那些离开大厂,回归学术界的科学家们

2023-11-04 03:40

本文主要是介绍那些离开大厂,回归学术界的科学家们,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

「离开大厂,回归学术界」在近两年似乎已经成为了一种趋势,尤其是对于 AI 产业界而言,更是如此。

产业界,留给“失败”的时间不多?

近日,Google 公司 TensorFlow 面向移动和嵌入式设备部分的技术主管 Pete Warden 发推表示自己将从 Google 离职,开始攻读斯坦福大学计算机科学博士学位。

Pete Warden,深耕数据科学领域多年,他除了是 TensorFlow 面向移动和嵌入式设备部分的技术主管,也是 TensorFlow 团队的创始成员之一。撰写了由 O’Reilly 出版的《The Public Data Handbook》和《The Big Data Glossary》等书籍,开发过 OpenHeatMap 和 Data Science Toolkit 等开源项目。

对于 Pete Warden 而言,正如其在博客中写道「Ever tried. Ever failed. No matter. Try Again. Fail again. Fail better」,人生就是在不断地尝试、不断地失败,失败并不是一件坏事。

但是与在大厂中「一次的失败,动辄全身会对公司造成非常大的影响」相比,他更向往回归学术界的“探索”自由。正因此,他决定在产业界摸爬滚打 20 多年后重返大学,并在斯坦福大学攻读计算机科学博士学位。

其表示,这「将是一次有趣的冒险」,对未来也同样充满期待。以下为他在官宣离职时发表的全文:

我已经在 Google 工作了 7 年,我很幸运能与一些了不起的人一起在 TensorFlow 这样我引以为豪的项目上工作。在过去几年里,我一直在说’你可以使用 TensorFlow Lite Micro 构建精彩的 TinyML 项目‘,现在终于到了我自己开始尝试构建一些东西的时候了,这也正如我所愿。在 Google 推出新的硬件设备是非常昂贵且耗时的,因为任何失败或者错误会对大公司的声誉有不小的负面影响。因此,我决定在 20 多年后重返大学,并在斯坦福大学攻读计算机科学博士学位。

在过去的几年里,我很喜欢在斯坦福大学教授 EE292D,能够激发学生对这些新兴技术的可能性的热情真是太好了,我从 Zain Asgar、Sachin Katti、Boris Murmann 等教师那里学到了很多东西。我很高兴我有机会在校园里度过更多时光。

TensorFlow Lite Micro 在 Advait Jain 和团队其他成员的带领下发展得非常好,在过去的几年里,使用量和人数持续增长,所以我对它的未来非常乐观。我将很快会公开我自己未来计划更多详细的内容,不过,现在的我终于可以使用该框架开发项目,并将其部署到我一直梦想的那些设备上了。

这将是一次有趣的新冒险,我要感谢所有支持我走到这一步的人。

那些离开大厂的大佬们

无独有偶。除了 Pete Warden 之外,过去几年间,AI 圈中也有十几位专家在产业界致力于推动技术落地之后,再次选择回归学术界,或者独立创业。

其中包括了在 AI 界被众人熟知的现任斯坦福大学计算机科学教授的李飞飞老师。她在 2016 年利用在斯坦福的学术假期,加入 Google 云端人工智能暨机器学习的中国中心团队。并在 2017 年 1 月至 2018 年 9 月,出任 Google 副总裁,兼任 Google Cloud AI/ML 首席科学家。

在 Google 任职期间,李飞飞致力于计算机视觉、机器学习、深度学习、认知神经科学等技术在业务中的应用,带领团队开发与创造了 AutoML、Contact Center AI、Dialogflow Enterprise、Vision/Speech/NL/Translation APIs、 Cloud AI platform 等多款新品,同时其还推动了谷歌 AI 中国中心的成立。

不过,在 Google AI 推动面向企业的人性化人工智能的全新战略下, 突然传出李飞飞宣布离职的消息,对此,李飞飞在朋友圈回应道,「学术界和工业界人才的互动和思想的交流一直是硅谷传奇的重要精髓。随着斯坦福新学年的开学,我的学术假也告一段落,将把工作的重心重新转回学术界。非常荣幸和感恩这两年在谷歌的工作和成长。」

而在其回归学术后专注于 AI 等相关议题研究的近两年间,李飞飞于 2020 年 2 月当选为美国国家工程院院士,同年 5 月,出任 Twitter 公司董事会新独立董事 ;10月,当选为美国国家医学院院士。2021 年 4 月 22 日,当选为美国文理科学院(艺术与科学院)院士 。

放眼国内,原蚂蚁集团副总裁、AI 团队负责人漆远在离职后,出任复旦大学“浩清教授”及复旦人工智能创新与产业研究院院长;前字节跳动 AI 实验室总监李磊,宣布加入加州大学圣巴巴拉分校(UCSB)的Computer Science担任助理教授;前字节跳动副总裁、AI Lab 主任马维英同样在宣布离开字节跳动后,加入清华大学智能产业研究院;前旷视南京研究院创始院长魏秀参出任南京理工大学教授,等等。

背后的原因

随着诸多科学家纷纷回归学术界,很多人将其视为 AI 发展拉开下半场大幕之际遇上了寒冬。然而在深究科学家离开的缘由时,真相往往覆盖多维度。

古有「纸上得来终觉浅,绝知此事要躬行」,后亦有「没有革命的理论,就没有革命的运动」,产学研一体化是技术从诞生到广泛应用重要的背后推手,缺一不可。因此在产学研界跨界创新也成为科学家们自身职业发展规划中的重要一环,但是在产业界与学术界中,理论与实践之间的难点、商业与研究应用理念的冲突、科研投入与回报等均有可能两大不同领域之间的矛盾。在时间的长河里,Pete Warden 不是这场浪潮之中的第一人,也绝对不会是最后一位。

参考:https://petewarden.com/

这篇关于那些离开大厂,回归学术界的科学家们的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/342983

相关文章

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

大厂算法例题解之网易2018秋招笔试真题 (未完)

1、字符串碎片 【题目描述】一个由小写字母组成的字符串可以看成一些同一字母的最大碎片组成的。例如,“aaabbaaac” 是由下面碎片组成的:‘aaa’,‘bb’,‘c’。牛牛现在给定一个字符串,请你帮助计算这个字符串的所有碎片的 平均长度是多少。 输入描述: 输入包括一个字符串 s,字符串 s 的长度 length(1 ≤ length ≤ 50),s 只含小写字母(‘a’-‘z’) 输出描述

深度学习与大模型第3课:线性回归模型的构建与训练

文章目录 使用Python实现线性回归:从基础到scikit-learn1. 环境准备2. 数据准备和可视化3. 使用numpy实现线性回归4. 使用模型进行预测5. 可视化预测结果6. 使用scikit-learn实现线性回归7. 梯度下降法8. 随机梯度下降和小批量梯度下降9. 比较不同的梯度下降方法总结 使用Python实现线性回归:从基础到scikit-learn 线性

【python因果推断库11】工具变量回归与使用 pymc 验证工具变量4

目录  Wald 估计与简单控制回归的比较 CausalPy 和 多变量模型 感兴趣的系数 复杂化工具变量公式  Wald 估计与简单控制回归的比较 但现在我们可以将这个估计与仅包含教育作为控制变量的简单回归进行比较。 naive_reg_model, idata_reg = make_reg_model(covariate_df.assign(education=df[

大厂面试:小米嵌入式面试题大全及参考答案(130+道 12万长文)

Flink 架构介绍 Flink 是一个分布式流处理和批处理框架,具有高吞吐、低延迟、高可靠等特点。其架构主要由以下几个部分组成: 客户端(Client):负责将作业提交到集群,并与作业管理器进行交互,获取作业的状态信息。客户端可以是命令行工具、IDE 插件或者自定义的应用程序。作业管理器(JobManager):负责接收客户端提交的作业,协调资源分配,调度任务执行,并监控作业的执

什么是GPT-3的自回归架构?为什么GPT-3无需梯度更新和微调

文章目录 知识回顾GPT-3的自回归架构何为自回归架构为什么架构会影响任务表现自回归架构的局限性与双向模型的对比小结 为何无需梯度更新和微调为什么不需要怎么做到不需要 🍃作者介绍:双非本科大四网络工程专业在读,阿里云专家博主,专注于Java领域学习,擅长web应用开发,目前开始人工智能领域相关知识的学习 🦅个人主页:@逐梦苍穹 📕所属专栏:人工智能 🌻gitee地址:x

一个瑞典游戏工作室决定离开索尼,之前和之后都发生了什么?

我们在前两篇中探究了国家政策、硬件基础与黑客文化如何让瑞典成为了游戏热土,而它充满地域特色的开发者社区与教育体系的构建,又是如何聚拢了游戏人才,让体系持续生长扩张。 除了大学、科技园和开发者之家外,我们此行从斯德哥尔摩到舍夫德到马尔默,还采访了三家知名工作室的创始人。它们一家产出如今罕见的双人合作游戏,还有一位特立独行的作者型开发者屡屡占据头条;一家贡献了现象级网红作品,当前在朝“正经向”大

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出 目录 回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出预测效果基本介绍模型介绍PSO模型LSTM模型PSO-LSTM模型 程序设计参考资料致谢 预测效果 Matlab实现PSO-LSTM多变量回归预测 1.input和outpu

【ML--04】第四课 logistic回归

1、什么是逻辑回归? 当要预测的y值不是连续的实数(连续变量),而是定性变量(离散变量),例如某个客户是否购买某件商品,这时线性回归模型不能直接作用,我们就需要用到logistic模型。 逻辑回归是一种分类的算法,它用给定的输入变量(X)来预测二元的结果(Y)(1/0,是/不是,真/假)。我们一般用虚拟变量来表示二元/类别结果。你可以把逻辑回归看成一种特殊的线性回归,只是因为最后的结果是类别变