Các công ty công nghệ cố gắng giải quyết các rủi ro mà cuộc đua AI đặt ra cho nghiên cứu
Các công ty đã được thuê một tỷ đô la cho các nhà nghiên cứu AI trong các khoa khoa học máy tính. Ai sẽ đào tạo các nhà nghiên cứu trong tương lai?
Các công ty công nghệ cố gắng giải quyết các rủi ro mà cuộc đua AI đặt ra cho nghiên cứu
[Ảnh: Matthew (WMF) / Wikimedia Commons]
BỞI JACKIE TUYẾT7 PHÚT ĐỌC
Greg Benson là giáo sư đại học San Francisco giảng dạy khoa học máy tính trong 20 năm qua. Anh ấy cũng là một phần của một nỗ lực thầm lặng để giải quyết một trong những vấn đề đang gia tăng của lĩnh vực này.
Trong các học kỳ, anh dành một đến hai ngày một tuần tại SnapLogic, một công ty tích hợp đám mây và làm việc toàn thời gian ở đó trong thời gian nghỉ học. Mỗi năm, anh cung cấp cho 10 sinh viên thạc sĩ máy học của mình cơ hội thực tập tại SnapLogic và làm việc trong các dự án nghiên cứu AI. Nếu họ làm tốt, họ có thể kết thúc với một công việc. Khoảng một phần ba đội ngũ kỹ thuật của SnapLogic là cựu thực tập sinh. Đây là một thành công lớn đối với chúng tôi
Đây là một phương pháp tuyển dụng hữu ích khi ngay cả những gã khổng lồ công nghệ đang vật lộn vì tài năng. Nhưng cũng có một sự đổi mới khác đang diễn ra: Thỏa thuận của SnapLogic với Benson cũng cho thấy các công ty có thể hỗ trợ các học giả như thế nào và đảm bảo vẫn còn các giáo sư để dạy thế hệ các nhà nghiên cứu AI tiếp theo.
Vấn đề rất nghiêm trọng: Gần 60% tiến sĩ khoa học máy tính Hoa Kỳ đảm nhận công việc trong ngành sau khi tốt nghiệp, tăng từ 38% trong thập kỷ qua, theo dữ liệu từ Quỹ Khoa học Quốc gia do Tạp chí Phố Wall công bố .
Greg Benson , một giáo sư khoa học máy tính tại Đại học San Francisco, người dành hai ngày một tuần tại SnapLogic (trái) [Ảnh: lịch sự của SnapLogic]
Một nghiên cứu khác của Học viện Bách khoa Worcester cho thấy ở nhiều trường đại học, có nhiều vị trí giảng viên mở ra cho AI và các lĩnh vực liên quan hơn là được lấp đầy. AI và các lĩnh vực liên quan là một trong những bài hát có sự khác biệt cao nhất giữa các tiến sĩ được sản xuất và các vị trí được lấp đầy, với mạng lưới nhiều hơn 6% so với các tiến sĩ được tạo ra. Vấn đề càng thêm phức tạp bởi thực tế là phải mất ba đến năm năm để lấy bằng tiến sĩ về khoa học máy tính.
Không rõ có bao nhiêu tài năng thậm chí ngoài kia để bắt đầu. Công ty khởi nghiệp Element AI có trụ sở tại Montreal đã công bố một nghiên cứu cho thấy 22.000 nhà nghiên cứu AI có bằng tiến sĩ có liên quan kể từ năm 2015. Con số này lên tới 90.000 nếu bạn đếm bằng cấp trước năm 2015, nhưng lĩnh vực này đang thay đổi rất nhanh, những sinh viên tốt nghiệp gần đây thường nghĩ có những nghiên cứu phù hợp nhất. Tencent, gã khổng lồ internet Trung Quốc, đã công bố ước tính của riêng mình, đưa con số từ 200.000 đến 300.000 người có thể đóng góp cho nghiên cứu AI.
Cuộc săn lùng những tài năng hàng đầu đã trở thành một cuộc chạy đua vũ trang thuê mướn sử dụng mọi thứ, từ những lời đề nghị thỏa thuận bảy con số cho đến những màn trình diễn của Flo Rida tại các sự kiện trong ngành . Ngay cả các nhà nghiên cứu tại các tổ chức phi lợi nhuận AI được hỗ trợ bởi số tiền lớn cũng kiếm được hơn một triệu đô la mỗi năm . Các tài năng tập trung cao độ. Theo một báo cáo tháng 12 năm 2016 của KPMG, sáu công ty công nghệ của Google, Google, Microsoft, NVIDIA, IBM, Intel và Samsung .
Benson cho biết Đại học San Francisco đã phải vật lộn để thuê đủ giáo sư để dạy AI. Ở trong Vùng Vịnh, sự kết hợp giữa giá nhà đắt đỏ và sức hút mạnh mẽ từ ngành công nghiệp là điều mà các học viên khó có thể bỏ qua khi tìm việc. Đại học San Francisco nhận 700 đến 800 đơn đăng ký mỗi năm cho chương trình thạc sĩ học máy của trường và chỉ mất chưa đến 10%. Họ có khả năng có thể chấp nhận nhiều sinh viên hơn hoặc mở rộng các dịch vụ, nhưng họ không có giảng viên để làm điều đó.
Một số tên tuổi lớn nhất trong AI duy trì một khối lượng lớn công việc giảng dạy và công nghiệp, hoặc chu kỳ giữa hai. Geoffrey Hinton đã gia nhập Google và chia thời gian ở đó với Đại học Toronto. Yann LeCun chia thời gian của mình với Đại học New York và Facebook. Andrew Ng cân bằng việc trở thành giáo sư tại Đại học Stanford và lãnh đạo nhóm AI của Baidu trước khi rời khỏi nhóm sau để bắt đầu quỹ riêng của mình và các dự án khác.
Andrew Moore của Đại học Carnegie Mellon đã nhảy vọt giữa ngành công nghiệp và học viện trong suốt sự nghiệp của mình, nhưng gần đây tuyên bố anh sẽ rời CMU để lãnh đạo Google Cloud. Vị trí đó là mở vì Fei-Fei Li gần đây đã rời vị trí để trở lại toàn thời gian để đến Stanford. (Li, người đã nghỉ phép ở Stanford gần hai năm, luôn có kế hoạch trở lại, một phát ngôn viên của Google nói với Business Insider vào tháng 6.)
Trước khi rời Carnegie Mellon, Moore đã cố gắng chiến đấu chống lại bài hát tiếng còi của ngành công nghiệp bằng cách giúp giảng viên dễ dàng qua lại giữa hai thế giới. Moore nói với tờ Wall Street Journal rằng ông ước tính rằng 10% đến 20% giảng viên sẽ nghỉ việc để đi làm hoặc thậm chí tìm được một công ty khởi nghiệp.
Đây có thể không phải là một giải pháp mở rộng. Các nhà nghiên cứu hàng đầu ở các thành phố phù hợp có thể có các tài nguyên cho phép họ làm việc theo lịch trình căng thẳng, chăm sóc trẻ em, trợ lý, các cuộc họp quan trọng được lên kế hoạch vào khoảng thời gian của họ nhưng những đặc quyền đó không dành cho tất cả mọi người.
Sofus Macskassy, VP khoa học dữ liệu tại HackerRank, một nền tảng tuyển dụng kỹ thuật, nói rằng sự cân bằng là gần như không thể. Anh ấy nói từ kinh nghiệm cá nhân và chuyên nghiệp, trước đây anh ấy đã dạy tại Đại học Nam California khi làm việc cho một công ty khởi nghiệp ở Los Angeles và đã thuê nhân tài AI tại Facebook.
Nói một cách thực tế, bạn không có thời gian để làm cả hai công việc thực sự tốt, ông nói.
Để tạo ra các nhà nghiên cứu AI được đào tạo cao, nó không chỉ dạy cho sinh viên. Nó cũng là tư vấn và giúp nghiên cứu được công bố. Loại công việc đó khác nhiều so với AI ứng dụng mà hầu hết các nơi làm việc đều quan tâm.
Thật khó để giằng co cả hai, anh nói.
Cân bằng cả hai cũng có nghĩa là đảm bảo sắp xếp các vấn đề về sở hữu trí tuệ (IP) và bằng sáng chế, và những gì được phát triển ở đâu. Có thể khá khó khăn để điều hướng các pháp lý IP vì người tạo bị mắc kẹt giữa hai thực thể pháp lý mà cả hai thường muốn quyền IP. Phần lớn, những tính hợp pháp này thường được các luật sư giải quyết cho trường đại học và công ty mà không cần giáo sư phải tham gia. Sẽ khó hơn nếu giáo sư bắt đầu một công ty. Macskassy cho biết điều này phụ thuộc vào tổ chức của trường đại học quản lý IP. Nếu bộ phận đó ít kinh nghiệm, nó có thể trở thành một vấn đề đau đầu. Nhưng đó là một quá trình có nhiều tiền lệ để dựa vào.
Macskassy cho biết sự thiếu hụt tài năng là câu hỏi hóc búa lớn hơn. Nếu không được giải quyết, Mỹ sẽ rơi vào tình trạng thiếu hụt khiến nước này có nguy cơ mất chỗ đứng trong đổi mới và nghiên cứu cho các quốc gia khác như Trung Quốc.
Các công ty của Vương quốc Anh đang tự bắn vào chân mình trong thời gian dài.
Liên quan: Để các công ty công nghệ đóng khung cuộc tranh luận về đạo đức AI là một sai lầm
Một giải pháp khác có thể là hỗ trợ giới hàn lâm với nhiều khoản tài trợ nghiên cứu hơn. Với việc chính quyền Trump cắt giảm tài trợ , đó có thể là một giấc mơ xa vời trong thời điểm hiện tại. Nhưng nơi chính phủ liên bang Hoa Kỳ thất bại, một số đại gia công nghệ đang cố gắng ngăn chặn dòng chảy bằng cách trực tiếp tài trợ cho các khoa đại học và giảng dạy sinh viên.
Chương trình nghiên cứu AI của Facebook, được gọi là FAIR, đang hợp tác với các học giả cho phép họ phân chia thời gian giữa Facebook và trường đại học tại nhà. Chương trình gần đây đã mở rộng, với gần hai chục nhà nghiên cứu hiện đang duy trì liên kết kép; Làm thế nào các nhà nghiên cứu phân chia thời gian của họ là tùy thuộc vào họ. IBM đã đưa ra một chương trình có tên Mạng lưới nhận thức nhận thức hợp tác với sáu trường để làm việc với các nhà nghiên cứu và sinh viên trong khi vẫn giữ các học giả ở vị trí đại học của họ. Dự án đã chứng kiến 70 ấn phẩm AI được đánh giá ngang hàng trong năm đầu tiên.
Tháng trước, Microsoft đã tiết lộ nỗ lực của riêng mình để giải quyết sự thiếu hụt các kỹ năng liên quan đến AI trong kinh doanh và học thuật. Giáo sư Chris Bishop, giám đốc Phòng thí nghiệm nghiên cứu của Microsoft tại Cambridge ở Anh, nói với ZDNet rằng việc ra mắt hai chương trình đào tạo mới là chương trình trị giá hàng triệu bảng, trong đó chúng tôi sẽ đầu tư vào học bổng tiến sĩ, sau tiến sĩ, thực tập và tư vấn. Giáo dục
Tất nhiên, tất cả những điều này tập trung vào tiến sĩ và bằng thạc sĩ có thể là một chiến lược thua cuộc, bất kể thỏa hiệp nào được thực hiện. Không phải mọi vấn đề đều cần một thuật toán ưa thích và việc hiểu các mục tiêu của một doanh nghiệp nhất định đến từ kinh nghiệm, không phải bằng cấp. Một nhóm đưa ra lập luận này là Fast.ai, một tổ chức phi lợi nhuận cung cấp các khóa học AI miễn phí trong khi đưa ra nghiên cứu ban đầu có mục tiêu làm cho việc học sâu dễ tiếp cận hơn, hoặc, như khẩu hiệu táo tợn của họ, nói về việc tạo ra mạng lưới thần kinh một lần nữa. Một nhóm sinh viên từ các nhóm đánh bại Fast.ai được tạo thành từ các nhà nghiên cứu từ Intel, Google và các gã khổng lồ công nghệ khác trong một thử thách để đào tạo thuật toán nhận dạng đối tượng nhanh nhất và rẻ nhất.
Họ đang chiến đấu với cùng một số ít người mà họ có thể đang nhìn vào một nhóm rộng lớn hơn nhiều, ông Rachel Thomas, người đồng sáng lập Fast.ai, người đã chuyển sang học máy từ tài chính sau khi tham gia các khóa học trực tuyến.
Thomas cũng chỉ ra rằng sự thiếu hụt tài năng một phần là vấn đề về nhận thức mà bỏ qua thực tế rằng việc đào tạo nhân viên về AI có thể được thực hiện bằng nhiều khóa học trực tuyến như Fast.ai hoặc Coursera (trong đó, tình cờ, là một công ty do Ng đồng sáng lập đã ở Stanford, bây giờ nó tổ chức khóa học máy của anh ấy). Những công nhân đã có tại chỗ này có cái nhìn sâu sắc về công ty, dữ liệu có sẵn và các vấn đề mà công ty muốn giải quyết với AI. Không phải tất cả các vấn đề đó đều cần tài nguyên tiên tiến, đặc biệt là với tất cả các công cụ nguồn mở và phần mềm AI hiện có.
Các công ty của Keith nghĩ, 'Ồ, tôi phải thuê Tiến sĩ Stanford,' và đó không thực sự là những gì họ cần, Mitch Thomas nói. Tài năng trong nhà đang bị đánh giá thấp ngay bây giờ.
Benson đồng ý rằng các công ty không giải quyết vấn đề một cách trực diện nhất có thể. Tham gia vào các nhà nghiên cứu với ít bằng cấp hơn, cung cấp giáo dục thường xuyên và đào tạo nội bộ đều là những giải pháp dựa trên công ty cần nhiều nguồn lực hơn. Chỉ có rất nhiều mà hệ thống đại học có thể làm trước khi các công ty cần phải giảm một số trọng lượng.
Giáo sư Academia đã trả lời, nhưng ngành công nghiệp không biết nó sẽ lấy gì, thì ông Benson nói.
Các công ty công nghệ cố gắng giải quyết các rủi ro mà cuộc đua AI đặt ra cho nghiên cứu
[Ảnh: Matthew (WMF) / Wikimedia Commons]
BỞI JACKIE TUYẾT7 PHÚT ĐỌC
Greg Benson là giáo sư đại học San Francisco giảng dạy khoa học máy tính trong 20 năm qua. Anh ấy cũng là một phần của một nỗ lực thầm lặng để giải quyết một trong những vấn đề đang gia tăng của lĩnh vực này.
Trong các học kỳ, anh dành một đến hai ngày một tuần tại SnapLogic, một công ty tích hợp đám mây và làm việc toàn thời gian ở đó trong thời gian nghỉ học. Mỗi năm, anh cung cấp cho 10 sinh viên thạc sĩ máy học của mình cơ hội thực tập tại SnapLogic và làm việc trong các dự án nghiên cứu AI. Nếu họ làm tốt, họ có thể kết thúc với một công việc. Khoảng một phần ba đội ngũ kỹ thuật của SnapLogic là cựu thực tập sinh. Đây là một thành công lớn đối với chúng tôi
Đây là một phương pháp tuyển dụng hữu ích khi ngay cả những gã khổng lồ công nghệ đang vật lộn vì tài năng. Nhưng cũng có một sự đổi mới khác đang diễn ra: Thỏa thuận của SnapLogic với Benson cũng cho thấy các công ty có thể hỗ trợ các học giả như thế nào và đảm bảo vẫn còn các giáo sư để dạy thế hệ các nhà nghiên cứu AI tiếp theo.
Vấn đề rất nghiêm trọng: Gần 60% tiến sĩ khoa học máy tính Hoa Kỳ đảm nhận công việc trong ngành sau khi tốt nghiệp, tăng từ 38% trong thập kỷ qua, theo dữ liệu từ Quỹ Khoa học Quốc gia do Tạp chí Phố Wall công bố .
Greg Benson , một giáo sư khoa học máy tính tại Đại học San Francisco, người dành hai ngày một tuần tại SnapLogic (trái) [Ảnh: lịch sự của SnapLogic]
Một nghiên cứu khác của Học viện Bách khoa Worcester cho thấy ở nhiều trường đại học, có nhiều vị trí giảng viên mở ra cho AI và các lĩnh vực liên quan hơn là được lấp đầy. AI và các lĩnh vực liên quan là một trong những bài hát có sự khác biệt cao nhất giữa các tiến sĩ được sản xuất và các vị trí được lấp đầy, với mạng lưới nhiều hơn 6% so với các tiến sĩ được tạo ra. Vấn đề càng thêm phức tạp bởi thực tế là phải mất ba đến năm năm để lấy bằng tiến sĩ về khoa học máy tính.
Không rõ có bao nhiêu tài năng thậm chí ngoài kia để bắt đầu. Công ty khởi nghiệp Element AI có trụ sở tại Montreal đã công bố một nghiên cứu cho thấy 22.000 nhà nghiên cứu AI có bằng tiến sĩ có liên quan kể từ năm 2015. Con số này lên tới 90.000 nếu bạn đếm bằng cấp trước năm 2015, nhưng lĩnh vực này đang thay đổi rất nhanh, những sinh viên tốt nghiệp gần đây thường nghĩ có những nghiên cứu phù hợp nhất. Tencent, gã khổng lồ internet Trung Quốc, đã công bố ước tính của riêng mình, đưa con số từ 200.000 đến 300.000 người có thể đóng góp cho nghiên cứu AI.
Cuộc săn lùng những tài năng hàng đầu đã trở thành một cuộc chạy đua vũ trang thuê mướn sử dụng mọi thứ, từ những lời đề nghị thỏa thuận bảy con số cho đến những màn trình diễn của Flo Rida tại các sự kiện trong ngành . Ngay cả các nhà nghiên cứu tại các tổ chức phi lợi nhuận AI được hỗ trợ bởi số tiền lớn cũng kiếm được hơn một triệu đô la mỗi năm . Các tài năng tập trung cao độ. Theo một báo cáo tháng 12 năm 2016 của KPMG, sáu công ty công nghệ của Google, Google, Microsoft, NVIDIA, IBM, Intel và Samsung .
Benson cho biết Đại học San Francisco đã phải vật lộn để thuê đủ giáo sư để dạy AI. Ở trong Vùng Vịnh, sự kết hợp giữa giá nhà đắt đỏ và sức hút mạnh mẽ từ ngành công nghiệp là điều mà các học viên khó có thể bỏ qua khi tìm việc. Đại học San Francisco nhận 700 đến 800 đơn đăng ký mỗi năm cho chương trình thạc sĩ học máy của trường và chỉ mất chưa đến 10%. Họ có khả năng có thể chấp nhận nhiều sinh viên hơn hoặc mở rộng các dịch vụ, nhưng họ không có giảng viên để làm điều đó.
Một số tên tuổi lớn nhất trong AI duy trì một khối lượng lớn công việc giảng dạy và công nghiệp, hoặc chu kỳ giữa hai. Geoffrey Hinton đã gia nhập Google và chia thời gian ở đó với Đại học Toronto. Yann LeCun chia thời gian của mình với Đại học New York và Facebook. Andrew Ng cân bằng việc trở thành giáo sư tại Đại học Stanford và lãnh đạo nhóm AI của Baidu trước khi rời khỏi nhóm sau để bắt đầu quỹ riêng của mình và các dự án khác.
Andrew Moore của Đại học Carnegie Mellon đã nhảy vọt giữa ngành công nghiệp và học viện trong suốt sự nghiệp của mình, nhưng gần đây tuyên bố anh sẽ rời CMU để lãnh đạo Google Cloud. Vị trí đó là mở vì Fei-Fei Li gần đây đã rời vị trí để trở lại toàn thời gian để đến Stanford. (Li, người đã nghỉ phép ở Stanford gần hai năm, luôn có kế hoạch trở lại, một phát ngôn viên của Google nói với Business Insider vào tháng 6.)
Trước khi rời Carnegie Mellon, Moore đã cố gắng chiến đấu chống lại bài hát tiếng còi của ngành công nghiệp bằng cách giúp giảng viên dễ dàng qua lại giữa hai thế giới. Moore nói với tờ Wall Street Journal rằng ông ước tính rằng 10% đến 20% giảng viên sẽ nghỉ việc để đi làm hoặc thậm chí tìm được một công ty khởi nghiệp.
Đây có thể không phải là một giải pháp mở rộng. Các nhà nghiên cứu hàng đầu ở các thành phố phù hợp có thể có các tài nguyên cho phép họ làm việc theo lịch trình căng thẳng, chăm sóc trẻ em, trợ lý, các cuộc họp quan trọng được lên kế hoạch vào khoảng thời gian của họ nhưng những đặc quyền đó không dành cho tất cả mọi người.
Sofus Macskassy, VP khoa học dữ liệu tại HackerRank, một nền tảng tuyển dụng kỹ thuật, nói rằng sự cân bằng là gần như không thể. Anh ấy nói từ kinh nghiệm cá nhân và chuyên nghiệp, trước đây anh ấy đã dạy tại Đại học Nam California khi làm việc cho một công ty khởi nghiệp ở Los Angeles và đã thuê nhân tài AI tại Facebook.
Nói một cách thực tế, bạn không có thời gian để làm cả hai công việc thực sự tốt, ông nói.
Để tạo ra các nhà nghiên cứu AI được đào tạo cao, nó không chỉ dạy cho sinh viên. Nó cũng là tư vấn và giúp nghiên cứu được công bố. Loại công việc đó khác nhiều so với AI ứng dụng mà hầu hết các nơi làm việc đều quan tâm.
Thật khó để giằng co cả hai, anh nói.
Cân bằng cả hai cũng có nghĩa là đảm bảo sắp xếp các vấn đề về sở hữu trí tuệ (IP) và bằng sáng chế, và những gì được phát triển ở đâu. Có thể khá khó khăn để điều hướng các pháp lý IP vì người tạo bị mắc kẹt giữa hai thực thể pháp lý mà cả hai thường muốn quyền IP. Phần lớn, những tính hợp pháp này thường được các luật sư giải quyết cho trường đại học và công ty mà không cần giáo sư phải tham gia. Sẽ khó hơn nếu giáo sư bắt đầu một công ty. Macskassy cho biết điều này phụ thuộc vào tổ chức của trường đại học quản lý IP. Nếu bộ phận đó ít kinh nghiệm, nó có thể trở thành một vấn đề đau đầu. Nhưng đó là một quá trình có nhiều tiền lệ để dựa vào.
Macskassy cho biết sự thiếu hụt tài năng là câu hỏi hóc búa lớn hơn. Nếu không được giải quyết, Mỹ sẽ rơi vào tình trạng thiếu hụt khiến nước này có nguy cơ mất chỗ đứng trong đổi mới và nghiên cứu cho các quốc gia khác như Trung Quốc.
Các công ty của Vương quốc Anh đang tự bắn vào chân mình trong thời gian dài.
Liên quan: Để các công ty công nghệ đóng khung cuộc tranh luận về đạo đức AI là một sai lầm
Một giải pháp khác có thể là hỗ trợ giới hàn lâm với nhiều khoản tài trợ nghiên cứu hơn. Với việc chính quyền Trump cắt giảm tài trợ , đó có thể là một giấc mơ xa vời trong thời điểm hiện tại. Nhưng nơi chính phủ liên bang Hoa Kỳ thất bại, một số đại gia công nghệ đang cố gắng ngăn chặn dòng chảy bằng cách trực tiếp tài trợ cho các khoa đại học và giảng dạy sinh viên.
Chương trình nghiên cứu AI của Facebook, được gọi là FAIR, đang hợp tác với các học giả cho phép họ phân chia thời gian giữa Facebook và trường đại học tại nhà. Chương trình gần đây đã mở rộng, với gần hai chục nhà nghiên cứu hiện đang duy trì liên kết kép; Làm thế nào các nhà nghiên cứu phân chia thời gian của họ là tùy thuộc vào họ. IBM đã đưa ra một chương trình có tên Mạng lưới nhận thức nhận thức hợp tác với sáu trường để làm việc với các nhà nghiên cứu và sinh viên trong khi vẫn giữ các học giả ở vị trí đại học của họ. Dự án đã chứng kiến 70 ấn phẩm AI được đánh giá ngang hàng trong năm đầu tiên.
Tháng trước, Microsoft đã tiết lộ nỗ lực của riêng mình để giải quyết sự thiếu hụt các kỹ năng liên quan đến AI trong kinh doanh và học thuật. Giáo sư Chris Bishop, giám đốc Phòng thí nghiệm nghiên cứu của Microsoft tại Cambridge ở Anh, nói với ZDNet rằng việc ra mắt hai chương trình đào tạo mới là chương trình trị giá hàng triệu bảng, trong đó chúng tôi sẽ đầu tư vào học bổng tiến sĩ, sau tiến sĩ, thực tập và tư vấn. Giáo dục
Tất nhiên, tất cả những điều này tập trung vào tiến sĩ và bằng thạc sĩ có thể là một chiến lược thua cuộc, bất kể thỏa hiệp nào được thực hiện. Không phải mọi vấn đề đều cần một thuật toán ưa thích và việc hiểu các mục tiêu của một doanh nghiệp nhất định đến từ kinh nghiệm, không phải bằng cấp. Một nhóm đưa ra lập luận này là Fast.ai, một tổ chức phi lợi nhuận cung cấp các khóa học AI miễn phí trong khi đưa ra nghiên cứu ban đầu có mục tiêu làm cho việc học sâu dễ tiếp cận hơn, hoặc, như khẩu hiệu táo tợn của họ, nói về việc tạo ra mạng lưới thần kinh một lần nữa. Một nhóm sinh viên từ các nhóm đánh bại Fast.ai được tạo thành từ các nhà nghiên cứu từ Intel, Google và các gã khổng lồ công nghệ khác trong một thử thách để đào tạo thuật toán nhận dạng đối tượng nhanh nhất và rẻ nhất.
Họ đang chiến đấu với cùng một số ít người mà họ có thể đang nhìn vào một nhóm rộng lớn hơn nhiều, ông Rachel Thomas, người đồng sáng lập Fast.ai, người đã chuyển sang học máy từ tài chính sau khi tham gia các khóa học trực tuyến.
Thomas cũng chỉ ra rằng sự thiếu hụt tài năng một phần là vấn đề về nhận thức mà bỏ qua thực tế rằng việc đào tạo nhân viên về AI có thể được thực hiện bằng nhiều khóa học trực tuyến như Fast.ai hoặc Coursera (trong đó, tình cờ, là một công ty do Ng đồng sáng lập đã ở Stanford, bây giờ nó tổ chức khóa học máy của anh ấy). Những công nhân đã có tại chỗ này có cái nhìn sâu sắc về công ty, dữ liệu có sẵn và các vấn đề mà công ty muốn giải quyết với AI. Không phải tất cả các vấn đề đó đều cần tài nguyên tiên tiến, đặc biệt là với tất cả các công cụ nguồn mở và phần mềm AI hiện có.
Các công ty của Keith nghĩ, 'Ồ, tôi phải thuê Tiến sĩ Stanford,' và đó không thực sự là những gì họ cần, Mitch Thomas nói. Tài năng trong nhà đang bị đánh giá thấp ngay bây giờ.
Benson đồng ý rằng các công ty không giải quyết vấn đề một cách trực diện nhất có thể. Tham gia vào các nhà nghiên cứu với ít bằng cấp hơn, cung cấp giáo dục thường xuyên và đào tạo nội bộ đều là những giải pháp dựa trên công ty cần nhiều nguồn lực hơn. Chỉ có rất nhiều mà hệ thống đại học có thể làm trước khi các công ty cần phải giảm một số trọng lượng.
Giáo sư Academia đã trả lời, nhưng ngành công nghiệp không biết nó sẽ lấy gì, thì ông Benson nói.
Nhận xét
Đăng nhận xét