AI 学术派与工程派

20190103

理论与应用

今日获悉，腾讯 AI Lab 主任张潼博士已经离职腾讯。最初加入腾讯时，对腾讯的 AI 充满想象力，意在将通过构建产学研一体化生态，激发 AI 领域的人才深度研究和探索的机会。现在审视，这一目标远未达成。

今年从业界回归到学术界的不在少数，华人科学家李飞飞（女，阿里达摩院也有个AI的男李飞飞科学家）宣布离开Google首席云计算科学家回到斯坦福大学。大牛吴恩达回到美国不仅进行AI的企业孵化和课程开发，更在意人工智能课程的传授。 去年出版了《机器学习要领》（Deep Learning Yearning）一书，前几天有推出《人工智能转型指南》（AI Transformation Playbook），指导企业获取人工智能对公司所带来的积极影响。

近年国外人工智能领域的顶尖人才从大学流入大公司的例子不胜枚举，深度学习先驱之一的Geoffrey Hinton 离开多伦多大学加入谷歌，纽约大学的 Yann LeCun 加入 Facebook，卡内基梅隆大学的 Alex Smola 去了亚马逊。国内则是大牛的老师指导学生创业的比较多，商汤科技，寒武纪等等，国内大企业也是挖的国外的大牛居多，美国设立实验室再挖人的方法比较成熟。

深度学习先驱的另外一位，蒙特利尔大学教授 Yoshua Bengio 则认为 AI 学术界的人才流入大科技公司会阻碍这一领域的学术研究。

人工智能产业的发展，学术的顶级算法研究还是数据训练的工程实践，哪个更重要？

据LinkedIn统计，近几年国内外在人工智能领域毕业的硕士博士60%以上都去了企业。国内一个刚毕业的人工智能相关专业的博士，可以得到60万以上的年薪。人以稀为贵。相比而言，大学或者研究所的给的工资就略显寒酸。就可以理解人才为何多去企业工作。

国内外人工智能领域人才缺乏严重，2018年腾讯给出的报告显示，仅国内就缺口100万以上人工智能的人才。全球都在加大布局这个新的科技革命，人才的争抢必定会热闹非凡。而人工智能又是高技术壁垒行业，一般的本科生都没有这个专业，硕士才能勉强算上初级人才，基本上都需要博士的研究经历。所以产出量少的可怜。

近年国家已经多次发文强调人工智能行业的战略发展。
2016 年 3 月，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》。
2016 年 5 月，国家发改委、科技部、工业和信息化部、中央网信办在 《“互联网+”人工智能三年行动实施方案》。
2017 年 3 月，人工智能首次被写入全国政府工作报告。
2017 年 7 月，国务院正式发布《新一代人工智能发展规划》，提出三步走的战略。
2017 年 10 月，人工智能被写入十九大报告。
2017 年 12 月，工信部制定《促进新一代人工智能产业发展三年行动计划 （2018-2020 年）》。
2018 年 3 月，政府工作报告再强调人工智能的规划。

为了响应国家号召，国内很多高校开设了人工智能专业，并加大了教育投入，以解人才匮乏之急。现在国内专业的人工智能实验室还不足30个，毕业的人都能数出来。各个企业都到大学和研究所里面去挖人。博士没有毕业早被预订完。
如果大学或者研究所里面没有了研究人工智能的老师，系统性人才哪里产出？焉能杀鸡取卵涸泽而渔？

人工智能的专业的学生要掌握的知识较复杂，具体的算法研究涉及数学领域的知识比较多，具体编程语言只是工具，再加上各种经验的积累。现实中，企业都真的需要博士学历的才能满足岗位需求？据一位在微软苹果工作过的实验室主任说，企业需要的是梯队型的人才，核心算法的人才需要的不是那么多，繁杂的模块化的填写代码的工程师不一定都要对算法很精通，刚开始能完成简单的工作，可以边工作边学习积累经验。这也是金字塔人才梯队的下半部分，具体的模块工程师。

2018年人工智能技术培训开始火热，从传统的编程工程师和软件工程师，再学习人工智能的技术理论，加上项目实践，很快转变为一个人工智能工程师。有具体编程实践经验的加持，学习数理统计，神经网络基础，用更灵活的python语言，具体的图像识别，语音识别，自然语音理解等项目动手操作一些。学习半年以上，勉强达到加入人工智能人才金字塔的门槛。大企业招聘的时候也看中项目经验，避免踩些技术上的坑。

学术派的一定能胜任企业的岗位？大企业从大学和研究所挖人的已经屡见不鲜，这些人真的和企业的岗位要求匹配？企业节奏快，压力大，任务具体明确。研究型的大学则相对工作进度没有那么紧张，探索性工作较多。 人的特性不同，意念想法各异，宁愿板凳要坐十年冷。企业里面需要的年轻人居多，那么人工智能行业的工程师们如果到了中年的时候，出路会是在何方？能回到大学里面教书育人做研究的是少数的大咖。

人工智能技术包含基础层，技术层和应用层，倒金字塔模型。应用层渗透到各行各业生根开花，基础层的则是具体学术端的探索。应用层产生的具体的数据反哺技术层的发展完善。业内越来越清晰的认识到人工智能技术的壁垒会越来越低，行业发展要落地到具体的应用场景。

一花独放不是春，百花齐放春满园。

国内各行业在拥抱人工智能，具体应用场景和专业的知识肯定千姿百态。这样的发展才会有绚烂的人工智能的未来。

如果把整个领域比作一场长跑，学术界可能做前面90%，但是工业界是在冲刺。

高难度的、理论性的科学技术难题有待学术派的教授们去探索，而场景化的、行业需求的具体功能则留给程序猿们来扛。系统培训的“正规军”和职业再教育的“土八路”都是行业发展的主力军。长远来看，几个级别高的来回跑几次或许有利于人工智能行业发展。

学然后知不足，教然后知困。知不足，然后能自反也；知困，然后能自强也。