Science：AI競賽，學(xué)術(shù)界輸了

Pine 2023-03-05 13:00:46 來源：量子位

Pine 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI領(lǐng)域，重心已從學(xué)術(shù)界轉(zhuǎn)移到了產(chǎn)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(lǐng)域的相關(guān)數(shù)據(jù)，結(jié)果也是一目了然：

AI競賽，學(xué)術(shù)界輸了。

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

從2016年開始，產(chǎn)業(yè)界在領(lǐng)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(chǎn)業(yè)界幾乎從學(xué)術(shù)界“奪取”了20%。

AI領(lǐng)域的10大模型，2013年之前還都是學(xué)術(shù)界居于主導(dǎo)地位。

之后，產(chǎn)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(chǎn)業(yè)界。

SOTA模型就更不用說了，去年一年，產(chǎn)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(biāo)檢測的SOTA大概是產(chǎn)業(yè)界和學(xué)術(shù)界各自一半的成果，機(jī)器翻譯的SOTA則全都來自學(xué)術(shù)界。

當(dāng)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(diào)侃：

學(xué)術(shù)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(xué)的數(shù)據(jù)為例，目前專門從事AI研究的計算機(jī)博士正在涌入產(chǎn)業(yè)界：

2004年，只有21%的博士選擇進(jìn)入產(chǎn)業(yè)界，到了2020年，進(jìn)入產(chǎn)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(jī)科學(xué)的產(chǎn)業(yè)需求并沒有明顯的變化，倒是專攻AI領(lǐng)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(xué)術(shù)界流向產(chǎn)業(yè)界了呢？

從大的層面上來講，和Science之前提到的算力有關(guān)。

顯而易見，在這塊兒，產(chǎn)業(yè)界相較于學(xué)術(shù)界有很大的優(yōu)勢。

工欲善其事，必先利其器，誰的算力強(qiáng)大，自然也就能吸納更多的人才。

但其實說白了，算力強(qiáng)不強(qiáng)大很大程度上依賴于資金投入。

舉個栗子：

學(xué)術(shù)界的科研資金來源主要來自政府的支持，2021年美國相關(guān)部門在人工智能上的投入是15億美元，同年歐盟的投入是12億美元。

而相比之下，全球AI產(chǎn)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(dá)15億美元。

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

博士畢業(yè)剛剛?cè)肼歄penAI的研究員Rowan Zellers就現(xiàn)身說法講了下。

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

• 學(xué)術(shù)界進(jìn)行開創(chuàng)性的系統(tǒng)建設(shè)研究會變得越來越困難
• AI領(lǐng)域的科研成本正在以指數(shù)級增加
• 學(xué)術(shù)界轉(zhuǎn)向應(yīng)用研究是大勢所趨
  ……

基礎(chǔ)研究到應(yīng)用，產(chǎn)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(jié)果，在Science的文章中，列出了兩點(diǎn)原因：

• AI領(lǐng)域相較于其他學(xué)科領(lǐng)域有特殊性；
• 產(chǎn)業(yè)界更注重技術(shù)商業(yè)化。

先來說下AI領(lǐng)域的這個特殊性。

在其他學(xué)科領(lǐng)域，學(xué)術(shù)界和產(chǎn)業(yè)界都會自然而然形成一個勞動分工，基礎(chǔ)研究交由大學(xué)來完成，應(yīng)用研究和開發(fā)則是產(chǎn)業(yè)界的工作。

不過，這一套邏輯并不適用于AI圈，在AI領(lǐng)域，基礎(chǔ)研究和應(yīng)用研究之間的界限被模糊掉了。

也就是說，產(chǎn)業(yè)中使用的應(yīng)用模型和基礎(chǔ)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(chǔ)研究，也可以進(jìn)一步直接用在產(chǎn)業(yè)中。

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

而學(xué)術(shù)界呢，資金來源的大頭要靠相關(guān)機(jī)構(gòu)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(wù)。

并且一般來說學(xué)術(shù)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(xué)術(shù)界是徹底輸麻了。

One More Thing

當(dāng)然AI競賽，也不能說學(xué)術(shù)界徹底輸了，在Zeta Alpha統(tǒng)計的論文引用排行榜前100中，學(xué)術(shù)界和產(chǎn)業(yè)界之間還是平衡得很好的。

△圖源：Zeta Alpha

話說回來對于學(xué)術(shù)界和產(chǎn)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