2024年neurips大会在温哥华落幕，会上既有ilya sutskever关于预训练模型未来走向的预测，也有mit教授公开歧视中国学生的争议事件。 大会展现了人工智能领域的蓬勃发展，15671篇论文投稿，接收率仅25.8%，竞争激烈。 然而，这并非研究者们挫败感的唯一来源。
纽约大学教授Kyunghyun Cho的一篇博客文章“我在NeurIPS’24上感受到了焦虑和挫败”引发热议。文章指出，许多博士生和博士后面临就业困境：企业对标准化机器学习开发技能的需求增加，而对博士生所擅长的研究和创新需求则下降，导致许多博士难以找到合适的工作。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
一些读者表示认同，认为在科技行业，除了专业技能，还需要LeetCode、系统设计和领导力方面的能力。
也有读者指出，博士研究人员虽然薪资较高，但行业需求有限，企业不需要大量研究科学家。
当然，也有观点认为，NeurIPS参会者已具备顶会论文，找工作不成问题。
以下为Kyunghyun Cho教授博客全文：
我在NeurIPS’24上感受到了焦虑和挫败
NeurIPS’24的一个显著现象是：高年级博士生和博士后对就业市场感到焦虑和挫败，现实与五年前申请博士项目时的预期大相径庭。 这促使我对人工智能领域现状进行反思。
过去十年，深度学习在语音识别、图像识别和机器翻译等领域取得了突破性进展。自2014年以来，各行各业都积极参与到这场变革中。
由于深度学习在当时并未普及，本科教育对此涉及甚少，导致人才供需严重失衡。公司开始从少数实验室高薪招募博士生，甚至争抢教授。
这种竞争导致博士生薪酬大幅上涨，学术界与工业界的薪资差距进一步扩大，大学难以招揽人才。
一个有趣的副作用是：公司即使无需博士生直接贡献营收，也会招聘他们以应对未来的变革。当时许多博士可以自由选择研究方向，这类似于学术职位，但薪资更高，且没有教学和行政压力。
这吸引了大量学生申请人工智能博士项目，但导师数量有限，导致人才培养速度跟不上需求增长。
然而，这种模式不可持续。深度学习必须持续创新才能维持人才梯队。 新一代博士将深度学习产品化，将未来带入现在。
产品化需要标准化流程，这与科研的创新精神背道而驰。博士生不擅长标准化流程，因此博士学位的必要性下降。
产品化也创造了清晰的收入路径，公司不再需要那么多博士，因为本科生和硕士生也能胜任标准化流程下的工作。
大学也开始在本科和硕士阶段教授相关技能，进一步降低了对博士生的需求。
这导致许多博士生感到焦虑和挫败，他们之前对职业前景的期待与现实差距甚大。
但这并不意味着大模型之外的人工智能研究不重要。例如，在Prescient Design，我们持续招聘博士研究科学家，从事不确定性量化、因果机器学习等领域的研究。
大模型只是人工智能的一个子领域，对它的过度关注容易遮蔽其他重要领域。
我理解这些学生感受到的焦虑和挫败，但目前我也不知道该如何帮助他们。
参考链接:
