人材獲得競争で大学に残ることを選んだAI研究者

[[265622]]

ビッグデータダイジェスト制作

著者: リン・アナン、周素雲

AI 人材の需要が高まるにつれ、研究者が学術機関や営利企業にまたがって働く機会が生まれます。科学研究機関から営利企業への転職を決意する人工知能研究者が増えています。彼らを惹きつけるのは、高い給与だけでなく、科学研究機関にはない大規模なデータセットとコンピューティングリソースです。

カナダのモントリオールに拠点を置くソフトウェアプロバイダー、Element AIが4月に発表したレポートによると、LinkedInに登録しているAIの専門知識を持つ博士号取得者の数は、過去1年間で66%増加した。機械学習カンファレンスで論文を発表する研究者の数は 19% 増加しました。

レポートリンク: http://go.nature.com/22nexux

3月にニューヨーク・タイムズとマイクロソフトが共同で発表した報告書によると、111人のAI研究者と大学管理者を対象にした調査で、89%がAI専門家の雇用と維持が「困難」または「非常に困難」であると回答し、この採用ラッシュがAI教員の採用に影響を及ぼしているという。

マサチューセッツ州ウースター工科大学のコンピューター科学者クレイグ・ウィルス氏は、主に米国の409の教育機関における終身在職権付きコンピューターサイエンス教授職の2019年の求人広告を分析した。

調査によると、人工知能、データマイニング、機械学習の専門家を求める広告の割合は2015年以降、ほぼ倍増している。ウィルズ氏は今年初めに発表した176の教育機関を対象とした調査で、AI関連の職種の需要が日々高まっているにもかかわらず、米国の大学院の42%が必要な数のコンピューターサイエンスの教授を採用できていないことを明らかにした。

レポートリンク:

https://cra.org/crn/2018/08/2018-computer-science-tenure-track-faculty-hiring-outcomes/

企業と大学の間で人材獲得競争が熾烈になる中、4人のAI研究者がNature誌に自らの体験談を語った。例えば、ギリージャ氏は就職後、大学に戻って教職に就くことを選んだ。サミール氏は企業と大学の両方で役職を兼任していた。彼らは大学に残ることを選んだが、大学がAI人材を引き留める方法についても意見を述べた。 AI博士課程修了者数の増加と世界規模での教員採用の難しさに直面し、国内2大学のAI分野の博士課程の学生も招き、意見を共有してもらいました。

要約は次のように構成されています。

ギリージャ・ラナデ：仕事で得た経験を生徒たちに伝えていきたいと思っています

カリフォルニア大学バークレー校で電気工学とコンピューターサイエンスの博士号を取得した後、ワシントン州レドモンドの Microsoft Research でポスドク研究員として働き、その後フルタイムの研究員として働きました。 Microsoft で働いた経験により、理論から実践へと進むことができ、製品チームが直面している問題や課題をより深く理解できるようになりました。

たとえば、私は無人航空機（UAV）の研究に携わっていました。学部時代にはロボット工学研究チームに所属していましたが、博士課程では定理証明を研究していました。ドローン研究者と一緒に仕事をするうちに、システムの安全性など、これまで考えたこともなかった問題について考えるようになりました。システムが危険ゾーンに入ったことをどうやって知るのですか? ドローンが天井や床に衝突するかどうかをどうやって知るのですか?

私が最も感銘を受けたプロジェクトの一つは、フェイクニュースや偽情報の拡散と影響を研究することでした。 Microsoft Research は、ユーザーの許可を得て Web 閲覧ログを収集します。私たちは、2016年の米国大統領選挙中のウェブサイト訪問パターンを研究し、フェイクニュースの拡散は主にソーシャルメディアによって促進され、別の種類のフェイクニュースは電子メールやニュースウェブサイトを通じてもたらされていることを発見しました。この種類のフェイクニュースやニュースデータは、科学研究機関からは入手できません。

昨年、私は若い世代に知識を伝えるために最善を尽くしたいと思い、助教授としてバークレーに戻りました。指導の過程では、私の職務経験と合わせて、実際の事例と教科書の知識を組み合わせて生徒に教えるのが好きです。

アニマ・アナンドクマール：国境を越えることは今や容易になりました。若い教師たちがもっと頻繁にキャンパスの外に出ることを提案します。

[[265623]]

アニマ氏は、カリフォルニア工科大学の意思決定、最適化、学習の共同ディレクターであり、カリフォルニア州サンタクララに拠点を置き、グラフィックス処理ユニットを製造する企業である NVIDIA の機械学習研究ディレクターです。

博士号取得を目指す学生の多くは、自分のキャリア選択に戸惑い、間違った選択をしたのではないかと心配していますが、今では選択肢が増えているようです。学術界と商業企業の両方が優秀な人材を求めており、科学研究機関と企業との連携が頻繁になり、二重の立場を持つ研究者が増えています。

従来、ほとんどの企業は専用の研究機関を持たず、論文を発表することは困難でした。 現在、多くの企業がオープン出版ポリシーを採用しており、これは社内の研究者が査読に参加し、学術界にアクセスできるようになることを意味します。数年間産業界で働いた後であれば、論文を発表し続ける限り、学界に戻るのは簡単です。実際、仕事の経験があることは、就職の際に重要なプラスポイントとなります。

経験豊富な教師がヘッドハンターに引き抜かれ、若い教師が競争力を高める方法に悩んでいるという話をよく聞きます。私は、学生たちにキャンパスの外に出て、より多くの商業研究所や他の商業組織を訪問し、ある程度の接触を維持することを提案します。

若い教師が研究テーマを選ぶときは、業界のホットスポットを考慮するだけでなく、解決する必要がある本当に重要な基本的な問題がまだたくさんあることを認識する必要があります。カリフォルニア工科大学には、AI が他の科学にどのような影響を与えるかを研究する「AI4science」という取り組みがあります。例えば、生物学、化学、天文学、材料科学向けのアルゴリズムを開発できるでしょうか？現在、このプロジェクトはカリフォルニア工科大学が主催しており、外部の研究者を招待して参加してもらうフォーラムを定期的に開催しています。

AI研究者が学界を離れ、民間企業に入社するというニュースが数多く報道されています。しかし、これはゼロサムゲームではありません。社会には妨げられることのない雇用経路が必要であり、若者により多くの雇用機会を提供する必要があります。大学は前向きに考え、どのような人材を求めているかを慎重に検討すべきだ。

サミール・マスキー：テクノロジーを使って人生を変える起業家兼非常勤講師

Sameer Maskey 氏は、ニューヨークを拠点とする機械学習企業 Fusemachines の幹部であり、ニューヨークのコロンビア大学の非常勤准教授です。

コロンビア大学で博士号を取得した後、ニューヨークの IBM トーマス・J・ワトソン研究所の言語翻訳システム チームで働き始めました。 IBMでも基礎研究関連の業務しかやっていませんでした。私たちは出版物を通じてシステムのパフォーマンスを評価しましたが、私たちの仕事が世界中に広範囲にわたる影響を与えるとは思っていませんでした。

私の目標は、このテクノロジーを使ってより多くの人々の生活に直接影響を与えることだったので、2012 年に IBM を退職し、Fusemachines を設立しました。同社の使命は、発展途上国や米国の貧困地域に人工知能教育を提供し、人工知能と社会発展の統合を促進することです。貧しい地域に学士号や修士号を取得した優秀なエンジニアはたくさんいますが、より良い大学に入学する機会がないため、より良い就職の機会を得られない場合があるのです。彼らはプログラミングは得意ですが、数学の知識があまりないかもしれません。

そこで私たちは、オンライン コースとオンサイト指導を通じて、機械学習に関する 1 年間の無料トレーニングを提供しています。最終的に、私たちがトレーニングしたエンジニアの一部は Fusemachines に残ることを選択し、他のエンジニアは私たちから北米の他の企業に推薦されました。

私はコロンビア大学の非常勤准教授でもあります。私は通常、自然言語処理、ディープラーニング、公共政策における人工知能などのトピックについて、学期ごとに 1 つか 2 つのコースを教えています。 教育は私の人生に根本的な影響を与えました。私はネパールで育ち、大学に通うために全額奨学金を受け取りました。私は教えることが大好きで、生徒たちが何か新しいことを学んだときに目が輝くのを見ると、すぐに達成感を感じます。

会社を立ち上げたいなら、研究結果を製品にして市場に出す必要があります。これには科学的研究を超えた能力が必要です。実際に存在するビジネス モデルを考慮しなかったために失敗するエンジニアを数多く見てきました。

マハサ・モハゲグ：大学教員にはもっと自由が必要

マハサ・モハゲグ氏はニュージーランドのオークランド工科大学の AI 研究者であり、テクノロジー分野で活躍する女性を支援する非営利団体 She# の創設者兼ディレクターです。

ほぼ隔週ごとに、ある会社からコーヒーを飲んだり、雑談したりするよう誘われました。彼らは、AI が自分たちの分野にどのような影響を与えるかを理解したいと考えています。彼らは私に、雇えるような優秀な学生がいるかどうか尋ね続け、中には私を諮問委員会に招きたいと望む者もいました。私は彼らと契約を結び、コンサルティングサービスを提供するために毎週会社に出向きました。私をAIエンジニアとして採用したいという企業もあります。彼らが提示する給与は学術界よりもはるかに高いです。

[[265624]]

大学教員は企業にコンサルティングサービスを提供することで追加収入を得ることができますが、教育、管理、研究の負担が大きいため、そのための時間がないことがよくあります。私が会社で働いていた時間は主に通常の勤務時間外でした。

大学は教員にさらなる自由を与え、産業界と緊密に連携できるようにする必要がある。大学は、教員の業績を彼らが発表した論文だけで判断するのではなく、教員と産業界のつながりにもっと重点を置くべきです。そうしないと、遅かれ早かれ優秀な研究者を失うことになります。

中国科学院の趙博士：研究サイクルは長いので、もっとインターンシップの機会が欲しいです

現在、卒業研究に取り組んでいます。近年、国内の論文ではディープラーニングに着目する論文が多く出ています。そのため、私の論文でも AI 技術を使用して IoT シナリオの研究を行っています。主な研究内容は、IoT データの処理と複雑な認識環境での機械学習モデルの設計です。

研究全体のサイクルには 2 ～ 3 年かかる場合があります。初期段階では、フロントエンドの取得機器、センサー、データ収集などを準備する必要があります。データはすべて自分で収集するため、企業に行くか、学校に残るかは、あなたにとってあまり違いはありません。

博士号取得のために勉強することは必ずしも学術的なキャリアに進むことを意味するわけではなく、学校に残ると収入は少なくなります。 大学で5年から10年勤務した後、企業に就職した准教授や教授を数多く見てきましたが、企業から大学に戻ってくる人はほとんどいません。人工知能の分野では、企業はより優れたリソース、より十分な資金、より広範なデータセットを有しており、大企業の研究者の多くは学術分野でも活躍しています。 個人で研究をする場合、GPU やサーバーのことを気にすることが多いのですが、企業ではそういった問題を気にする必要がありません。

さらに、学校による教師の評価も多面的であるべきであり、評価基準も異なる扱いをする必要があります。異なるシステムでは独自の評価基準を策定できます。研究者として私は、論文を通じて測定基準を確立し、自分の業績をより正確に定量化できるようにすることに賛成です。現在、私たちの研究は主に教師のプロジェクトから生まれています。私たちの研究がより価値のあるものとなるよう、インターンシップの機会を増やし、企業や社会がどのような技術を必要としているかを理解する方法を増やしていきたいと考えています。

北京大学の張博士：企業チームは「ディープラーニング」を教え、大きな恩恵を受けました

私の専攻はデータサイエンスです。現在はディープラーニングの研究を行っています。まだどの企業とも AI プロジェクトで協力したことはありません。しかし、現在受講している「ディープラーニング実践」コースは、face++ チームの講師が担当しています。各クラスの後には、ディープラーニングの演習課題がいくつか出題されます。これらの演習を通じて、企業の研究プロセス全体をより深く理解することができました。

質問の結果はサンプルコードを使用して直接実行できますが、画像分類におけるデータ分布、データ拡張がそれに与える影響、敵対的サンプルを改善する方法、畳み込みニューラルネットワークの結果のどの層が元の画像に近いか、ソフトマックス、正則化などがどのような異なる表現を持つことができるかなど、結果に影響を与える要因が必要です。これらの理由を研究するプロセスは、私にとって大きな利益をもたらしました。

今後も仕事を続けていくつもりです。企業に入るということは、本当に社会に入るということです。まず、給料が納得できるし、収入が業績に比例するので、やる気が出ます。第二に、企業の研究環境も良くなります。ハードウェア設備に関して言えば、学校が提供する設備は結局限られており、企業の大規模な設備には及びません。開発の観点から見ると、企業はアプリケーションを重視し、学校は研究を重視しています。私は個人的にはアプリケーションの方が好きです。

もちろん、論文は非常に重要な基準です。なぜなら、教師は生徒を指導する必要があり、論文のレベルは少なくともそれが学術研究において生徒に役立つことを示すことができるからです。学生たちには企業でのインターンシップの機会が増え、企業がどのような能力を重視しているかを理解し、的を絞って自分自身を成長させることができるようになることを願っています。これは学生たちの日々の勉強やスキル開発にも非常に有益です。

結論：

大学のAI研究者6人が語った話を聞くと、リソース、研究環境、給与の面で企業の方が若干有利であるように思われる。しかし、アニマ・アナンドクマール氏が言うように、何も変わらないわけではない。起業家のサミール氏は教えることで達成感を得ることができ、AI研究者のマハサ氏はコンサルティングでより多くの報酬を得ることができる。研究か応用か、学術かビジネスかは個人の選択だ。

この人材獲得競争において、大学は前向きに考え、本当に必要な教員はどのような人なのか、実務経験のある学際的な教授をより多く引き付けるために教員の評価基準を改革する必要があるのか​​、そして、より多くの若いAI人材を引き付けるにはどうすればよいのかを真剣に考えるべきだ。

学界とビジネス界の間での人材獲得競争は今も続いている。

関連レポート: https://www.nature.com/articles/d41586-019-01248-w

[この記事は51CTOコラムBig Data Digest、WeChatパブリックアカウント「Big Data Digest（id: BigDataDigest）」からのオリジナル記事です]

この著者の他の記事を読むにはここをクリックしてください