爱吧机器人网 » 专题 > 观点 > 正文

人工智能顶尖人才从高校流向谷歌、脸书,是双赢还是隐患

Facebook的雅恩·乐昆(Yann LeCun),谷歌的杰弗里·辛顿(Geoffrey Hinton),还有百度的吴恩达(Andrew Ng),这三位来自不同公司的人工智能专家有一个共性,那就是他们在进入这些科技巨头前,都曾是各自大学里人工智能研究领域里的执牛耳者。

\

吴恩达、杰弗里·辛顿、雅恩·乐昆

随着人工智能产业的爆发,越来越多的人工智能高尖人才跟随这三位业界炙手可热的大牛,开始转入各家科技巨头,为企业建立人工智能实验室。

这些科技巨头们拥有丰富的计算机资源还能开出高昂的薪水,公司和专业人才之间的共同利益需求对于人工智能产业来说是一个福音。但也有人担心,科技公司对顶尖人才的挖掘,会动摇人工智能的基础研究,最终会动摇到商业领域内的应用。

《自然》杂志在近期发表的文中就提及了这样的担心,但从结果看,短期内人工智能的顶尖人才向科技公司流动是不可遏制的潮流。对于公司来说,这些人才带来了创新和技术,可为企业的未来发展做贡献。对于个人而言,这些科技公司拥有的数据资源是他们在学校里无法得到的。双方的需求互补后,这一切是典型的双赢结局。

科技巨头布局人工智能

先来看看这些科技公司对人工智能的投资到底有多热衷,尤其是在深度学习领域。据说谷歌花了4亿英镑买了英国初创公司DeepMind,除了看中这家公司在深度学习领域里的技术储备外,更重要的是这次收购直接为谷歌带来了14位(DeepMind创始人团队)全球顶级的人工智能科学家。

\

\

图片来源:《自然》杂志

Facebook也建立了自己的人工智能实验室,请来的是纽约大学教授、深度学习鼻祖雅恩·乐昆(Yann LeCun),扎克伯格更是在自己个人的Facebook账号上点名表扬自己的人工智能团队,鼓励他们自由研究。

“企业实验室的资源能帮助研究人员取得在学校学术部门无法取得的进步。”加拿大多伦多大学深度学习专家杰弗里·辛顿(Geoffrey Hinton)于2013年曾在自己的个人网站上发过一个帖子,他说由于缺乏数据训练,许多算法耽误了好几年,但他在谷歌找到了解决瓶颈的办法。

“AI现在这么热,机会非常多,但真正为这个领域工作的人不多。” 斯坦福大学计算机科学系和电子工程系副教授吴恩达在接受《自然》杂志采访时说,自己当时也是被谷歌的数据计算能力以及解决实际问题的能力所吸引。2014年,吴恩达转投百度公司,成为在硅谷工作的百度首席科学家。

另一个吸引人才往这些公司走的原因则更加直接——高薪。“这些私人企业可以提供天价工资。” 一家跟踪英国和美国AI职位变化的咨询公司首席经济学家塔拉·辛克莱(Tara Sinclair)说。

校企合作究竟是双赢还是隐患

2015年,汽车分享公司Uber为了自己的无人驾驶项目,招聘了卡内基梅隆大学40名研究人员。当时的媒体报道称,这样的行为给大学造成了危机。卡内基梅隆大学美国国家机器人工程中心主任赫尔曼·赫尔曼(Herman Herman)认为媒体夸大了危机,并对外解释说Uber此举能带来新鲜血液,而不久之后Uber还捐赠了550万美元用以支持学生和教员的工作。同时,这样的做法让申请卡内基梅隆大学的学生人数增加了。

虽然危机被夸大,但担心并无道理。毕竟能像吴恩达和杰弗里·辛顿那样,既能保留教职又能在企业担任职务的人才只是少数。

“失去教员,就减少了训练学生的人数,特别是博士水平的学生。”加拿大蒙特利尔大学计算机科学家Yoshua Bengio说。

虽然谷歌、Facebook等公司都承诺称会解决人工智能的基础问题,但Bengio还提出了一点担忧:“企业往往更专注短期的目标,这是他们的本性。”他以电信公司贝尔实验室和AT&T公司的合作为例。当时双方成立了实力强劲的科研实验室,但最终因为放太多精力在赚钱上,许多研究人员失去了自身的才华。

但也有人对人才出走并不担忧,因为历史上也曾发生过。人工智能领域里高校人才往企业迁移的现象,有点类似20世纪50年代发生在半导体领域的人才迁移现象。

“当时,半导体领域里许多的领军人物都被挖走了,成为工业研究和开发实验室的负责人。”荷兰莱顿大学社会学家罗伯特·替森(Robert Tijssen)说,“学术界的人员流动给这些公司带来了专业知识,同时也扩展了这些人才的网络,他们能与更多的前同事和学生建立关系。这是个典型的双赢。”

如果还有人担忧大学里基础研究会受到影响,那大可不必。因为辛顿说,“大学里研究生的科研项目非常具有魔力,需要得到保护,谷歌已经认识到了。”目前,谷歌正在资助美国250多个学术研究项目和几十个博士奖学金。

上一页12下一页

上一篇:“人工智能+”时代来临 人类会越来越笨吗?
下一篇:大数据、物联网和区块链:沿着黄砖路吗
精选推荐
可编辑神经网络,有望简化深度学习?
可编辑神经网络,有望简化深度学习?

[2019-10-04]  深度学习是一个计算繁重的过程。 降低成本一直是 Data curation 的一大挑战。 关于深度学习神经网络大功耗的训练过程,已经有研究人员 ...

南加州大学机器人学家:机器人更适合粗暴的爱
南加州大学机器人学家:机器人更适合粗暴的爱

[2019-11-07]  图片来自JOHN MADERE GETTY IMAGES打是疼骂是爱,当人类粗暴的将物体从机器人手中敲掉,看似残忍,实际上却能帮助机器人找到最好的握持物 ...

Crossbar将电阻式RAM推入嵌入式AI
Crossbar将电阻式RAM推入嵌入式AI

[2018-05-17]  电阻RAM技术开发商Crossbar表示,它已与航空航天芯片制造商Microsemi达成协议,允许后者在未来的芯片中嵌入Crossbar的非易失性存储器。此举是在先进制造业节点的领先代工厂选......

研究人员融合人类与AI的创造力 显著提高了深度学习的表现
研究人员融合人类与AI的创造力 显著提高了深度学习的表现

[2019-10-12]  由加拿大人工智能领域研究主席、滑铁卢大学系统设计工程教授Alexander Wong领导的一个团队开发了一种新型紧凑型神经网络家族,可以在智能 ...

[2018-01-26]  纽约时报的报道,德国的研究人员已经开发出一种长约七分之一英寸的机器人,首先看起来不过是一小块橡皮条。然后它开始移动。机器人走路,跳跃,爬行,滚动和游泳。它甚至爬出......

麻省理工学院最新研究:优化软体机器人的控制和设计
麻省理工学院最新研究:优化软体机器人的控制和设计

[2019-11-24]  软体机器人属于一个新的领域,它可能在诸如外科手术等领域发挥重要作用(手术时的纳米机器人需要在人体内部移动而不损伤软组织)。软体机器 ...

MIT用深度学习处理3D点云数据 应用于无人汽车等领域
MIT用深度学习处理3D点云数据 应用于无人汽车等领域

[2019-10-23]  如果你见过自动驾驶汽车,也许会对车顶上那个一直在旋转的圆柱体感到好奇。这是一个雷达传感器,无人驾驶汽车依靠它在现实世界中进行导航。 ...

一个让深度学习惨败的通用人工智能领域——语境处理
一个让深度学习惨败的通用人工智能领域——语境处理

[2019-11-04]  Context是指用来解释一段给定文本或语句的来源框架,我们可以翻译为上下文或语境。维基百科将context定义为:*在符号学、语言学、社会学和 ...

本周栏目热点

2017年聊天机器人未达到行业预期的3个原因

[2018-01-18]  持续几年的“聊天机器人革命”带来了巨大的期望。营销人员和未来主义者幻想着智能虚拟自主代理人,他们会比我们更好地了解我们自己,从谈话片段中收集我们的愿望,并将我们的......

【浅析】人工智能关键技术决定机器人未来

[2016-02-15]     目前的机器人已经能够胜任精确、重复性的工作,但很多时候,它还不能够灵活 ...

比尔·盖茨:AI是把双刃剑 应用来改善教育医疗

[2019-03-19]  比尔·盖茨表示,在医疗领域人工智能曾用于过滤23andMe的基因数据,发现硒元素的缺乏或可与非洲的早产现象有关。在18个月后,我们可以了解到,该项目是否会给2万多名带来更多......

深兰科技方林博士:人工智能自主进化成为可能

[2018-12-07]  人工智能行业在国内迎来集中研究兴盛期,研究侧重点也从观点提出期,发展到了以谷歌Alpha Go和深兰Deepblue Go为代表的机器学习、深度学习独立研究期,并在智能语音识别交互......

[2016-01-14]     1月12日,重庆市委书记孙政才在科研机构、企业和产业园区调研时强调,要深 ...