Adakah OpenAI berbaloi untuk melepaskan tawaran kolej untuk menyertai?

Bagi pelajar kedoktoran yang ingin mencari pekerjaan dalam bidang sains komputer, bagaimana untuk memilih antara akademik dan industri?

Semasa proses pencarian kerja, Rowan Zellers, seorang pelajar kedoktoran di University of Washington, pada asalnya bertujuan untuk mencari jawatan mengajar Memasuki akademik adalah laluan yang dia tetapkan semasa Ph. D. Untuk tujuan ini, beliau merangka senarai sasaran, menulis banyak bahan aplikasi, dan menggunakan rangkaian sosialnya dalam bidang akademik untuk mencari lebih banyak peluang.

Dalam masa yang sama, dia juga mula didedahkan dengan peluang dalam industri. Komunikasi dengan syarikat industri secara beransur-ansur menggoncang idea Rowan Zellers Dia mendapati bahawa untuk bidang penyelidikannya - kecerdasan buatan pelbagai mod - adalah sukar dan semakin sukar untuk melakukan penyelidikan asas berskala besar dalam bidang akademik, dan Peluang dalam industri semakin banyak. .

Walaupun syarikat teknologi sekitar 2022 telah memperlahankan atau membekukan pengambilan pekerja, Rowan Zellers masih menemui peluang yang lebih menarik-OpenAI melemparkan cabang zaitun kepadanya.

Pada peringkat akhir pencarian pekerjaan, dia melakukan sesuatu yang tidak pernah difikirkannya - dia menolak semua jawatan akademik dan memutuskan untuk menandatangani tawaran OpenAI. Pada Jun 2022, Rowan Zellers secara rasmi mengucapkan selamat tinggal kepada masa persekolahan bertahun-tahun dan menyertai OpenAI.

Apakah yang membolehkan dia mengubah pemikirannya dalam masa setahun? Dalam catatan blog baru-baru ini, Rowan Zellers berkongsi beberapa petua memburu pekerjaannya.

Berikut ialah teks blog:

Rowan Zellers di CVPR 2019 Pamerkan karya anda pada penaakulan akal sehat visual.

Saya sangat gementar dan tertekan semasa proses membuat keputusan — rasanya seperti perubahan pada masa itu — tetapi akhirnya saya sangat gembira dengan bagaimana keadaan menjadi. Bagi saya, terdapat dua faktor utama yang dimainkan:

1) Saya rasa saya boleh melakukan perkara yang saya minati di OpenAI >2) San Francisco, di mana OpenAI berada; , adalah bandar yang sangat sesuai untuk didiami dan bekerja.

Dalam artikel ini, saya akan membincangkan proses membuat keputusan dengan lebih lanjut.

Mengapa menulis siaran pengalaman ini?

Semasa proses pencarian kerja, saya mendapat banyak maklumat daripada profesor dalam rangkaian sosial tentang cara memohon pekerjaan, bagaimana untuk temu bual, dan bagaimana untuk Nasihat yang bagus untuk mencipta aplikasi yang hebat. (Dalam bahagian pertama siri ini, saya cuba menyaring cadangan ini ke dalam artikel pengalaman tentang memohon pekerjaan.)

Namun, apabila tiba masanya untuk membuat keputusan, saya masih berasa sunyi sikit. Saya mengakui bahawa saya sangat bertuah kerana mempunyai rangkaian profesor dan penyelidik industri yang begitu kuat yang boleh saya hubungi mengenai perkara ini. Tetapi keputusan antara laluan kerjaya lebih kepada keputusan peribadi yang disesuaikan, dengan "tiada jawapan yang betul" pada tahap tertentu.

Satu lagi faktor yang mempengaruhi proses membuat keputusan ialah kebanyakan orang yang saya kenal nampaknya telah memilih bahagian antara akademik dan industri. Kebanyakan profesor yang saya kenali tegas dalam sistem akademik (walaupun terdapat beberapa usaha dalam industri), dan kebanyakan orang yang saya kenali dalam industri tidak pernah serius menganggap akademik sebagai kerjaya.

Ini amat pelik bagi saya. Kerana pada pertengahan PhD saya, motivasi saya untuk membuat keputusan untuk pergi ke "laluan akademik" adalah bahawa berbuat demikian akan membolehkan saya menangguhkan keputusan muktamad antara akademia atau industri-memandangkan pandangan umum ialah berpindah dari akademik ke industri Lebih mudah daripada berpaling ke arah lain. Walau bagaimanapun, hampir beberapa tahun kemudian, saya menyedari bahawa mengambil laluan akademik sebenarnya adalah sebahagian daripada identiti profesional saya, ramai rakan sebaya saya melakukan perkara yang sama, jadi saya merasakan ada satu kuasa yang mendorong saya ke arah laluan akademik.

Apa-apa pun, saya menulis siaran ini untuk memberikan pandangan N=1 dan berpandangan tentang cara saya membuat keputusan sendiri antara beberapa pilihan yang agak berbeza.

Semasa mencari pekerjaan akademik

Perspektif saya tentang kerja dan matlamat saya berubah

Pejabat saya semasa epidemik. ​

Sebagai latar belakang, saya adalah pelajar PhD di University of Washington dari 2016 hingga 2022 dan sangat menyukai proses itu. Bidang penyelidikan saya ialah mengenai kecerdasan buatan berbilang mod—membina sistem pembelajaran mesin yang boleh memahami bahasa, penglihatan dan seluruh dunia.

Seperti yang ditulis dalam bahagian pertama siri ini, minat penyelidikan membentuk laluan kerjaya pratetap saya. Saya sangat teruja untuk melakukan penyelidikan asas dan membimbing penyelidik junior. Sekurang-kurangnya pada peringkat tradisional dalam pengkomputeran, ini adalah tumpuan akademik, manakala industri mengkhusus dalam penyelidikan gunaan dan berusaha untuk menterjemahkan kemajuan saintifik kepada produk yang berjaya.

Mencari kerja dalam bidang akademik memberi saya gambaran tentang bagaimana rasanya menjadi profesor di banyak institusi dan subbidang CS yang berbeza. Saya bercakap dengan lebih 160 profesor dalam semua temu bual saya. Pada akhirnya, saya tidak pasti sama ada akademik adalah untuk saya sepenuhnya.

Sukar untuk melakukan penyelidikan asas berskala besar dalam akademik

Academia (lebih khusus, kumpulan penyelidikan penasihat saya di Universiti Washington) telah menjadi persekitaran yang sangat baik untuk saya sejak enam tahun yang lalu. Saya terdorong untuk meneruskan hala tuju penyelidikan yang menggembirakan saya dan menerima sokongan yang baik dari segi bimbingan dan sumber. Dengan syarat ini, saya dapat mengetuai penyelidikan tentang membina sistem AI multimodal yang bertambah baik mengikut skala dan kemudian, (bagi saya) menjana lebih banyak soalan daripada jawapan.

Sebaliknya, kebanyakan makmal penyelidikan industri besar pada masa itu merasakan ia tidak sesuai dengan minat saya. Saya cuba memohon latihan semasa PhD saya tetapi tidak pernah berjaya mencari yang selaras dengan agenda penyelidikan saya. Kebanyakan pasukan industri yang saya kenali terutamanya tertumpu pada bahasa atau visual, dan saya tidak boleh memilih satu atau yang lain. Saya menghabiskan banyak masa di Institut Allen untuk Kecerdasan Buatan, makmal penyelidikan bukan untung yang berasa sangat akademik jika dibandingkan.

Walau bagaimanapun, keadaan berubah. Dalam bidang yang saya fokuskan, saya bimbang bahawa melakukan penyelidikan pembinaan sistem terobosan dalam akademik adalah sukar dan semakin sukar.

Realitinya membina sistem memang sukar. Ia memerlukan banyak sumber dan banyak kejuruteraan. Saya rasa struktur insentif dalam akademik tidak sesuai untuk jenis penyelidikan pembinaan sistem kos tinggi dan berisiko tinggi ini.

Membina sistem buatan dan menunjukkan bahawa ia berskala dengan baik boleh mengambil masa bertahun-tahun pelajar siswazah dan lebih $100,000 dalam yuran pengkomputeran tanpa subsidi. Dan apabila bidang itu berkembang, bilangan ini nampaknya meningkat secara eksponen. Jadi menulis banyak kertas bukanlah strategi yang berdaya maju, sekurang-kurangnya ia tidak sepatutnya menjadi matlamat sekarang, tetapi malangnya saya tahu ramai ahli akademik yang cenderung menggunakan bilangan kertas sebagai ukuran objektif. Selain itu, kertas kerja adalah "cip tawar-menawar" yang digunakan oleh komuniti akademik untuk memohon pembiayaan Kami perlu menulis banyak kertas, mempunyai sesuatu untuk dibincangkan di persidangan, mencari peluang latihan untuk pelajar, dll. Dalam erti kata bahawa kerjaya akademik yang berjaya adalah tentang membantu pelajar mengukir agenda penyelidikan mereka sendiri (mereka mungkin menjadi profesor di tempat lain, dan kitaran boleh diteruskan), ini adalah intrinsik kepada kerjasama yang diperlukan untuk melakukan penyelidikan ketegangan yang hebat.

Walau bagaimanapun, saya rasa trend yang lebih meluas adalah ke arah penyelidikan gunaan dalam akademik.

Apabila teknologi model semakin berkuasa dan kos pembinaan semakin tinggi, semakin ramai sarjana cuba membina aplikasi di atas model. Ini juga merupakan trend yang saya lihat dalam dua bidang utama NLP dan CV. Ini, seterusnya, telah menjejaskan isu yang diberi perhatian dan dibincangkan oleh kalangan akademik, dan penyelidik telah mula mengambil berat tentang cara menyelesaikan beberapa masalah praktikal dan khusus.

Dalam dunia akademik, saya berpendapat bahawa untuk menyelesaikan penyelidikan yang berjaya, saya perlu melalui beberapa peringkat, termasuk mengumpul dana dan menubuhkan makmal, dan kemudian saya boleh memulakan projek penyelidikan saintifik secara rasmi. Apabila saya akhirnya mendapat hasil penyelidikan yang baik, beberapa tahun mungkin telah berlalu Mungkin seseorang telah membuat keputusan cemerlang dalam tempoh ini, dan sukar bagi saya untuk menonjol di landasan ini. Oleh itu, kemajuan dalam bidang ini sangat pesat dalam beberapa tahun kebelakangan ini.

Lebih realistik, jika saya gagal dalam trek, saya mungkin perlu menukar arah penyelidikan saya. Walau bagaimanapun, itu bukan niat asal saya dan mungkin sebab utama mengapa saya akhirnya pergi ke laluan industri.

Perbezaan lain antara akademia dan industri

Dalam bidang penyelidikan saya, semua tanggungjawab profesor akademik termasuk mengajar (dan menyediakan bahan pengajaran), dan menyumbang kepada akademi dan bidang , membina dan mengurus infrastruktur pengkomputeran, memohon geran dan mengurus dana, dan banyak lagi. Walaupun saya rasa perkara ini menarik, saya tidak mahu berurusan dengan begitu banyak senario kerja pada masa yang sama, yang memerlukan keupayaan kerja yang kuat untuk melakukannya dengan mudah. Saya mahu tugas saya tertumpu kepada tugas penting, seperti mengajar.

Begitu juga, semasa PhD saya, saya suka menumpukan pada satu soalan kajian penting sahaja pada satu masa. Saya rasa adegan kerja tertumpu seperti ini lebih wujud dalam industri. Sebagai seorang profesor, bukan mudah untuk melakukan eksperimen dan menulis kod pada masa yang sama, dan industri mempunyai pembahagian kerja yang lebih jelas.

Saya rasa ramai orang secara tidak sedar tertarik kepada akademik kerana prestij yang diberikan kepada orang ramai, tetapi saya tidak suka itu. Saya fikir memfokuskan pada kedudukan dan reputasi membawa saya untuk mengejar matlamat yang salah dan membuatkan saya berasa tersesat. Sebaliknya, ramai orang juga tertarik dengan industri kerana ia menawarkan gaji yang lebih tinggi, yang penting. Nasib baik saya dapati persekitaran yang memberi saya lebih kepuasan dalaman.

Keselamatan Pekerjaan dan Kerjaya​

Saya rasa ramai yang salah faham tentang jawatan. Memang benar bahawa jawatan-jawatan tenure-track seperti jawatan profesor adalah stabil dan mempunyai jaminan pekerjaan. Tetapi bagi mereka yang menghadapi pekerjaan, pasaran kerja akademik juga sangat kompleks. Sudah tentu, tidak seperti penyelidik industri, penyelidik akademik boleh menukar pekerjaan dengan mudah walaupun dalam kemelesetan.

Dalam bidang akademik, saya secara teorinya bebas untuk menyelidik mana-mana topik, tetapi dalam praktiknya saya mungkin terhalang kerana tidak mempunyai sumber yang mencukupi atau persekitaran yang cukup menyokong. Saya menyertai OpenAI kerana saya menerima sokongan hebat di sini untuk menyelesaikan masalah yang paling menarik minat saya. Saya fikir untuk mana-mana makmal industri, menyelesaikan masalah yang saya ambil berat perlu diselaraskan dengan produk syarikat, dan OpenAI hanya mempunyai susunan itu.

Bekerja dalam pasukan di OpenAI memberi saya peluang untuk membimbing penyelidik junior dan memperoleh sumber penyelidikan yang mencukupi. Lebih penting lagi, saya terdorong untuk menyelesaikan masalah mencabar yang penting bagi saya.

Inilah sebab mengapa saya memilih untuk menandatangani jawatan sepenuh masa di OpenAI. Setengah tahun saya bekerja, ternyata saya sangat seronok bekerja di OpenAI.

Atas ialah kandungan terperinci Adakah OpenAI berbaloi untuk melepaskan tawaran kolej untuk menyertai?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!