內(nèi)部的員工都是基于整個(gè)企業(yè)的解決方案，只不過這畢竟會(huì)花費(fèi)一些資源，所以企業(yè)巴不得直接招一個(gè)很能打仗的人進(jìn)來把一切擺平。但高校所能做的事情就這么多，企業(yè)自己不產(chǎn)生一些影響力的話尷尬的局面就只能這樣持續(xù)下去。

「學(xué)術(shù)界已經(jīng)給出了回應(yīng)了。但是工業(yè)界還不知道要如何是好?！笲enson 說。