作者：Rowan Zellers

(資料圖片)

省流版：「如果你的研究領(lǐng)域涉及大規(guī)模的基礎(chǔ)研究，那么當(dāng)下的工業(yè)界或許是個不錯的去向?！?/p>

對于一位想在計算機科學(xué)領(lǐng)域求職的博士生來說，當(dāng)下的學(xué)術(shù)界和工業(yè)界，怎么選？

在求職過程中，華盛頓大學(xué)博士生 Rowan Zellers 的目標(biāo)原本是找到一份教職，進入學(xué)術(shù)界是自己博士期間就定下的路線。為此，他起草了一份目標(biāo)名單，寫了許多份申請材料，還動用了自己在學(xué)術(shù)界的社交資源網(wǎng)絡(luò)，尋找更多的機會。

同時，他也開始接觸工業(yè)界的機會。與業(yè)界公司的交流逐漸動搖了 Rowan Zellers 的想法，他發(fā)現(xiàn)對于自己的研究領(lǐng)域 —— 多模態(tài)人工智能 —— 來說，在學(xué)術(shù)界做大規(guī)模的基礎(chǔ)研究很困難且越來越難，而工業(yè)界的機會卻越來越豐富。

雖然 2022 年前后的科技公司紛紛放緩或凍結(jié)招聘，Rowan Zellers 還是找到了更具吸引力的機會 ——OpenAI 向他拋來了橄欖枝。

在找工作的最后階段，他做了一件自己完全沒有想到過的事情 —— 拒絕所有的學(xué)術(shù)職位，決定簽下 OpenAI 的 Offer。2022 年 6 月，Rowan Zellers 正式告別了多年的校園時光，加入 OpenAI。

是什么讓他在一年之內(nèi)實現(xiàn)了觀念的轉(zhuǎn)變？在最近的博客文章中，Rowan Zellers 分享了自己的一些求職心得。

以下是博客正文：

Rowan Zellers 在 CVPR 2019 上展示自己在視覺常識推理方面的工作。

在決策過程中，我非常緊張，壓力很大 — 當(dāng)時感覺就像一個轉(zhuǎn)折 — 但最后我對事情的結(jié)果非常滿意。對我來說，有兩個關(guān)鍵因素在起作用：

1）我覺得可以在 OpenAI 從事自己熱衷的工作；

2）OpenAI 公司的所在地舊金山是一個非常適合生活和工作的城市。

在這篇文章中，我會進一步討論決策過程。

為什么要寫這篇經(jīng)驗帖？

在求職的過程中，我從社交網(wǎng)絡(luò)中的教授那里得到了很多關(guān)于如何申請工作、如何面試以及如何創(chuàng)建一份優(yōu)秀申請的好建議。（在本系列的第一部分中，我嘗試將這些建議提煉成一篇關(guān)于申請工作的經(jīng)驗文章。）

然而，真正到了決定的時候，我還是感到有些孤獨。我承認，自己已經(jīng)超級幸運，因為有這么強大的教授與行業(yè)研究人員的網(wǎng)絡(luò)，可以就這些事情聯(lián)系他們。但在職業(yè)道路之間的決定更像是一個定制化的個人決定，某種程度上「沒有正確的答案」。

另一個影響決策的因素是，我認識的大多數(shù)人似乎已經(jīng)在學(xué)術(shù)界和工業(yè)界之間選擇了一方。我認識的大多數(shù)教授都堅定地站在學(xué)術(shù)體系中（雖然也有涉足工業(yè)界的一部分），而我認識的大多數(shù)工業(yè)界人士從未認真考慮過將學(xué)術(shù)界作為一個職業(yè)。

這對我來說感覺特別奇怪。因為在博士中期，我決定走「學(xué)術(shù)路線」的動機是，這樣做可以讓我推遲在學(xué)術(shù)界或工業(yè)界之間做出最后的決定 —— 鑒于通常的觀點是，從學(xué)術(shù)界轉(zhuǎn)到工業(yè)界比從其他方面轉(zhuǎn)要容易。不過，快幾年過去了，我感悟到走學(xué)術(shù)路線其實是職業(yè)身份的一部分，許多同齡人也在做同樣的事情，所以感覺有一股動力把我推向了學(xué)術(shù)路線。

總之，我寫這篇文章是為了提供一個 N=1 的、有觀點的、關(guān)于我如何在一些相當(dāng)不同的選擇中做出自己的決定的視角。

在尋找學(xué)術(shù)工作的過程中

我對自己的工作和目標(biāo)的看法發(fā)生了轉(zhuǎn)變

我在疫情期間的辦公室。

作為背景，我 2016 年到 2022 年期間在華盛頓大學(xué)攻讀博士學(xué)位，且非常喜歡這個過程。我的研究領(lǐng)域是關(guān)于多模態(tài)人工智能的 —— 建立能夠理解語言、視覺以及其他世界的機器學(xué)習(xí)系統(tǒng)。

正如本系列的第一部分所寫的那樣，研究興趣塑造了我預(yù)設(shè)的職業(yè)道路。我最興奮的是做基礎(chǔ)研究和指導(dǎo)初級研究人員。至少在計算機領(lǐng)域的傳統(tǒng)層面，這是學(xué)術(shù)界的重點，而工業(yè)界則專門從事應(yīng)用研究，爭取把科學(xué)進展轉(zhuǎn)化為成功的產(chǎn)品。

在學(xué)術(shù)界找工作讓我了解到在許多不同機構(gòu)和 CS 子領(lǐng)域中當(dāng)教授是什么樣子。我在所有的面試中與 160 多位教授進行了交談。最后，我不太確定學(xué)術(shù)界是否完全適合我。

在學(xué)術(shù)界做大規(guī)模的基礎(chǔ)研究很困難

在過去的六年里，學(xué)術(shù)界（更確切地說，是我的導(dǎo)師在華盛頓大學(xué)的研究小組）對我來說是一個非常好的環(huán)境。我被推動著去開辟一個令我興奮的研究方向，在指導(dǎo)和資源方面得到了慷慨的支持。借助這些條件，我能夠領(lǐng)導(dǎo)關(guān)于建立多模態(tài)人工智能系統(tǒng)的研究，這些系統(tǒng)隨著規(guī)模的擴大而改進，然后，（對我來說）產(chǎn)生的問題比答案多。

相比之下，在那段時間里，大多數(shù)大的行業(yè)研究實驗室都感覺不是很適合我的興趣。我在讀博士期間曾嘗試申請實習(xí)，但從未成功找到一個似乎與自己研究議程一致的去處。我所知道的大多數(shù)行業(yè)團隊主要是以語言為重點或以視覺為重點，而我無法選擇其中一方。我在艾倫人工智能研究所花了很多時間，這是一個非營利性的研究實驗室，相比之下感覺很學(xué)術(shù)。

然而，情況正在發(fā)生變化。在我關(guān)注的領(lǐng)域，我擔(dān)心在學(xué)術(shù)界做出突破性的系統(tǒng)建設(shè)研究很難，而且越來越難。

現(xiàn)實情況是，建立系統(tǒng)真的很困難。它需要大量的資源和大量的工程。我認為學(xué)術(shù)界的激勵結(jié)構(gòu)并不適合這種高成本、高風(fēng)險的系統(tǒng)建設(shè)研究。

構(gòu)建一個人工系統(tǒng)并展示其良好的擴展性，可能需要研究生花費數(shù)年的時間和超過 10 萬美元的無補貼計算費用。并且隨著該領(lǐng)域的發(fā)展，這些數(shù)字似乎在成倍增加。所以寫大量的論文并不是一個可行策略，至少現(xiàn)在不應(yīng)該是我們的目標(biāo)，但不幸的是，我知道很多學(xué)者都傾向于把論文數(shù)量作為一個客觀的衡量標(biāo)準(zhǔn)。另外，論文是學(xué)界申請資助的「籌碼」，我們需要寫大量的論文，需要在會議上有東西可談，并為學(xué)生找到實習(xí)機會等等。在一定意義上，學(xué)術(shù)事業(yè)的成功是幫助學(xué)生開拓他們自己的研究議程（他們也許可以在其他地方當(dāng)教授，這樣的循環(huán)可以繼續(xù)下去），這與做偉大研究所需的合作形成了一種內(nèi)在的張力。

然而，我認為更廣泛的趨勢是學(xué)界轉(zhuǎn)向應(yīng)用的研究。

隨著模型技術(shù)變得越來越強大，構(gòu)建成本越來越高，越來越多的學(xué)者試圖在模型上層構(gòu)建應(yīng)用。這也是我在 NLP 和 CV 兩大領(lǐng)域看到的趨勢。這反過來又影響了學(xué)界關(guān)注和討論的問題，研究者們開始關(guān)心如何解決一些實際的具體問題。

在學(xué)界，我想完成一個成功的研究需要親身經(jīng)歷多個階段，包括籌集資金、創(chuàng)建實驗室，然后我才能正式開始科研項目。最終當(dāng)我得到一個良好的研究結(jié)果時，可能已經(jīng)過去了數(shù)年的時間，或許在這段時間里早就有人做出了突破性的結(jié)果，而我在這個賽道上難以脫穎而出。話說回來，過去的幾年領(lǐng)域的進展非常迅速。

更現(xiàn)實地講，如果我在一個賽道上落敗，我可能需要改變我的研究方向。然而，那不是我的初衷，這可能是我最終走上業(yè)界路線的主要原因。

學(xué)界和業(yè)界的其他區(qū)別

在我的研究領(lǐng)域，學(xué)界教授的所有職責(zé)包括教學(xué)（和準(zhǔn)備教材）、為學(xué)院和領(lǐng)域做出貢獻、建立和管理計算基礎(chǔ)設(shè)施、申請資助和管理資金等等。雖然我發(fā)現(xiàn)這些事情很有趣，但我不想同時應(yīng)對這么多個工作場景，這需要強大的工作能力才能做到游刃有余。我希望我的工作是專注于一個重要的任務(wù)，例如教學(xué)。

類似地，在攻讀博士學(xué)位期間，我喜歡一個階段只專注于一個重要的研究問題。我認為這種專注的工作場景更多的存在于業(yè)界。作為一名教授，同時做實驗和寫代碼真的不容易，而業(yè)界有更明確的工作劃分。

我認為很多人都會下意識地被學(xué)界所吸引，因為它給人以高聲望的感覺，但我反而不喜歡這些。我認為把心思用在排名和聲望上會導(dǎo)致我追逐錯誤的目標(biāo)，讓我感到迷茫。另一方面，許多人也被業(yè)界所吸引，因為它能提供更高的薪水，這很重要。很幸運的是我找到了一個能給我更多內(nèi)在滿足感的環(huán)境。

工作與職業(yè)保障

我認為很多人都誤解了終身教職。的確，教授等終身教職是穩(wěn)定且有工作保障的。但對于面臨就業(yè)的人來說，學(xué)術(shù)就業(yè)市場也是非常錯綜復(fù)雜的。當(dāng)然，與業(yè)界研究人員不同，即使在經(jīng)濟蕭條的大環(huán)境下，學(xué)界研究者也可以輕松地換工作。

在學(xué)術(shù)界，理論上我可以自由地研究任何課題，但實際上我可能會因為沒有足夠的資源或足夠支持的環(huán)境而受阻。我加入 OpenAI 就是因為在這里我得到了非常好的支持來解決我最感興趣的問題。我認為對于任何業(yè)界實驗室，解決我關(guān)心的問題需要與該公司的產(chǎn)品保持一致，而 OpenAI 剛好有這種安排。

在 OpenAI 的團隊中工作，讓我有機會指導(dǎo)初級研究人員，并獲得充足的研究資源。更重要的是，我被推動著解決對我來說很重要的、具有挑戰(zhàn)性的問題。

這些原因讓我選擇全職簽下 OpenAI 的職位。入職半年，事實證明我真的很喜歡在 OpenAI 工作。

關(guān)鍵詞： 華盛頓大學(xué)博士生 OpenAI