有抱负的研究人员应该涌向哪个领域？学术界还是工业界？

图像由编辑器与中途创建

自 2022 年 <> 月以来，随着人工智能进步的飞跃在主流媒体中引起冲击波，许多人猜测他们的工作将被人工智能同行接管。然而，有一个职业是不可能被取代的：推进深度神经网络和其他机器学习模型的研究人员——人工智能背后的人类。虽然研究传统上是在大学内进行的，但人工智能绝不是传统的研究领域。相当一部分人工智能研究是在工业实验室完成的。但是，有抱负的研究人员应该涌向哪个领域？学术界还是工业界？

“学术界更倾向于基础研究，而行业倾向于由大数据访问驱动的面向用户的研究，”圣母大学计算机科学与工程教授Nitesh Chawla说。Chawla教授指出，追求知识是工业和学术人工智能研究之间的分离因素。在行业内，研究与产品联系在一起，朝着更美好的社会前进 - 而在学术界，对纯粹发现的追求推动了研究突破。看似无穷无尽的学术自由并非没有缺点，“学术界没有可用的数据和计算访问权限，”Chawla教授说。

对于有抱负的年轻研究人员来说，选择似乎很简单：私营部门拥有他们想要的一切。庞大的、自主的商业组织致力于创新，同时得到现成的数据、计算能力和资金的支持。这导致了一种看法，即该行业正在从学术界“窃取”人才。学者们自然会抱怨。奥尔堡大学的一个团队在 2021 年发表的一项研究指出，“私营部门越来越多地参与人工智能研究，伴随着越来越多的研究人员从学术界涌入工业界，尤其是进入谷歌、Microsoft和 Facebook 等科技公司”。

正如预期的那样，工业研究人员不同意。“当我为我的团队招聘时，我想要顶尖人才，因此我不是在挖走学术人才，而是在努力帮助他们获得行业奖项、行业资金，并让他们的学生成为实习生，”Meta 首席科学家 Luna Dong 博士解释说，他是 Meta 智能眼镜的首席科学家。她看到了工业界和学术界之间的明显差异，这可以归功于研究的基本进行方式。根据董博士的说法，行业内的人工智能研究是通过了解最终产品应该是什么样子并逆向工程实现它的路径来进行的。相比之下，学者们有一个有前途的想法，不断地构建各种道路，不知道这些道路会通向哪里。

然而，尽管存在这些对比，董博士认为，该行业有助于学术界，反之亦然，“许多行业突破的灵感来自将学术界的研究应用于实际用例。同样，华盛顿大学塔科马分校的计算机科学教授安库尔·特雷德赛（Ankur Teredesai）将工业界和学术界之间的关系描述为相互支持，“共生是我想到的词。在他看来，研究实践已经演变成学者将议程转向帮助行业产品 - 这种转变的一个很好的例子是一些著名教授在大公司中的联合职位。

无论他们的隶属关系如何，数据科学社区每年都会在会议上聚集几次。Chawla教授将它们描述为“奇妙的大熔炉”。有些会议传统上更具学术性，有些纯粹是工业会议，但有些会议是两者的完美结合。Chawla教授提到了KDD，即知识发现和数据挖掘特别兴趣小组（Special Interest Group on Knowledge Discovery and Data Mining），这是一个以这种联系而闻名的会议。KDD保持两个平行的同行评审轨道：研究轨道和应用数据科学（ADS）轨道。正如 KDD-2022 ADS 项目联合主席董博士所说：“KDD 为研究人员和从业者提供了一个论坛，让他们聚在一起聆听演讲并讨论技术，同时相互启发，这很有帮助。KDD是我们打破沟通和协作障碍的地方，在这里我们展示了数据科学和机器学习如何随着行业消费而进步。

这是KDD早期的思维方式。“我们从一开始就想做的一件事就是创建一个应用程序得到充分代表的会议，”东北大学体验人工智能研究所执行主任、雅虎前首席数据官Usama Fayyad教授称赞道，他与Gregory Piatetsky-Shapiro博士共同创立了KDD会议1995年。Fayyad教授认为，如果人工智能会议只关注学术，那将是一个很大的失误，因为集体渴望证明对实际问题的研究，以及推动基于新兴数据集的新研究的动机。

然而，向行业开放KDD也有其挑战。由于研究轨道理所当然地由学术界发起的工作主导，ADS轨道应该主要致力于来自工业研究实验室的应用研究。实际上，超过一半的ADS出版物起源于学术界，或者是学术界与工业界密切合作的结果。十年前，Fayyad教授意识到许多有趣的人工智能应用程序是由那些忙于写论文的团队开发的。他带领KDD进入了目前的阶段，KDD组织者冒险并策划了由顶级行业从业者提供的杰出邀请演讲。ADS邀请演讲迅速成为会议的亮点。

每年与KDD会议一起举行的KDD杯比赛是连接学术界和工业界的另一种方式。“KDD Cup是一种吸引行业和学术界参与者的方式，公司带来了一些他们愿意分享的挑战，而学者则可以处理他们永远无法访问的数据，”Teredesai教授描述道，他也是健康科技公司CueZen的首席执行官。每年，都会引入一项新任务并发布一个新的数据集。数以百计的团队朝着最有效的解决方案冲刺，争夺奖品和名声。Fayyad教授对此表示赞同，“这对该领域来说是一件非常健康的事情，因为我们看到学术界、学生甚至公司的参与。

回到工业界和学术界之间的选择，它很快就会变得无关紧要。随着从业者教授的学术课程，教授领导工业实验室，全球云计算资源变得占主导地位，以及更多数据可用，人工智能领域的学术与工业界限正在迅速变得模糊。无需坚持这两个领域中的任何一个，只需选择您最感兴趣的项目即可！

原文标题：Where Does AI Happen?

原文链接：https://www.kdnuggets.com/2023/07/kdd-where-does-ai-happen.html

作者：Connor Lee

编译：LCR