OpenAI vaut-il la peine de renoncer aux offres d'adhésion des universités ?

Pour un doctorant qui souhaite trouver un emploi dans le domaine de l'informatique, comment choisir entre le monde universitaire et l'industrie ?

Au cours du processus de recherche d'emploi, Rowan Zellers, étudiant au doctorat à l'Université de Washington, avait initialement pour objectif de trouver un poste d'enseignant. Entrer dans le monde universitaire était la voie qu'il s'était tracée au cours de son doctorat. À cette fin, il a dressé une liste de cibles, rédigé de nombreux documents de candidature et utilisé son réseau social universitaire pour rechercher davantage d’opportunités.

Dans le même temps, il a également commencé à être exposé aux opportunités de l'industrie. La communication avec les entreprises industrielles a progressivement ébranlé les idées de Rowan Zellers. Il a constaté que dans son domaine de recherche - l'intelligence artificielle multimodale - il est difficile et de plus en plus difficile de mener des recherches fondamentales à grande échelle dans le milieu universitaire et que les opportunités dans l'industrie sont de plus en plus abondantes. .

Bien que les entreprises technologiques vers 2022 aient ralenti ou gelé les embauches, Rowan Zellers a quand même trouvé une opportunité plus attrayante : OpenAI lui a jeté un rameau d'olivier.

Dans la dernière étape de sa recherche d'emploi, il a fait quelque chose auquel il n'avait jamais pensé : rejeter tous les postes universitaires et a décidé de signer l'offre d'OpenAI. En juin 2022, Rowan Zellers a officiellement fait ses adieux à de nombreuses années d'école et a rejoint OpenAI.

Qu'est-ce qui lui a permis de changer d'état d'esprit en un an ? Dans un récent article de blog, Rowan Zellers a partagé certains de ses conseils en matière de recherche d'emploi.

Ce qui suit est le texte du blog :

Rowan Zellers a présenté ses travaux sur le raisonnement visuel de bon sens au CVPR 2019.

J’étais très nerveux et stressé pendant le processus de prise de décision – c’était comme un retournement de situation à ce moment-là – mais au final, je suis vraiment content de la façon dont les choses se sont déroulées. Pour moi, il y a deux facteurs clés en jeu :

1) Je sens que je peux faire ce qui me passionne chez OpenAI

2) San Francisco, où est basé OpenAI, est un endroit formidable ; vivre et travailler en ville.

Dans cet article, je discuterai plus en détail du processus de prise de décision.

Pourquoi écrire ce post d'expérience ?

Lors de ma recherche d'emploi, j'ai reçu de nombreux et bons conseils de la part de professeurs de mon réseau social sur la manière de postuler à un emploi, de passer un entretien et de créer une bonne candidature. (Dans la première partie de cette série, j'ai essayé de distiller ces conseils dans un article empirique sur la candidature à un emploi.)

Cependant, quand est venu le temps de prendre une décision, je me sentais encore un peu seul. J'avoue que j'ai eu beaucoup de chance de disposer d'un réseau aussi solide de professeurs et de chercheurs industriels que je peux contacter à propos de ces sujets. Mais le choix entre deux cheminements de carrière est davantage une décision personnalisée et personnelle, sans « bonne réponse » dans une certaine mesure.

Un autre facteur influençant la prise de décision est que la plupart des gens que je connais semblent avoir choisi un camp entre le monde universitaire et l'industrie. La plupart des professeurs que je connais sont fermement ancrés dans le système universitaire (même s'il y a quelques expériences dans l'industrie), et la plupart des gens que je connais dans l'industrie n'ont jamais sérieusement envisagé le monde universitaire comme une carrière.

Cela me semble particulièrement bizarre. Parce qu'au milieu de mon doctorat, ma motivation pour décider d'emprunter la « voie académique » était que cela me permettrait de reporter la décision finale entre l'université et l'industrie – étant donné que l'opinion commune est que passer de l'université à l'industrie est plus facile. plutôt que de tourner dans l'autre sens. Cependant, presque quelques années plus tard, j’ai réalisé que suivre la voie académique faisait en réalité partie de mon identité professionnelle. Beaucoup de mes pairs faisaient la même chose, j’ai donc senti qu’il y avait une force qui me poussait vers la voie académique.

Quoi qu'il en soit, j'ai écrit cet article pour fournir une perspective N=1 et opiniâtre sur la façon dont j'ai pris mes propres décisions parmi des choix assez différents.

En cours de recherche d'un emploi universitaire

Ma perspective sur mon travail et mes objectifs a changé

Mon bureau pendant la pandémie. ​

En arrière-plan, j'étais doctorant à l'Université de Washington de 2016 à 2022 et j'ai vraiment adoré le processus. Mon domaine de recherche porte sur l'intelligence artificielle multimodale : la création de systèmes d'apprentissage automatique capables de comprendre le langage, la vision et le reste du monde.

Comme écrit dans la première partie de cette série, les intérêts de recherche ont façonné mon cheminement de carrière prédéfini. Ce qui me passionne le plus, c'est de faire de la recherche fondamentale et d'encadrer de jeunes chercheurs. Au moins au niveau traditionnel de l'informatique, c'est la priorité du monde universitaire, tandis que l'industrie se spécialise dans la recherche appliquée et s'efforce de traduire les avancées scientifiques en produits performants.

La recherche d'un emploi dans le milieu universitaire m'a donné une idée de ce que c'était que d'être professeur dans de nombreuses institutions et sous-domaines CS différents. J'ai parlé avec plus de 160 professeurs lors de tous mes entretiens. En fin de compte, je ne savais pas vraiment si le monde universitaire était entièrement fait pour moi.

Faire de la recherche fondamentale à grande échelle dans le milieu universitaire est difficile

Au cours des six dernières années, le milieu universitaire (plus précisément, la recherche de mon conseiller au groupe de l'Université de Washington) a été un très bon environnement pour moi. J’ai été motivé à poursuivre une direction de recherche qui me passionnait et j’ai reçu un soutien généreux en termes de mentorat et de ressources. Dans ces conditions, je suis en mesure de mener des recherches sur la création de systèmes d’IA multimodaux qui s’améliorent à mesure qu’ils évoluent et génèrent ensuite (pour moi) plus de questions que de réponses.

En comparaison, la plupart des laboratoires de recherche des grandes industries à cette époque ne me semblaient pas correspondre à mes intérêts. J'ai essayé de postuler pour des stages pendant mon doctorat, mais je n'ai jamais réussi à en trouver un qui semblait correspondre à mon programme de recherche. La plupart des équipes industrielles que je connais sont principalement axées sur le langage ou sur le visuel, et je ne pouvais pas choisir l'une ou l'autre. J'ai passé beaucoup de temps à l'Allen Institute for Artificial Intelligence, un laboratoire de recherche à but non lucratif qui semble très académique en comparaison.

Cependant, les choses changent. Dans les domaines sur lesquels je me concentre, je crains qu’il soit difficile, et de plus en plus difficile, de mener des recherches révolutionnaires sur la création de systèmes dans le milieu universitaire.

La réalité est que construire un système est vraiment difficile. Cela nécessite beaucoup de ressources et beaucoup d’ingénierie. Je pense que la structure d’incitation du monde universitaire n’est pas adaptée à ce type de recherche coûteuse et à haut risque visant à créer un système.

Construire un système artificiel et démontrer qu'il évolue bien peut prendre des années à un étudiant diplômé et plus de 100 000 $ en frais informatiques non subventionnés. Et à mesure que le domaine se développe, ces chiffres semblent augmenter de façon exponentielle. Donc rédiger beaucoup d’articles n’est pas une stratégie viable, du moins cela ne devrait pas être l’objectif pour le moment, mais malheureusement je connais beaucoup d’universitaires qui ont tendance à utiliser le nombre d’articles comme mesure objective. De plus, les articles sont la « monnaie d'échange » utilisée par la communauté universitaire pour demander un financement. Nous devons rédiger beaucoup d'articles, avoir de quoi parler lors de conférences, trouver des opportunités de stage pour les étudiants, etc. Dans le sens où une carrière universitaire réussie consiste à aider les étudiants à élaborer leurs propres programmes de recherche (ils peuvent devenir professeurs ailleurs et le cycle peut se poursuivre), cela est intrinsèque à la collaboration requise pour mener à bien une recherche de grande tension.

Cependant, je pense que la tendance plus large est un virage du monde universitaire vers la recherche appliquée.

À mesure que la technologie des modèles devient de plus en plus puissante et que le coût de construction devient de plus en plus élevé, de plus en plus de chercheurs tentent de créer des applications sur le modèle. C’est également une tendance que je constate dans les deux domaines majeurs de la PNL et du CV. Ceci, à son tour, a affecté les questions auxquelles les cercles universitaires prêtent attention et discutent, et les chercheurs ont commencé à se soucier de la manière de résoudre certains problèmes pratiques et spécifiques.

Dans le monde académique, je pense que pour mener à bien une recherche, je dois passer par plusieurs étapes, notamment la levée de fonds et la création d'un laboratoire, pour pouvoir ensuite lancer officiellement le projet de recherche scientifique. Lorsque j'obtiens enfin un bon résultat de recherche, plusieurs années peuvent s'être écoulées. Peut-être que quelqu'un a déjà obtenu des résultats révolutionnaires au cours de cette période, et il m'est difficile de me démarquer sur cette voie. Cela dit, les progrès dans ce domaine ont été très rapides ces dernières années.

De manière plus réaliste, si j'échoue dans une piste, je devrai peut-être changer l'orientation de mes recherches. Cependant, ce n’était pas mon intention initiale et c’est probablement la principale raison pour laquelle j’ai fini par m’orienter vers l’industrie.

Autres différences entre le monde universitaire et l'industrie

Dans mon domaine d'études, toutes les responsabilités d'un professeur universitaire incluent l'enseignement (et la préparation du matériel pédagogique), la contribution à l'académie et au domaine, la construction et la gestion de l'infrastructure informatique, la demande de subventions, et fonds d'administration, etc. Même si je trouve ces choses intéressantes, je ne veux pas gérer autant de scénarios de travail en même temps, ce qui nécessite une forte capacité de travail pour le faire avec aisance. Je veux que mon travail soit concentré sur une tâche importante, comme l'enseignement.

De même, pendant mon doctorat, j'aime me concentrer sur une seule question de recherche importante à la fois. Je pense que ce type de scène de travail ciblée existe davantage dans l'industrie. En tant que professeur, il n'est vraiment pas facile de faire des expériences et d'écrire du code en même temps, et l'industrie a une division du travail plus claire.

Je pense que beaucoup de gens sont inconsciemment attirés par le monde universitaire en raison du prestige que cela donne aux gens, mais je n'aime pas ça. Je pense que me concentrer sur les classements et la réputation m’amène à poursuivre de mauvais objectifs et me laisse perdu. D’un autre côté, de nombreuses personnes sont également attirées par ce secteur car il offre des salaires plus élevés, ce qui est important. Heureusement, j'ai trouvé un environnement qui m'a apporté plus de satisfaction intérieure.

Sécurité de l'emploi et de la carrière​

Je pense que beaucoup de gens comprennent mal la titularisation. Il est vrai que les postes menant à la permanence, comme le poste de professeur, sont stables et offrent une sécurité d'emploi. Mais pour ceux qui sont confrontés à un emploi, le marché du travail universitaire est également très complexe. Bien entendu, contrairement aux chercheurs industriels, les chercheurs universitaires peuvent facilement changer d’emploi, même en période de récession.

Dans le milieu universitaire, je peux théoriquement être libre de rechercher n'importe quel sujet, mais en pratique, je pourrais être freiné par le manque de ressources ou d'un environnement suffisamment favorable. J'ai rejoint OpenAI car j'ai reçu ici un excellent soutien pour résoudre les problèmes qui m'intéressent le plus. Je pense que pour tout laboratoire industriel, la résolution des problèmes qui me tiennent à cœur doit être alignée sur les produits de l'entreprise, et OpenAI propose précisément cet arrangement.

Travailler au sein de l'équipe d'OpenAI me donne l'opportunité d'encadrer de jeunes chercheurs et d'acquérir de nombreuses ressources de recherche. Plus important encore, je suis déterminé à résoudre des problèmes difficiles qui me tiennent à cœur.

Ces raisons m'ont poussé à choisir de signer un poste à temps plein chez OpenAI. Après six mois de travail, il s'avère que j'aime vraiment travailler chez OpenAI.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!