点击上方“视学算法”,选择加"星标"或“置顶”
重磅干货,第一时间送达
来源丨对白的算法屋
编辑丨极市平台
本文仅作学术分享,版权属于原作者,如有侵权请联系删除。
导读
一位功课在读博士在知乎上提问“工业界和学术界最大的区别是什么?” ,本文摘选了一些回答,希望能对有同样的疑问的人认知上有所补益。
大家好,今天在知乎上看到一个很有意思的话题:
大致是一位能源类工科博士在读,正在面临工业界和学术界的抉择,想知道两者的区别,以便提前做好准备。科研状态自我感觉挺舒适,习惯了自由自在,没有太大约束的生活,但是感觉自己做的东西浮在空中,落地会摔粉碎。学术圈目前应该是越来越难了吧,人才多,评职称艰难。隔壁实验室的讲师每天走得比我还晚(一般12点走),所以很想知道工业界又是怎么样一种状态?
这里给大家精选了几个优质回答,希望对你有所帮助,欢迎评论区留言探讨。
sen2020回答:
我的背景更偏学术界,我对两边都有了解,我谈一点自己粗浅的看法。我的讨论范围限定在(1)机器学习领域,(2)能力在前10%~50%的正常人,不讨论改变世界的大神。
简单粗暴的结论:
(1)高校的研究能力在工业界很有用,但是高校的成果几乎(99.9%)在工业界都没有用。或许高校的education的作用更大,期望高校做出改变工业界的学术成果不太现实。
(2)工业界的研究院其实属于学术界,本质跟高校区别不大。他们比高校做的东西更有用,但是研究院做的不是核心技术,只是外围、边缘的技术而已。
先说说高校的科研。高校绝大多数的研究都是各种问题的corner case,在公开的数据集上跑几个实验,claim自己是SOTA,发篇论文。但这些东西在工业界用途非常非常小。我举几个例子。
近年来学术界搜索、推荐的论文不少,但在工业界能用的几乎没几个。学术界的做法是“改进模型,在MovieLens等数据集上做个实验,提升几个点,发表论文”。但学术界的成果在工业界几乎都不work。在工业界真正能改进模型效果的方法大多是标注数据、处理数据、调特征、修bug。少数能用的学术成果都是Google等公司发表的。
最近几年联邦学习很热门,每个会议都有上百篇联邦学习的投稿。这些文章中90%以上都是在解决corner case,比如XXX设定下的收敛、XXX设定下的XXX差分隐私方法、用XXX方法防御XXX假设下的拜占庭错误。有脚指头想想也知道,这些corner case在工业界是没有用的。工业界用的是简单、好调、scalability能上得去的方法,而且要考虑自身系统平台的支持。
最近一两年,有N篇基于vision transformer的论文,都是对vision transformer做一点改进,在公开数据集上top-1 accuracy提升一点点。在绝大多数工业应用里面,没人在乎一点点准确率的提升。好好处理数据、标注数据、再加点小trick,带来的提升比模型大得多。说实话,ResNet之后所有的模型带来的提升全加起来,还没JFT一个数据集带来的提升多。
工业界里重要的问题非常多,但是没有足够的人力去解决,只能挑收益最大的做。而高校乌央乌央的人扎堆挤到一些很小的问题上,研究各种各样的corner case,比如上面讨论的几个问题。这就是为什么我打算离开高校。
再说说工业界的研究院。
工业界研究院有一部分人做纯科研,做出了非常牛逼的工作。Google、Deepmind、MSR、NVIDIA等公司的研究院都有非常厉害的成果。Transformer、AlphaGo这些成果确实改变了世界。其余影响力小一些的论文也起到了PR的作用。
工业界研究院有相当多的人在为业务、技术部门服务。可惜的是研究院做的通常不是核心技术,而是可有可无的边缘技术。研究院的人看不到完整的核心技术。举几个例子:
推荐算法团队跟研究院合作,希望“试一试”强化学习、图神经网络这些技术。重点在“试一试”,也就是说可有可无,不是核心技术。能带来零点几个点的增长最好,没有也无所谓。
技术部门发现强化学习在网约车派单上好用,收益挺大。上线之后,让研究院做进一步的探索,目标是用更fancy的技术取得marginal improvement。
为什么工业界研究院接触不到完整的、核心的技术?核心技术肯定在业务部门手里,重要性次一级的工具在技术中台手里。由于利益原因,没人愿意把自己重要的东西交给别人做,除非是自己不愿做、没精力做、没能力做。
说一下工业界的技术团队。工业界的工作并不美好,有很多脏活累活要干,没有学术界看起来高大上,而且KPI压力很大。有一部分人在推着技术走,这种工作的成就感会比较高。另一部分人被业务推着走,比如这个地方掉点了,那个地方有个bad case,要修一下。。。很明显,前者的技术含量高,成长更快,在就业市场上很抢手;后者的技术含量低,是高档人肉电池,容易被换掉。
最后说说人。学术界的人才密度远远大于工业界。拿到985学校的讲师(所谓助理教授)职位,比公司SP offer还难。工业界研究院里各个都是有不错成果的博士。而工业界的技术部门里,人才密度低得多。哪里更容易出头是显而易见的。在跳槽的时候,研究院出身的不那么受欢迎,跟核心技术团队的人差距巨大。
RoseofVersailles回答:
坐标美国,目前在学术界,但是一直有做工业界项目,也和工业界的人有不少交流,并且近期正在谈工业界的职位,希望可以尽快谈妥,脱离学术圈。
我能想到的,工业界和学术界主要有如下区别:
工业界以资本为导向,作为一个上市公司,做什么大方向要听股东大会以及其任命的CEO的。学术界以政策为导向,作为一所大学,研究什么要听国家基金委员会的。这两者的区别表现出来,一般就是工业的研究偏保守,主要是对现有产品改进。学术界研究很激进,主要探索前人的未知。
工业界上班,100%的精力都在研发上。学术界上班,至少30%的精力要放在教学和科普活动上。
至少在美国,学术界上班的工作强度至少是工业界的2倍。工业界基本上早9晚5,一周5天,每年至少再休20天年假。学术界ap的常规操作是早7晚12,一周7天,全年不休。
至少在美国,同等地位的职位,学术界的薪资最多不到工业界的1/2。比如学术界博后年薪5万,工业界刚入职的博士研究员差不多10-12万。学术界ap年薪8-10万,工业界senior scientist年薪20-40万。学术界full prof年薪18-25万,工业界中/高层管理年薪50万-上不封顶。
学术界做出最重大研究成果,一般第一时间在arxiv占坑,然后迅速投Nature、Science。工业界做出最重大研究成果,一般会极尽所能进行保密,连专利都不一定去申请,更不会发paper。
有些时候,学术界和工业界的研究,也是有交叉的。比如学术界也会接DARPA和NASA的活,基本上最后是要出产品的。工业界也会fund一些探索性项目,只要能创新就行,不需要盈利。但总的来讲,这种交叉的情况不会太多。
学术界做出成果,受益人一般是自己(e.g. 发了paper,拿了funding)。工业界做出成果,直接受益人是股东,至于自己能从中渔利多少,取决于为人处事如何、懂不懂向上司表现,会哭的孩子才有奶吃。总的来说,工业界更适合躺平。
有的高赞答案说工业界投资更大,设备更强,人手更多,所以做科研更厉害。据我的了解,只有极少数的公司在极少数的领域是这样的,比如量子计算,人工智能。绝大多数领域,比如物理、材料、化学,是非常吃大科研装置的,纵使是全球500强公司,也出不起建造-维护装置的钱。绝大多数领域的科研装置,绝对是学术界更先进、更好。比如球差电镜,光源,中子源,加速器,核磁。一般来讲,公司如有需要,会选择和大学合作,以使用这些科研装置。
学术界项目失败一般是没事的,而工业界项目失败一般是要有背锅侠的。在学术界的基层人员可以多吹吹牛,而在工业界则应该根据自己能力合理的要任务,一旦past due却实现不了deliverable,是真的会极大影响自己的职业生涯的。
接上一条,学术界拿了tenure,基本上属于铁饭碗。而工业界经常会出现某个部门业绩不佳,直接砍掉的情况。Tenure也算是对学术界低收入的一个补偿吧。
学术界更注重开放合作,有时候没publish的idea甚至都会在conference讲。工业界则非常在乎ip,哪个idea是谁提出来的,谁做了什么,都要清清楚楚的记录下来,以防未来有人浑水摸鱼。
学术界report给谁,这些层级的关系,一般都是过过场面,不会当真(比如某ap,需要report给dean)。工业界report给谁,谁就真的是你的supervisor,一点都马虎不得。总的来讲学术界更多的是“单打独斗”的小作坊。工业界则是等级森严的阶级社会。
学术界的resume一般是publication和award来说话。工业界的resume一般是project的experience来说话。
学术界的工作地点有时候会很偏远,比如los alamos,ithaca,college station。工业界的工作地点则集中在几个重点地区,比如bay area,boston,nyc。
匿名用户回答:
工业界:把复杂的事简单化,贡献!
学术界:没有困难创造困难也要呻吟几声,然后整几篇!
我是工科的,具体就是大机械学科,举个最简单的例子,国内学术界大机械大多数做机器人或自动化装备的研究,都在玩动力学。然而发表的动力学论文,基本都是在那几个著名的理论上加一些条件做“应用分析”。注意我这个引用号写的很严谨,因为很多条件都假设了已知条件,比如说零部件质量、比如说惯量。而这些条件反而是应用中最不容易知道的东西。换句话说,学术界喜欢开上帝视角谈应用,而遗憾的是,工业界根本开不了上帝视角。所以学术界做的绝大多数研究,上不着天(没有真正提出新理论新方法),下不落地(没有解决业界需要的技术问题),根本就是无病呻吟。
关键是,学术界习惯了这种无病呻吟之后,就好像生活中有一种典型的常见“无病呻吟”的状况一样,特么还高潮了……
你说可笑不?
呵呵!
补充说明:
本文默认工科的学术界和工业界对比,更具体地说是 工科 国内学术界 和 工业界 对比。
其他学科如有雷同纯属巧合。
另:国外学术界或有不同,我见识有限,不能说的很清楚。
但是在美国是不太一样的 。原因是美国的工业界太特么牛B了,以至于像通用、谷歌这类公司的研发水平很高。这就造成了美国的学术界和工业界“分工”较明确,学术界只研究新的超前的技术,证明可行性之后,然后工业界完善成熟。
中国和美国是不同的,中国绝大多数公司养不起大量真正的研发人员,所以本来高校承担了相当多的工业研发的角色。然而工科理科化之后,承担工业研发这部分角色的教师逐步被“转化”或者“淘汰”,而所谓创新研究的也因为得不到工业界的反馈而变为纸上谈兵。
所以,这其实和我国为什么要走中国特设社会主义道路一样,片面学习美国是行不通的。
因为学术界和工业界必须相互依存才能发展的很好!
如果觉得有用,就请分享到朋友圈吧!
点个在看 paper不断!