OpenAI は大学からの参加オファーを放棄する価値がありますか?

コンピュータ サイエンスの分野で仕事を見つけたいと考えている博士課程の学生は、学術界と産業界のどちらを選択すればよいでしょうか?

ワシントン大学の博士課程の学生であるローワン ゼラーズさんは、就職活動の過程で、当初は教職に就くことを目指していました。 D.この目的を達成するために、彼は目標リストを作成し、多くの応募書類を作成し、学界のソーシャル ネットワークを活用してさらなる機会を探しました。

同時に、彼は業界でのチャンスにも触れ始めました。業界企業とのコミュニケーションにより、ローワン ゼラーズの考えは徐々に揺さぶられ、自分の研究分野であるマルチモーダル人工知能については、学術界で大規模な基礎研究を行うことがますます難しくなり、産業界での機会がますます豊富になっていることに気づきました。 。

2022 年頃のテクノロジー企業は雇用を減速または凍結しましたが、ローワン ゼラーズ氏は依然としてより魅力的な機会を見つけました。OpenAI は彼にオリーブの枝を投げました。

就職活動の最終段階で、彼は考えたこともなかった行動をとりました。学術職をすべて拒否し、OpenAI のオファーに署名することにしました。 2022 年 6 月、ローワン ゼラーズは長年の学校生活に正式に別れを告げ、OpenAI に参加しました。

なぜ彼は 1 年以内に考え方を変えることができたのでしょうか?最近のブログ投稿で、Rowan Zellers は就職活動のヒントをいくつか共有しました。

以下はブログの本文です:

ローワン ゼラーズCVPR 2019 では、視覚的な常識推論に関するあなたの作品を紹介します。

#意思決定のプロセス中、私は非常に緊張し、ストレスを感じました - 当時は紆余曲折を感じました - しかし、最終的には非常に満足していました。物事がどうなったか。私にとって、重要な要素は 2 つあります:

1) OpenAI では自分が情熱を持っていることができると感じています;

# ＃＃２）OpenAIの本拠地であるサンフランシスコは、住むにも働くにも素晴らしい都市です。

この記事では、意思決定プロセスについてさらに詳しく説明します。

なぜこの体験投稿を書くのか?

#就職活動の過程で、SNSで先生方から応募方法についてたくさんの情報をいただきましたが、面接の仕方と方法 優れた応募書類を作成するための素晴らしいアドバイス。 (このシリーズの最初の部分では、私はこのアドバイスを仕事への応募に関する経験的な記事にまとめようとしました。)

しかし、実際に決断する段になると、私はまだ次のように感じていました。少し一人で。。私は、これらのことについて連絡できる教授や業界研究者の強力なネットワークを持っていることが非常に幸運だったことを認めます。しかし、キャリアパスの決定はカスタマイズされた個人的な決定であり、ある程度「正解はありません」。

この決定に影響を与えたもう 1 つの要因は、私の知り合いのほとんどが学界と産業界のどちらかの側を選択しているように見えたことです。私が知っている教授のほとんどは学術システムにしっかりと属しており（産業界に少し手を出している人もいますが）、私が知っている産業界の人々のほとんどは、学術をキャリアとして真剣に考えたことはありません。

これは私にとって特に奇妙に感じます。なぜなら、博士課程の途中で、私が「学術の道」に進むことを決めた動機は、そうすることで、学術界か産業界かの最終決定を先送りできるからでした。一般的な見方では、学術界から産業界に移るほうが簡単だからです。反対方向を向くよりも。しかし、ほぼ数年後、アカデミックな道を歩むことが実際に私の職業上のアイデンティティの一部であることに気づきました。多くの同僚が同じことをしていたので、アカデミックな道へ私を後押しする力があると感じました。

とにかく、私がこの投稿を書いたのは、いくつかのかなり異なる選択肢の中から私がどのようにして自分自身の決定を下したかについて、N=1 の独自の視点を提供するためです。

大学の仕事を探す過程で

自分の仕事と目標に対する見方が変わりました

##流行中の私のオフィス。

#背景として、私は 2016 年から 2022 年までワシントン大学の博士課程の学生であり、このプロセスがとても気に入りました。私の研究分野は、マルチモーダル人工知能、つまり言語、視覚、その他の世界を理解できる機械学習システムの構築に関するものです。

このシリーズの最初の部分で書いたように、研究への関心が私のあらかじめ設定されたキャリアパスを形作ってきました。私は基礎研究を行うことと、後進の研究者を指導することに最も興奮しています。少なくとも伝統的なコンピューティングのレベルでは、これが学術界の焦点であり、産業界は応用研究に特化し、科学の進歩を成功した製品につなげようと努めています。

学界での仕事を探していたことで、さまざまな機関や CS の下位分野で教授になることがどのようなものなのかを知ることができました。私はすべてのインタビューで160人以上の教授と話をしました。結局のところ、学術界が私にとって完全に向いているのかどうかはよく分かりませんでした。

#学術界で大規模な基礎研究を行うのは難しい

##学術界 (より具体的には、ワシントン大学の私の指導者の研究グループ) は、過去 6 年間、私にとって非常に良い環境でした。私は自分を刺激する研究の方向性を追求することに駆り立てられ、指導とリソースの面で寛大なサポートを受けました。これらの条件により、私は、規模が拡大するにつれて改善し、(私にとって) 答えよりも多くの質問を生成するマルチモーダル AI システムの構築に関する研究を主導することができます。

対照的に、当時の大手業界の研究機関のほとんどは、私の興味にぴったりとは思えませんでした。私は博士課程の在学中にインターンシップに応募しようとしましたが、自分の研究課題に合致しそうなインターンシップを見つけることができませんでした。私が知っているほとんどの業界チームは主に言語に重点を置いているか、ビジュアルに重点を置いており、どちらかを選ぶことはできませんでした。私はアレン人工知能研究所で多くの時間を過ごしました。これは非営利の研究機関で、比較すると非常に学術的だと感じられます。

しかし、状況は変わりつつあります。私が注力している分野では、学術界で画期的なシステム構築研究を行うのは難しく、さらに難しくなっているのではないかと心配しています。

システムを構築するのは非常に難しいのが現実です。それには多くのリソースと多くのエンジニアリングが必要です。アカデミアのインセンティブ構造は、このような高コスト・高リスクのシステム構築研究には向いていないのではないかと思います。

人工システムを構築し、それが適切に拡張できることを実証するには、大学院生が何年もかかり、補助金なしのコンピューティング費用として 10 万ドル以上がかかります。そして、この分野が成長するにつれて、これらの数は指数関数的に増加しているようです。したがって、多くの論文を書くことは実行可能な戦略ではなく、少なくとも現時点ではそれが目標であるべきではありませんが、残念ながら、論文の数を客観的な尺度として使用する傾向がある学者を多く知っています。さらに、論文は学術コミュニティが資金を申請する際に使用する「交渉の材料」であり、多くの論文を書く、学会で話す内容を用意する、学生のためのインターンシップの機会を見つけるなどの必要があります。学術的なキャリアの成功とは、学生が自分自身の研究課題を切り開くのを助けることであるという意味で（彼らは他の場所で教授になり、そのサイクルは続く可能性があります）、これは優れた研究を行うために必要な協力に本質的に関係しています。

しかし、より広範な傾向は学術界における応用研究に向かっていると思います。

モデル テクノロジがますます強力になり、構築コストがますます高くなるにつれて、ますます多くの学者がモデル上にアプリケーションを構築しようとしています。これは、NLP と CV の 2 つの主要な分野でも見られる傾向です。このことは、学術界が注目し議論する問題にも影響を及ぼし、研究者たちはいくつかの実践的で具体的な問題を解決する方法に関心を持ち始めています。

学術の世界では、研究を成功させるには、資金調達や研究室の設立など複数の段階を経て、正式に科学研究プロジェクトを開始できると思います。ようやく良い研究結果が得られるのは数年後かもしれませんが、もしかしたらこの間に誰かがすでに画期的な成果を上げており、この分野で私が目立つことは難しいかもしれません。そうは言っても、この分野の進歩はここ数年で非常に急速でした。

もっと現実的に言えば、あるトラックで失敗した場合、研究の方向性を変更する必要があるかもしれません。しかし、それは私の当初の意図ではなく、おそらくそれが私が最終的に業界の道を歩むことになった主な理由でした。

学術界と産業界のその他の違い

私の研究分野では、学術教授のすべての責任には、教育 (および教材の準備) と、学術界と産業界への貢献が含まれます。フィールド、コンピューティング インフラストラクチャの構築と管理、補助金の申請と資金の管理など。私はこれらのことに興味を持っていますが、同時に多くの作業シナリオに対処したくありません。それを簡単に実行するには高い作業能力が必要です。私は自分の仕事を、教えるなどの重要な仕事に集中させたいと思っています。

同様に、博士課程の期間中、私は一度に 1 つの重要な研究課題だけに焦点を当てることを好みます。このような集中的な作業現場は業界の中にもっと存在すると思います。教授として、実験とコードの作成を同時に行うのは実際には簡単ではありません。業界では仕事の分担がより明確になっています。

学術界が与える名誉のために、多くの人が無意識のうちに学術界に惹かれていると思いますが、私はそれが好きではありません。ランキングや評判を気にすると、間違った目標を追い求めてしまい、迷ってしまうと思います。一方で、重要な高い給与が得られることから、多くの人がこの業界に惹かれています。幸いなことに、私はより内面的な満足感を与えてくれる環境を見つけました。

仕事とキャリアの保障

私は多くの人が在職期間を誤解していると思います。確かに教授などのテニュアトラック職は安定しており、雇用の保障がある。しかし、就職に直面している人々にとって、大学の就職市場は非常に複雑でもあります。もちろん、産業界の研究者と違って、学術研究者は不況下であっても簡単に転職することができます。

学術界では、理論的にはどんなテーマでも自由に研究できますが、実際には十分なリソースや十分な支援環境がないために研究が妨げられる可能性があります。私が OpenAI に参加したのは、私が最も関心のある問題を解決するためにここで素晴らしいサポートを受けたからです。どの業界のラボでも、私が関心を持っている問題を解決するには、その会社の製品と連携する必要があると思いますが、OpenAI はまさにその取り決めを備えています。

OpenAI のチームで働くことで、後輩の研究者を指導し、十分な研究リソースを得る機会が得られます。さらに重要なのは、私にとって重要な困難な問題を解決することに意欲的に取り組んでいることです。

これらが、私が OpenAI でフルタイムのポジションに署名することを選んだ理由です。入社して半年が経ち、OpenAI での仕事を本当に楽しんでいることが分かりました。

以上がOpenAI は大学からの参加オファーを放棄する価値がありますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。