2024 年 12 月 10-15 日，今年度的 NeurIPS 已在加拿大温哥华成功举办。今年的会议上，我们看到了 Ilya Sutskever 关于预训练即将终结的预测，也看到了引发广泛争议的 MIT 教授 NeurIPS 演讲公开歧视中国学生的事件。

该会议也展现了人工智能领域的研究盛况 —— 本届 NeurIPS 共收到 15671 篇有效论文投稿，比去年又增长了 27%，但最终接收率仅有 25.8%。如此低的接收率就必然意味着许多研究者的失意和挫败。但这并不是研究者们感到挫败的唯一原因。

近日，纽约大学计算机科学和数据科学教授、生物技术公司 Prescient Design 联合创始人兼资深主管 Kyunghyun Cho 一篇题为「我在 NeurIPS’24 上感受到了焦虑和挫败」的博客文章引发了广泛讨论。他在文中指出，现在许多博士生和博士后很有挫败感，因为许多学校培养的本科生就已经具备企业所需的标准化机器学习开发技能，而大量博士生却因此找不到合适的工作；原因是随着 AI 相关技术的产品化，企业对博士技能（研究和创新）的需求已经大幅下降，而更多需要支持其产品迭代的工程师。

看完这篇文章后，许多读者也分享了自己的经历和看法。

有 AI 博士现身说法，指出很多博士研究者对学术环境之外的状况关注不足，从而对未来的职业有了过高的期待。

(来源:机器之心)

一些读者对文章表示认可，表示要在科技行业工作，光有专业技能还不够，还得通过 leetcode / 系统设计和领导力准则考试。

而博士研究者虽然收入高，但行业需求不足，毕竟一家公司并不需要那么多研究科学家：

但也有读者并不认可，表示参加 NeurIPS 的人已经有顶会论文傍身，找份工作应该不难。

以下是 Kyunghyun Cho 教授的博客全文，也请与我们分享你的经历和看法。

我在 NeurIPS’24 上感受到了焦虑和挫败

上周在 NeurIPS’24 上，一个非常突出的现象是：四年级博士生和博士后表现出了焦虑和挫败，他们对就业市场感到困惑，因为无论是看起来还是感觉上，就业市场与他们五年前申请博士项目时的预期大不相同。并且，其中一些博士生和博士后正是在我自己的指导之下。这让我反思人工智能研究和开发领域正在发生的情况。这篇文章更像是一连串的思考，而不是一篇结构良好的文章（不过我好像也没有写过一篇结构良好、经过深思熟虑、准备充分的博客文章。）。

对机器学习领域以及更广大的人工智能领域而言，过去十年左右是一段非常有趣的时间。从 2010 年左右的语音识别开始，深度学习已经在当年的最佳技术上实现了大幅提升，并且已经可以解决多种多样的高难度也实用的问题，比如从图像中识别物体和机器翻译。到 2014 年，很明显大的要来了，每一家大公司，无论是不是科技公司，都想确保自己是这场持续革命的一部分，并从中获利。

由于那时候，深度学习很多年来都未曾成为主流，因此几乎没有本科课程严肃地教授深度学习背后的基本思想和技术。事实上，当然许多机器学习和人工智能课程都只会简单提到人工神经网络。于是，深度学习人才方面出现了巨大的供需不平衡，这就迫使那些比其他公司更早看到这场革命的公司激进地从全球少数实验室招募博士生。

因为当时世界上只有少数几个实验室在认真研究深度学习（不像现在这样），所以公司们都在激烈争夺这些实验室的毕业生甚至教授。这种激烈的争夺自然导致这些拥有人工神经网络经验和专业知识的博士生的薪酬大幅增加。这使得人工智能领域中的学术薪酬与行业薪酬之间的差距还要更大，让大学很难招募到此类人才来教育学生。事实上，在 2010 年至 2015 年期间获得博士学位并且在攻读博士学位期间研究人工神经网络，并作为终身教职人员加入大学的人非常少，我就是其中之一。这种现象自然会导致人才供应的增加大大延迟，而需求还在继续飙升。

这种激烈的人才争夺有一个有趣的副作用：即使这些人才不能为营收或利润做出贡献，公司也会招募他们。这些公司聘用他们的原因是为不可避免的、迫在眉睫的革命做好准备 —— 这场革命将改变他们所做的一切。因此，那时候很多被聘用的博士的任务就是自由地做研究；也就是说，他们可以选择自己想做的事情，发表自己想发表的文章。这就像一个学术研究职位，但薪酬是原来的 2-5 倍，而且外部可见度更高，没有教学任务、行政开销，也没有不断撰写资助提案的压力。真是一个绝佳的机会！

我想，这在当时的学生看来是个不可错过的机会，包括大学生和高中生（甚至初中生）。有机会获得惊人的金钱回报、优厚的福利，可以自由选择自己喜欢的研究课题，只要它是在人工智能领域内。然而，这个机会看起来只提供给在人工神经网络方面发表过学术论文的博士。这就导致大量的博士申请者申请成为（现在所谓的）人工智能博士生（AI PhD students）。

申请者的大量涌入并不一定意味着我们最终会有大量博士生，因为限制博士生数量的并不是申请者的数量，而是导师的数量。虽然 15 年前那会儿，研究人工智能的实验室并不多，但到 2016 年时，许多教授已经将他们的实验室转型为深度学习实验室，并通过招收大量博士生来积极扩大实验室规模。

因此，我们似乎已经造出了一个非常好的 AI 人才训练管道。很多优秀的学生申请攻读博士学位。大量研究 AI 的教授录取并培养这些优秀的学生成为下一代博士。少数大型科技公司和其他公司用难以想象的优厚薪酬和研究自由来聘用他们。

然而，事后看来，这显然是不可持续的。要继续下去，唯一的办法就是让深度学习继续成为能够在五年内彻底改变行业（甚至整个社会）的东西，而且每年都必须是五年。如前所述，公司正在招募这些人才，并投资建设给他们进行研究的环境，以应对未来不可避免的变化。换句话说，他们必须为未来做准备，才能让这条管道继续下去。

第一代幸运的博士（包括我！）是因为运气好（或不好）

关联资讯: