薪酬可达百万美元?AI研究人员发展前景剖析

2018 年 5 月 19 日 AI前线
 
策划编辑 | Vincent
组稿 | Vincent,Natalie
编辑 | Vincent
AI 前线导读:如果你对 AI 抱有兴趣与热情,不妨投身其中;但如果只是为了收入,最好谨慎考虑。 近日《纽约时报》报道称,AI 研究人员即使在非营利组织仍然拿到了超过 100 万美元的超高薪酬。事实上,在此之前很多朋友也一定看到过类似的文章,其中着力探讨顶级 AI 研究人员为人类作出了怎样的贡献,美好的薪酬水平又将如何激励年轻人从事机器学习或数据科学事业等等。Medium 上的一位博主 Peter Yuen 就《纽约时报》的这则报导,对 AI 研究人员的发展前景进行了剖析,AI 前线对他的观点进行了整理,希望能够对各位读者有所帮助。

更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front)
AI 人员薪酬现状调查

一年一度的美国报税季在 4 月份结束了,《纽约时报》翻了翻硅谷的税单后发现,OpenAI 联合创始人 Ilya Sutskever 拥有 190 万美元年薪(合人民币约 1200 万),而 GAN(生成对抗网络)的缔造者 Ian Goodfellow 曾在 2016 年拿到 80 万美元薪酬(合人民币约 504 万,而且这还不是全年的薪酬)。虽然对于 AI 超级巨星们而言,80 万美元实在只是毛毛雨;但必须承认,三十岁的从业者、群体数量颇为可观再加上工资本身的稳定属性,这样的数额确实令人心动。

除了 AI 研究人员,被称为“21 世纪最性感职业”的数据科学家薪资也是居高不下,据统计,数据科学家平均年薪约为 70 万人民币左右。2017 年,AI 前线曾经进行过一项 专题调查,国内 AI 从业者月薪最高可达 35 万 / 月。随着 AI 的普及,该行业从业人员的平均月薪仍然在不断增长。

 

调查报告中排名前十的职位

OpenAI 第一年花费了大约 1100 万美元,其中 700 多万美元用于支付工资和其他员工福利。该公司在 2016 年雇用了 52 人。曾在主要科技公司工作或曾接受过工作机会的人士告诉《纽约时报》,拥有很少或没有行业经验的人工智能专家每年能够获得 30 万美元至 50 万美元的薪水,有经验的专家则可以获得数百万美元的薪酬。

在谷歌和 Facebook 实习之后加入 OpenAI 的研究员 Wojciech Zaremba 告诉记者,“这个金额很疯狂。” 尽管他不会公开确切的数字,但 Zaremba 表示,大型科技公司向他提供高于市场均价两倍或三倍的薪资,让他相信自己的真实市场价值。

根据该公司在英国的年度财务报告,在谷歌拥有的伦敦人工智能实验室 DeepMind 中,2016 年 400 名员工的成本总计为 1.38 亿美元。这意味着每名员工 345,000 美元,包括研究人员和其他员工。

顶尖的 AI 研究人员的薪水飞涨,因为没有多少人了解这项技术,成千上万的公司想要与之合作。“需求如滔滔江水,供应却如涓涓细流,”Skymind 首席执行官兼创始人 Chris Nicholson 如是说。

由于供需的严重不平衡,AI 研究人员的薪资水涨船高,这给大学和政府带来了重大问题。学校需要人工智能的专业知识,以教授下一代研究人员,政府需要把这些技术应用于从军事到药物发现的所有领域。但这两个对 AI 技术急需的部门却无法与私营部门支付的工资相匹配。

然而就像业内外都知道的那样,AI 的泡沫也不小,虽然还没大到区块链那样需要请人来唱《泡沫》的地步。AI 领域薪资不平衡,已经是比较常见的事情。

知乎上某位答主吐槽,曾去国内知名技术大厂面试,在其中两轮面试中间,他被关在面试间枯等了两个多小时,好不容易全部面试完了,公司 HR 开出的薪资却只有他原来薪资的 60%,而招聘启示上所述薪资最高能达到 90 万,这位答主好奇问了一句要怎么样才能拿到 90 万的最高档位薪资,HR 表示:我们目前还没给任何人开过这么高的工资。

且不说尊不尊重的问题,光是这实际提供薪资相比招聘广告上的薪资严重缩水的情况就够让人心凉的了。

AI 前线在不久之前为各位读者分析过数据科学家频繁跳槽的原因,除了这篇文章中提到的这些公司问题和行业问题,还有一些渴望进入机器学习和数据科学领域的人自身的问题。

在一篇名为《请拒绝 24 小时入门机器学习》的文章中,作者提到了这一现状,有些为了炒作而炒作的文章,比如:24 小时、1 天、7 天、10 天教你入门机器学习 / 数据科学等等,是的,你可能会在 24 小时内掌握编程语言的语法,但这并不意味着你已经熟练掌握编程艺术。因为编程不是一门语言,是关于智能设计,对时间和空间复杂性进行严格分析,了解何时某种语言对另一种语言起作用等等。

AI 领域依旧浮躁,所以如果只看到高薪资就急于入门的话,那劝你还是先看完下面这段内容再做决定吧。

AI 时代,算法到底能有多值钱?

2003 年,《金融时报》上就刊登了这样一则招聘消息:

招聘:对冲基金定量分析师数学、统计、物理、计量经济学博士拥有数学奥林匹克冠军或其它类似奖项50 万英镑基础年薪 + 绩效分红

华尔街的第一批分析专家专门从事衍生品交易——其中包括最著名的 Fischer Black、Myron Scholes 以及 Rboert Merton(以 Black-Scholes 公式闻名)等学术名人,外加 Emanuel Derman 等大牛从业者。Derman 在华尔街一直拥有着辉煌的职业生涯,而 Scholes 与 Merton 则因在 1998 年金融危机期间造成数十亿美元资本损失而由盛转衰。他们的错误不仅令自身资产遭遇缩水,同时几乎导致全球金融体系发生崩盘。而他们的学术接班人——包括来自物理学、数学以及经济学等专业的年轻人——正大量涌向华尔街,并导致其它学科人才储备量严重不足。事实上,人工智能与机器人领域也面临着这样的人才冲击。这群毕业生在上世纪九十年代末到 2007 年之间进入华尔街,开始用复杂的数学与数值创造更为复杂的衍生物算法。

不过在过去 15 到 20 年当中,分析专家们作出的选择终于粉碎了他们赖以生存的基石(当然,必然承认他们面对着无数选择,而其中似乎只有一条通向成功)。2008 年的金融危机加速了这一行业的衰败,相关团队数量也缩减至十分之一甚至更低。

 

受到影响的不只是分析专家……

作为一名对市场微观结构抱有浓厚兴趣的计算机科学家兼人工神经网络爱好者,Peter Yuen 从上世纪二十年代初投身于华尔街——也就是所谓的第二波专家浪潮。那时候,交易桌上开始越来越多出现数学或者计算机科学博士。而在交易往来彻底电子化之后,蓝领劳动者的噩梦终于全面到来。

与外行人士关于“算法交易”的理解相反,算法交易实际上根本不涉及买卖或者赚钱之类的概念。算法交易专家的工作主要集中在银行身上,这些专家的任务是自动执行大量订单的处理工作,从而将这些订单拆分成小块并发送至证券交易所处,最终最大限度减少我们的信息泄露可能性与市场影响。他们在控制股票购买与出售成本方面表现得相当出色,而这同时也将吸引更多对冲基金客户为我们带来更多业务。

那时候就有人说:算法将取代销售交易员——换言之,未来将不再需要由他们与客户交谈、拉拢订单或者为经销商(即执行交易员)分配绩效额度。短短几年之内,凭借着砸向算法交易的第一桶金,Peter Yuen 所在的公司在香港的市场份额由 4% 增长至 10%。在此期间,执行经销商的数量则从六个减少到两个

 

算法出现之前的交易与执行流程

对于初级分析专家而言,那段日子确实令人振奋不已,虽然衍生品的价格因素在 40 年间一直没什么激动人心的变化,但那时候市场微观结构、短期供求关系研究以及市场设计都处于相对简陋的起步阶段。那时候的投资银行中几乎没人掌握着此类知识,对于如何衡量交易绩效也没有真正的共识。正因为如此,顶尖学者们会联系我们以获取交易数据,交易所也会咨询算法专家的建议。

虽然即使是在今天,关于订单动态的许多问题仍然没有得到解决(至少在公共部门是如此),但当初的很多算法交易同行都在致力于攻克这些难题。 不少公司 实现了经销商自动化,而一些专家自己的工作岗位预计也将在未来十年左右彻底消失

第一次工业革命让资本取代了体力劳动,而这一切引发了十七世纪动荡不安的时期,更是催生出《资本论》这一彻底改变全球社会与政治思想的著作。很快,人工智能研究者可能会通过 GPU(图形处理器加数据中心)取代脑力劳动。届时,谁知道又会造成怎样的巨大冲击?
 

当然,在真正取代知识分子之前,我们对智能机器仍然抱有好奇与支持的态度。

如果三代分析专家在金融市场自动化层面的经历值得借鉴,那么也许人工智能行业中的普通从业者最终也只能获得十几年的从业周期。接下来,一小批精英从业者将转化为管理者或负责人角色,其余部分则以正常的薪酬水平继续负责人工智能方案的监管与维护工作。鉴于目前的炒作周期水平,加上人工智能研究人员们在编写最终将替代其自身的代码时所获得的工资,资本与劳动力间的矛盾只会愈发尖锐。除此之外,来自发展中国家的 STEM 毕业生供应量也在不断提升,因此很难想象人工智能领域的劳动力短缺状况能够长期持续下去。

尾声

AI 领域有这么一句话:“有多少人工就有多少智能。”

随着技术的发展,越来越多的技术企业尝试用机器搞定机器擅长做的事,仅以 AutoML 产品为例,谷歌大佬 Jeff Dean 搞出来的 AutoML 如今在探索出的模型复杂度和准确性上已经可以超越人类设计的模型。有网友感慨:“社会我 Dean 哥,人狠话不多。这是要把机器学习专家们都用机器代替了啊!”随着 AutoML 技术的发展和普及,AI 工程师也将逐渐成为“高危”职业,尤其是那些初级 AI 工程师或所谓的调参师,虽然离“濒危”还有一段距离,但是看这趋势,不好整啊······

所以,如果你真的希望成为一名 AI 工程师或数据科学家,请先抛弃浮躁,不要在 7 行代码中完成什么技术的入门,去尝试坚持做 6 个月、一年,经过这段时期你会知道自己是否真的对这一行感兴趣,忘掉夸张的薪资带来的魅力,尝试真正进入这个惊人的研究领域的深处。

AI 前线也将持续为各位读者带来学习资料,如果你想从头开始,不妨看看这篇文章

参考链接

https://medium.com/@pycy/million-dollar-salaries-for-ai-researchers-well-we-quants-have-seen-this-movie-before-8e7af51f6c63

https://www.nytimes.com/2018/04/19/technology/artificial-intelligence-salaries-openai.html


AI前线
紧跟前沿的AI技术社群

如果你喜欢这篇文章,或希望看到更多类似优质报道,记得给我点赞并分享哦!

┏(^0^)┛明天见!

登录查看更多
1

相关内容

数据科学(英語:data science)是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。 它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。 数据科学通过运用各种相关的数据来帮助非专业人士理解问题。
AI创新者:破解项目绩效的密码
专知会员服务
32+阅读 · 2020年6月21日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
194+阅读 · 2020年3月8日
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
【综述】智能医疗综述,48页论文详述医学AI最新进展
专知会员服务
68+阅读 · 2019年9月1日
总理4次@人工智能,AI工程师薪酬究竟如何?
人工智能头条
3+阅读 · 2018年3月21日
2018年,AI工程师校招薪酬出炉!
数据玩家
6+阅读 · 2018年2月28日
Arxiv
99+阅读 · 2020年3月4日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
4+阅读 · 2018年5月10日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
AI创新者:破解项目绩效的密码
专知会员服务
32+阅读 · 2020年6月21日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
194+阅读 · 2020年3月8日
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
【综述】智能医疗综述,48页论文详述医学AI最新进展
专知会员服务
68+阅读 · 2019年9月1日
Top
微信扫码咨询专知VIP会员