Özel | Yapay zeka alanında 66 seçkin bilim insanını araştırırken bulduk ki ...
Orijinal Başlık: Fantastik Bilim Adamları ve Nerede Bulunurlar?
Redaksiyon: Ding Nanya
Bu makalenin uzunluğu 4619 kelime , Okumanız tavsiye edilir 8 dakika
Bu makale, AI yeteneklerini bulmanıza yardımcı olmak için 66 seçkin AI bilim insanının özelliklerini analiz eder ve sıralar.
Yapay zekanın (AI) yıllar önce ortaya çıkmasından bu yana, toplam 66 seçkin bilim insanı bu alandaki en prestijli ödülleri kazandı ve öğrencileri de çeşitli şirketler ve kurumlar tarafından karıştırıldı. Bir göz atalım. Bu bilim adamlarının kişisel verileri.
Yapay zekanın arkasındaki sıkça unutulan "yapay"
Yapay zeka alanı paradokslarla dolu, mesela insanlar araştırmacılar yerine yapay zeka şirketlerinin başarılarına ilgi gösteriyor ki bu paradokslardan biri. Y Combinator başkanları Sam Altman ve Elon Musk tarafından kurulan kar amacı gütmeyen bir araştırma kuruluşu olan OpenAI tipik bir örnektir. Güvenli bir yapay zeka oluşturmayı ve yapay zekanın faydalarının olabildiğince geniş ve eşit bir şekilde yayılmasını ilan ettiler. "Açık bir kültürü" savundular, ancak ekip üyelerinin net bir listesini tutmayı başaramadılar.
Aksine, yapay zeka üzerinde çalışırken, temel varsayımlardan biri, araştırmanın ilerlemesinin yalnızca algoritmaların, verilerin ve hesaplama gücünün ince kombinasyonuna değil, aynı zamanda araştırma ortamına da bağlı olduğudur (bu makale için, araştırmacıların kim olduğunu ve Kimler için çalışıyorlar? Bu, incelenmesi gereken eşit derecede önemli bir sorudur.
Bu nedenle, en seçkin AI araştırmacılarının hayatlarını daha derinlemesine incelemeye karar verdik. AI alanında en önemli ödülleri kazanan 6 kişiyi inceledik ve listeye dahil olan 66 araştırmacının kariyerlerini de inceledik. Elbette her bir birey için elde edebileceğimiz bilgi miktarı aynı değil, ancak bu veri tabanı aracılığıyla ilginç sonuçların çıkarılabileceğine inanıyoruz. Sonuçlar bizi hayal kırıklığına uğratmadı.
Ancak yaklaşımımızda dikkat etmemiz gereken bir şey var: çünkü kazananların "genç" araştırmacılar olduğu açıkça belirtilse de, bu bilimsel ödüllerin kazananlarını ödüllendirmesi epey zaman alıyor - listedeki en genç kazanan 1979'dur. Doğmak. Bu nedenle, AI alanının sürekli gelişimini liderlerin kariyerlerine dayalı olarak olabildiğince doğru bir şekilde kavramak için bu kazananlar tarafından yönetilen lisansüstü öğrencilere de dikkat ediyoruz.
Yıllar içinde yapay zeka araştırmacılarının profilleri
İlk olarak 66 araştırmacının temel özelliklerini bir araya getirdik ve genel sonuçları ve bunların zaman içindeki gelişimini inceledik. Özellikleri şunlardır: milliyet, cinsiyet, doktora ve lisans araştırma alanları ve üniversite ile öğrenim gördükleri veya öğrettikleri iş sektörü arasındaki ilişki.
1. Uyruk
Özet
İlerleme: Zamanla, AI ödülünü kazananların milletleri daha çeşitli hale geldi - genellikle Amerika Birleşik Devletleri'nde doktora yapsalar veya Amerika Birleşik Devletleri'nde çalışıyor olsalar bile. Bu, en genç 15 kazananın yalnızca 1 / 3'ünün neden Amerikan vatandaşı olduğunu ve en eski 15 kazananın 2 / 3'ünü Amerikan vatandaşlığının oluşturduğunu açıklıyor.
2. Cinsiyet
Özet: Beklendiği gibi ve ne yazık ki, kadın araştırmacılar kazananların yalnızca küçük bir yüzdesini oluşturdu: 66 kişiden yalnızca 7'si. Ancak, kazananlar arasında en çok izlenen bilim insanının, anket yaptığımız 6 ödülden 4'üne layık görülen bir kadın olan Barbara Grosz olduğunu belirtmekte fayda var. Buna ek olarak, erkek bilim adamlarına kıyasla, kadın bilim adamları nispeten az bir sayıya sahipler.Amerika Birleşik Devletleri'nde sadece iki tane var.Diğer milletlerden kadınlarla karşılaştırıldığında, üç İsrailli kadın ve iki İtalyan kadın var.
İlerleme: İlk 1 / 3'teki en yaşlı kadın bilim adamları dışında, örnek başka bir sonuca varmak için çok küçük. Örneğin ortada 1 / 3'te 3 ve en genç 1 / 3'te 4 kadın var, bu nedenle verilere göre AI alanında artan bir kadın eğilimi olduğu sonucuna varmak imkansız.
3. Doktora araştırma alanı
Özet:
İlerleme: Orijinal AI araştırmacıları doktora derecelerini aldıklarında, bilgisayar departmanları veya AI laboratuvarları temelde yoktu veya yeni oluşturuldu. Bu nedenle, genellikle matematik veya elektronik mühendisliği gibi olgun bölümlerde eğitilirler (elektronik mühendisliği bölümleri ve dereceleri 1880'lerde oluşturulmuştur). Bu, listemizde matematikte doktora öğrencilerinin ortalama yaşının 1934'te, elektrik mühendisliğinde doktora öğrencilerinin ortalama yaşının 1938'de ve bilgisayar bilimlerinde doktora yapanların ortalama yaşının 1958'de neden doğduğunu açıklıyor. .
4. Lisans Ana Bilim Dalı
Özet: Şaşırtıcı bir şekilde, tamamen bilgisayar bilimlerini öğrenmek özel bir durumdur. Aslında, lisans verileriyle topladığımız 58 kazanan verisinde, kazananlardan sadece 5'i bilgisayar bilimleri dalında. Araştırmacıların yaklaşık yarısının fen ve mühendislik alanında bir geçmişi var, bunların çoğu matematik dalında, geri kalan 13'ü mühendislik dalında ve 5'i matematik ve bilgisayar bilimlerinin karışık dallarından oluşuyor.
İlerleme: Yıllar geçtikçe, lisans öğrencilerinin baskın ana dalları önemli ölçüde değişmedi. Örneğin, listemizdeki en genç araştırmacıların çoğu hala matematikte bulunabilir.
5. Şirket ile ilişki
Özet: Burada bilinçli olarak belirsiz "ilişki" terimini kullanıyoruz. Araştırmacılar ve şirketler veya özel araştırma kurumları arasındaki çoklu etkileşim yollarını vurgulamaktır ("kar" amacıyla değil).
Üç ana ilişki vardır:
-
Danışmanlık (büyük şirketlerde bilimsel danışma komitelerinin rolü dahil)
-
Kiralama ve
-
Bir iş kurmak
İlerleme: Veri setimizde belirgin bir eğilim bulunmadı - belki de bu veri noktaları daha nitel analiz gerektirdiğinden. Basitçe söylemek gerekirse, özel şirketler ve yapay zeka araştırmacıları her zaman iletişim halindeydiler, bu nedenle yapay zekadaki mevcut patlama yeni değil. Bununla birlikte, AI'nın gelişimi, son on yıllarda birçok değişiklik ve döngüden geçti. İlk değişiklik, küresel ölçekte, listemizdeki kazananların genellikle artık çalışan değil, daha çok girişimci olmasıdır.Girişimciler bile genellikle akademik konumdadır. İkinci değişiklik daha belirgindir, kurumlar ve araştırmacılar arasındaki işbirliğinin evrimidir. Örneğin, RCA veya Bell Labs, PARC (Xerox'un bir yan kuruluşu) ve SRI gibi yerleşik elektronik devleri yavaş yavaş yerini yeni kurulan şirketler ve Microsoft, Yahoo veya Google gibi dijital devler alıyor. Son olarak, danışmanlık ve girişimcilik faaliyetlerinin sayısı büyük ölçüde mevcut iş döngüsüne bağlıdır: İnternetin son yıllarda hızlı gelişimi bu girişimcilik faaliyetlerinde bir artışa yol açmıştır.
6. Üniversite
Özet: Üniversiteleri iki kritere göre sıraladık: (1) kazananların doktora derecelerini aldıkları yerler ve (2) son beş yılda öğretmenlik yaptıkları yerler. İşte sonuçlarımız:
Bu sonuçlar, AI alanının geliştirme geçmişiyle tutarlıdır, çünkü en etkili "yaratıcı" aslında Massachusetts Institute of Technology'den (Marvin Minsky ve John McCarthy tarafından 1959'da oluşturulan ve daha sonra laboratuvarı yeniden adlandıran yapay zeka projesi) geldi. , Stanford Üniversitesi (John McCarthy, Stanford AI Lab'ı 1963'te kurdu) ve Carnegie Mellon Üniversitesi (Bilgisayar Bilimleri Bölümü, Herbert Simon ve Allen Newell tarafından 1965'te kuruldu)
İlerleme: Vurgulanması gereken ilk sonuç, son yıllarda belirgin bir değişim eğilimi olmadığıdır: Stanford Üniversitesi, Massachusetts Teknoloji Enstitüsü ve Carnegie Mellon Üniversitesi, yıllar boyunca avantajlarını korumuştur. Vurgulanması gereken ikinci nokta ise Harvard Üniversitesi ve Toronto Üniversitesi Bu iki üniversite kazananların orta 1 / 3'ünün yaşam yörüngesinde 4 kez yer aldı, ancak en genç 1 / 3'ünde "temsilci" değiller. . Ancak Toronto Üniversitesi'nin derin öğrenmeye odaklanması son yıllarda azaldı.
5 tür AI bilim adamı
AI araştırmacılarının gelişim yörüngesi yıllar içinde nadiren değişmiş olsa da, bu bilim adamlarının 5 prototipi özellikle dikkat çekici olan bazı farklı meslek türlerini hala keşfedebiliriz:
1. Sadık akademisyenler
Açıklama: Bu tür bir araştırmacı, hayatlarının çoğu boyunca aynı üniversitede ders veriyor.
Örnek: Bir robotikçi olan Maria Gini (1947 doğumlu), Milano Siyaset Bilimi Okulu'nda birkaç yıl araştırma görevlisi olarak çalıştı, 1982'de Amerika Birleşik Devletleri'ne taşındı ve şimdiye kadar Minnesota Üniversitesi'nde profesör olarak çalıştı.
Gelecek beklentiler: düşük. Özel araştırma projeleri doktoraları veya daha deneyimli profesörleri çekmeye devam ederse, birçok mezun sadece akademik olan bir kariyer yolunu seçme olasılığı düşüktür.
2. Akademisyen dışındaki bilim adamları
Açıklama: Sadık akademik bilim adamlarının aksine, bu tür araştırmacılar özel araştırma alanından hiç ayrılmamıştır. Şirket laboratuvarlarında (Bell Labs gibi) veya özel araştırma kurumlarında (SRI International gibi) çalışırlar.
Örnek: Eric Horvitz (1963 doğumlu), 1993'ten beri Microsoft Araştırma Enstitüsü'nde makine zekasını araştırıyor.
Gelecek beklentiler: yüksek. Önümüzdeki birkaç yıl içinde birçok mezunun şirketin AI laboratuvarına katılacağını hayal edebiliyoruz. Bunu söyledikten sonra, bu tür araştırmacıların aynı işveren için onlarca yıldır çalışmak için ısrar etmek yerine kariyerlerini birkaç farklı pozisyonda geçireceklerine de inanıyoruz.
3. Döner kapı
Açıklama: Bu tür bir araştırmacı, ilk ikisinin birleşimidir, çünkü kariyerleri genellikle iki kısma ayrılır: yarısı özel şirketlerde (bazen kendi şirketlerinde) ve yarısı da akademide. Olağan durum şudur: ilkinden ikincisine.
Örnek: Henry Kautz (1956 doğumlu) 1987'de doktorasını aldı ve önce ATT'nin Bell Labs tarafından işe alındı, ardından 2000'de Washington Üniversitesi'ne katıldı ve ardından 2007'de Rochester Üniversitesi'nde profesör oldu.
Gelecek beklentiler: belirsiz. Yapay zeka mezunları da yeni başlayanlar tarafından hedef alındığından, en azından yapay zeka alanının genel geçmişiyle ilgili olarak, ancak son zamanlarda. Şirkete giren mezunların birkaç yıllık çalışmadan sonra yeni bir kariyer geliştirmek için üniversiteye geri dönmekle ilgilenip ilgilenmeyeceklerini tahmin edemiyoruz. Ek olarak, bu tahmin aynı zamanda mevcut AI patlamasının doğasına da bağlıdır: daha önceki diğer AI "patlamaları" kadar kısacık olduğu kanıtlanırsa, birkaç yıl sonra akademisyenlere başvurmak da iyi bir hedef olacaktır.
4. Çatal düşünme
Açıklama: Bu tür bir araştırmacı, büyük bir fark dışında döner kapı tipine çok benzer: hem akademiye hem de işletmeye aittirler.
Örnek: Brezilyalı profesör Carlos Guestrin (1975 doğumlu) Washington Üniversitesi'nde ders veriyor ve aynı zamanda Apple'da makine öğrenimi direktörüdür. Apple, Ağustos 2016'da Turi'yi satın aldı ve 2013'te şirketin kurucu ortağı Guestrin tarafından kuruldu.
Gelecek beklentiler: ılımlı. Yapay zekanın günümüzdeki popülaritesi nedeniyle, bu tür gelecekte en azından aşağıdaki iki nedenden dolayı kesinlikle daha yaygın hale gelecektir. Birincisi, şirket akademik statüsünü (kıt kaynakları) korumak isteyen deneyimli profesörleri işe almak istiyor ve bu tür kaldıraçları kullanabiliyor. İkincisi, giderek daha fazla sayıda fakülte ve personel, girişimlere katılmayı ikinci kariyerleri olarak görüyor. Aynı zamanda, yeni mezunların kurumsal istihdam konusundaki coşkusu da bu eğilimi ortadan kaldıracaktır: Birincisi, öğrencilerin akademik ilgiyle ilgilenmesini sağlayamazsanız, çatallı düşünen araştırmacıları çekemezsiniz.
5. Hırslı girişimci
Açıklama: Bu türden bir araştırmacı, yapay zekayı uygulamanın yeni yollarını keşfetmeye devam ediyor ve hatta bir dizi araştırma ortamını özelleştiriyor.
Örnek: Douglas Lenat (1950 doğumlu) 1980'lerden beri bu fikri araştırıyor: Wired dergisi bunu "bilgisayarlara sağduyuyu öğretmeye çalışan yalnız bir savaşçı" olarak özetledi. Bu, "Aynı anda iki yerde olamazsınız" gibi milyonlarca iddiadan oluşan devasa bir bilgi tabanı yaratmak anlamına gelir - bizim için açık olan ancak bilgisayarlar için anlaşılması zor olan temel iddialar. Cyc adlı proje 1984 yılında başlatıldı. Yapay zeka trendleri birbiri ardına devam etse de Lenat'ın projesi devam ediyor.
Gelecek beklentiler: düşük. Bu model ilginç ama evrensel değil. Dahası, çok sayıda karma akademik ve endüstri kariyerinde, yalnızca özel bir durum olarak kabul edilebilir.
Şirketler yapay zeka yeteneklerini mi depoluyor? Mezunlar için anket
Sektörde, şirketlerin, özellikle de GAFA'nın, yapay zeka yeteneklerini biriktirdiği ve akademide çok sayıda doktorayı araştırdığı yönünde ortak bir endişe var. Kazananlardan oluşan örneklemimiz bu eğilimi doğrulamamıza yardımcı olamaz, bu yüzden getirdikleri öğrencilerin istihdam kayıtlarını araştırdık (isimleri ve kariyer bilgileriyle ilgili güvenilir veriler bulabilirsek) ve ardından bu türden 300 kişi elde ettik. Bilgi, sapma olmayacağına dair bir garanti olmamasına rağmen. Bununla birlikte, bu veriler hala AI alanının geçmiş ve mevcut durumuna bazı ipuçları sağlayabilir.
Verilerimiz şu soruyu net bir şekilde yanıtlıyor: Evet, şirketler gerçekten yetenekleri biriktiriyor! Doktora öğrencilerinin akademi, elektronik teknolojisi devi şirketler ve yeni kurulan şirketlerdeki ilk işlerinin yüzdeleri son yıllarda aşağıdaki gibi değişti:
Gördüğünüz gibi, önemli bir değişiklik, dev şirketler tarafından istihdam edilen yapay zeka mezunlarının oranının (% 34), 2010 ile 2016 arasında ilk kez akademik kariyer peşinde koşanların oranını (% 33) aşmasıdır.
Yine de, GAFA'nın genç yapay zeka doktoralarını işe alma eğilimi yeni değil: Örneğimizde, 35 öğrenci Google, Amazon, Facebook veya Apple tarafından işe alındı (bunların 2 / 3'ü yalnızca Google'dı) ve bunların 20'si işe alındı. 2011 yılında veya daha önce katıldı.
Şirkete katılan mezunların eğiliminin büyük ölçüde doktora danışmanlarıyla ilgili olduğunu bulduk: Bu aynı zamanda farklı AI uzmanlıklarının farklı itirazlarını da yansıtabilir. Bazı profesörler için, sadece birkaç mezunun profesör olabileceğini görürlerse, üniversiteye / araştırma fonu bölümüne soruyu soracaklar, gelecek nesil bilim adamlarını kim eğitecek?
Andrew Ng örneğine bakalım. Derin öğrenme alanında tanınmış bir şahsiyettir ve Baidu'nun baş bilim adamı olarak görev yapmıştır. Stanford Üniversitesi'ndeki görev süresi boyunca, 4'ü akademisyen olarak kariyerlerine başlayan, ancak şimdi sadece biri öğretmenlik yapan 11 doktora öğrencisine (2008'den 2014'e kadar) liderlik etti. İlginç bir şekilde, aynı zamanda Ng'deki ilk doktora öğrencisiydi. Diğer herkes artık Salesforce, Google, Facebook, Twitter, Baidu'da ...
Ayrıca, tanınmış profesörler bir şirkete katıldıklarında hala risk altındadırlar.Genel olarak, risk akademik seviyelerini düşürmektir. Çünkü mantıksal olarak konuşursak, kimi daha iyi bilirler? Kimi işe almaya çalışacaklar? Cevap eski öğrencileridir.
Sonuç: Yetenek nerede ve nasıl bulunur?
AI yeteneklerini bulmak istiyorsanız, iki yol vardır:
1. Dolaylı yol: En iyi üniversitelerden yapay zeka araştırmacıları, Google gibi aşılması zor şirketler tarafından kaçırıldı. Buradaki çözüm, bilimsel araştırma sonuçlarını Google, AWS, Microsoft ve IBM gibi şirketler tarafından oluşturulan bulut platformları ve makine öğrenimi API'leri aracılığıyla kullanmaktır. Tabii ki, kuruluşunuzun özel ihtiyaçlarını karşılamak için sonuçlarını değiştirmeyeceklerdir.
2. Doğrudan yol: Kendi AI araştırmacılarınızı işe almak istiyorsanız, işte size iki yol gösterici ilke:
-
çeşitlendirme
Birden fazla ülke dahil olmak üzere (örneğin, en iyi AI konferansları tarafından kabul edilen makaleleri görüntüleyerek) en iyi (ve en ünlü) üniversitelerin dışına dağılmış gizli cevherleri arayın. Dengeli bir kadın ve erkek ekibi oluşturarak eşit bir gelecek inşa edin.
Çeşitlilik de daha fazla yeteneği çekecek önemli bir faktördür.
-
esneklik
Örnekte gördüğümüz gibi, bugünün araştırmacıları artık geçmişte bekar akademisyenler değiller, daha fazla girişimcilik kariyerine ilgi duyuyorlar ve işleri daha sık değiştiriyor veya karıştırıyorlar. Bu nedenle, esnek kariyer yolları sağlayarak bu arzuyu tatmin etmek, yetenek işe alım stratejilerinin anahtarı olmalıdır. Örneğin, bilim insanlarının potansiyel kurum içi girişimciler olmalarını göz önünde bulundurmalı ve desteklememiz ve aynı zamanda yarı zamanlı öğretim statüsünü korumalarına veya üniversite laboratuvarlarıyla işbirliği yoluyla akademik statülerine dönmelerine yardımcı olmalarına izin vermeliyiz.
Akademi ile oynarsanız, göz alıcı olacaksınız.
Orijinal bağlantı: https://en.fabernovel.com/insights/tech-en/fantastic-scientists-and-where-to-find-them
