AI領域，重心已從學術界轉移到了產業(yè)界，并且失衡還在繼續(xù)。

Science在最新一期正刊上發(fā)了一篇文章，整理了近幾年AI領域的相關數(shù)據(jù)，結果也是一目了然：

AI競賽，學術界輸了。

Science統(tǒng)計了論文、AI最大模型以及SOTA模型在各個領域的占比。

從2016年開始，產業(yè)界在領先的人工智能會議上發(fā)論文的占比開啟了野蠻生長的趨勢。

4年時間，在論文數(shù)量上，產業(yè)界幾乎從學術界“奪取”了20%。

AI領域的10大模型，2013年之前還都是學術界居于主導地位。

之后，產業(yè)界持續(xù)發(fā)力，到了2016年，再往后10大AI模型幾乎全都來自產業(yè)界。

SOTA模型就更不用說了，去年一年，產業(yè)界直接霸占了語言模型和圖像分類的SOTA，

分析情感、語義分割和目標檢測的SOTA大概是產業(yè)界和學術界各自一半的成果，機器翻譯的SOTA則全都來自學術界。

當然，這一趨勢在網(wǎng)友們的心中也都是心照不宣的事實，甚至有人做出meme圖來調侃：

學術界人才流失慘重

之所以造成現(xiàn)在的局面，最最最重要的一個原因就是：

人才流失。

以北美大學的數(shù)據(jù)為例，目前專門從事AI研究的計算機博士正在涌入產業(yè)界：

2004年，只有21%的博士選擇進入產業(yè)界，到了2020年，進入產業(yè)界的博士比例已經(jīng)將近70%。

并且，這個數(shù)據(jù)僅限于AI研究方向的人才。

可以從近幾年的數(shù)據(jù)看出，普通計算機科學的產業(yè)需求并沒有明顯的變化，倒是專攻AI領域的人才，市場需求從2006年至今翻了8倍。

那為啥AI人才都從學術界流向產業(yè)界了呢？

從大的層面上來講，和Science之前提到的算力有關。

顯而易見，在這塊兒，產業(yè)界相較于學術界有很大的優(yōu)勢。

工欲善其事，必先利其器，誰的算力強大，自然也就能吸納更多的人才。

但其實說白了，算力強不強大很大程度上依賴于資金投入。

舉個栗子

而相比之下，全球AI產業(yè)這一年的支出已經(jīng)超過了3400億美元。甚至，2019年谷歌母公司Alphabet在其子公司DeepMind上的投資就已經(jīng)高達15億美元。

當然，上面這些都是站在比較宏觀的角度來談的，那作為單獨個體的研究人員又是如何考慮的呢？

博士畢業(yè)剛剛入職OpenAI的研究員Rowan Zellers就現(xiàn)身說法講了下。

Rowan Zellers直言他當時在就業(yè)選擇時也有在產業(yè)界和學術界之間有所糾結，但最終還是選擇產業(yè)界，而原因呢，他也一一列了出來：

• 學術界進行開創(chuàng)性的系統(tǒng)建設研究會變得越來越困難
• AI領域的科研成本正在以指數(shù)級增加
• 學術界轉向應用研究是大勢所趨
  ……

基礎研究到應用，產業(yè)界包圓了

而人才的流失和算力的傾斜，在一定程度上也可以說是必然結果，在Science的文章中，列出了兩點原因：

• AI領域相較于其他學科領域有特殊性；
• 產業(yè)界更注重技術商業(yè)化。

先來說下AI領域的這個特殊性。

在其他學科領域，學術界和產業(yè)界都會自然而然形成一個勞動分工，基礎研究交由大學來完成，應用研究和開發(fā)則是產業(yè)界的工作。

不過，這一套邏輯并不適用于AI圈，在AI領域，基礎研究和應用研究之間的界限被模糊掉了。

也就是說，產業(yè)中使用的應用模型和基礎研究之間有所重疊，就拿谷歌大腦在2017年開發(fā)出的Transformer模型來說，它不僅歸屬于基礎研究，也可以進一步直接用在產業(yè)中。

除此之外，產業(yè)界對人工智能投入的增加可能會實現(xiàn)技術的商業(yè)化，這樣一來，不僅可以為社會提供實質性的利益，對于產業(yè)本身來說，也有所回報。

而學術界呢，資金來源的大頭要靠相關機構撥款。

對留校的AI人才來說，雖說發(fā)論文可以拿獎金升職，但科研也不是唯一的工作，他們還有授課任務。

并且一般來說學術性研究室都是非盈利性的，比如說Rowan Zellers在加入OpenAI之前，曾在艾倫人工智能研究所工作：時間倒是花了不少，錢呢。。。

emmmmm，這么看來，這一把AI競賽，學術界是徹底輸麻了。

One More Thing

當然AI競賽，也不能說學術界徹底輸了，在Zeta Alpha統(tǒng)計的論文引用排行榜前100中，學術界和產業(yè)界之間還是平衡得很好的。

△圖源：Zeta Alpha

話說回來對于學術界和產業(yè)界的AI競賽，你怎么看？

參考鏈接：
[1] ???https://www.science.org/doi/10.1126/science.ade2420???
[2] ???https://rowanzellers.com/blog/rowan-job-search2/???
[3] ???https://twitter.com/ZetaVector/status/1631590035756654594??