人工智能研究领域不断变化，突破以令人眼花缭乱的速度出现。但这些进步发生在哪里？虽然大学历来是科学发现的温床，但重大转变正在发生。大型科技公司越来越多地在人工智能研究中发挥着关键作用，模糊了学术界和工业界之间的界限。
2019年， 65% 的北美人工智能博士毕业生选择了行业职位，比 2010 年的 44.4% 大幅跃升。这一趋势凸显了行业实验室在塑造人工智能未来方面日益增长的影响力。
为了了解这种不断变化的格局，我采访了 沙卡里姆·索尔塔纳耶夫索尼互动娱乐研究科学家、华为前研究工程师。他的见解揭示了在大公司内进行人工智能研究的动机、好处和挑战，以及这种与学术界的相互作用如何推动创新。
为什么公司拥抱学术出版
谷歌、Meta、微软等科技巨头 英伟达 由于各种原因在学术会议上发表研究成果。
“首先也是最重要的是，在会议上发表研究成果可以成为公司强大的营销工具，”索尔塔纳耶夫说。 “这些出版物作为间接营销的一种形式，展示了公司的技术实力和对推进该领域的承诺。这提升了他们在研究界以及客户、合作伙伴和投资者眼中的品牌形象。这些出版物帮助公司从竞争对手中脱颖而出，并增强其整体市场地位。”
出版在人才获取中发挥着至关重要的作用。
“NeurIPS 和 CVPR 等顶级会议是与领先的研究人员和工程师建立联系并招募有前途的学生的主要场所，”索尔塔纳耶夫说。 “通过展示他们的工作，谷歌 Deepmind 和 Meta AI 等研究实验室可以吸引该领域最聪明的人才，因为顶尖人才往往希望通过获得高质量的资源和合作者来解决突破性问题。”
双向街：价值交换
学术界与工业界的关系并不是单方面的；这是知识和资源的动态交流，对双方都有利。
“学术研究直接影响行业的一个很好的例子是卷积神经网络（CNN）架构的开发，”索尔塔纳耶夫说。 “它是由 Yann LeCun 和他在学术领域的同事开创的，它对科技产品产生了重大影响，特别是在计算机视觉领域。当基于 CNN 的模型 AlexNet 在 2012 年赢得 ImageNet 竞赛时，引发了业界的广泛采用。如今，CNN 具有广泛的应用，包括用于面部识别和对象检测的图像识别、用于疾病诊断的医学成像以及用于实时对象识别的自动驾驶车辆。”
另一方面，该行业在多个方面对学术研究做出了重大贡献。
“最显着的贡献之一是大规模数据集和强大计算框架的开发，”索尔塔纳耶夫说。 “例如，公司发布了海量数据集，例如图像识别、语言模型和自动驾驶汽车模拟数据集，这些数据集对学术研究至关重要。这些数据集为训练高级机器学习模型提供了必要的规模，这对于大多数学术实验室来说很难独立收集。随着 NVIDIA 开发的 GPU 以及 Google 的 TensorFlow 和 Meta 的 PyTorch 等深度学习框架（现已成为学术和工业研究的标准工具），工业界还推动了硬件和软件的创新。”
不同的优先事项，不同的文化
随着人工智能的进步，学术界和工业界正在采取不同的路径来优先考虑和处理这些发展。
“学术界和行业研究之间的主要区别在于焦点，”索尔塔纳耶夫说。 “在学术界，优先考虑的往往是突破知识边界的长期、基本问题。研究人员可以自由地探索想法，而无需立即应用的压力。在工业界，研究更多地侧重于解决现实问题和创造产品，因此时间通常较短，交付实际成果的压力也更大。”
两种环境之间的差异显着影响文化动态。
“学术界鼓励深入探索、独立思考和发表研究成果，以增进知识，”索尔塔纳耶夫说。 “另一方面，行业研究更具协作性，团队合作快速将想法转化为产品或解决方案。虽然学术研究通常提供理论基础，但行业研究通过将这些想法应用于现实世界来推动创新。”
工业实验室的魅力
那么，为什么越来越多的研究人员选择在工业实验室而不是传统的学术机构寻求职业生涯，每种路径的优点和缺点是什么？
“由于薪酬待遇有吸引力，许多研究人员选择在大公司工作，”索尔塔纳耶夫说。 “工业实验室的工资通常比学术界的工资高得多，而且通常还有额外的福利，如健康保险、退休计划和奖金。特别是，股票期权或股权可能是一个主要吸引力，尤其是在股票价值有潜力大幅增长的科技公司中。这些经济激励措施可以提供长期保障，而这在学术界很难实现，因为研究人员可能面临基于赠款的资助周期和较低的工资，尤其是在职业生涯的早期阶段。大公司提供的稳定性和好处，加上参与高影响力、资金充足的项目的机会，使工业实验室成为许多人的有吸引力的选择。”
行业研究通常侧重于实现特定的业务目标和开发新产品，这可能会限制研究人员纯粹为了获取知识而探索主题的自由。
“相比之下，学术界提供了追求长期、好奇心驱动的项目的能力，这对于那些热衷于基础研究的人来说是非常有益的，”索尔塔纳耶夫说。 “学术界还鼓励独立研究项目的发展以及指导和教授下一代科学家的能力，许多研究人员对此感到很满足。也就是说，学术界的“发表或灭亡”文化可能会产生频繁发表论文的压力，这有时可能会限制承担大风险或探索新想法的自由。确保资金和终身职位的竞争也非常激烈，这增加了学术生涯的压力。”
该行业提供优越的经济激励、工作保障和资源来应对重大的现实挑战。另一方面，学术界提供了更大的智力自主权和自主研究的机会。两种路径都有各自的优势，并且决定取决于研究人员的个人动机——他们是否优先考虑直接影响和补偿，还是更深入地探索基本思想。
协作的未来
索尔塔纳耶夫展望了学术界和工业界更加紧密相连的未来。
“我看到人工智能领域学术界和工业界之间的合作关系变得更加紧密，”索尔塔纳耶夫说。 “未来，我预计大学和企业之间会建立更多的合作伙伴关系，学术研究为产业发展奠定基础，而企业则提供推动大规模实验和应用所需的数据、计算能力和资金。公司将继续在塑造人工智能的未来方面发挥重要作用，特别是在应用研究和开发方面。凭借大量数据和强大的计算资源，它们在加速机器学习、自然语言处理和计算机视觉方面的进展方面具有独特的优势。”
组织将通过为开源项目做出贡献、共享数据以及创建新工具和框架来保持对人工智能研究的影响力。这种合作环境将在加速人工智能进步和确保其负责任的进展方面发挥关键作用。随着学术界和工业界之间的界限变得越来越模糊，我们可以预见，在这两个有影响力的实体之间的合作关系的推动下，人工智能将取得更加显着的进步。
