-
日期: 2024-12-24 | 来源: 新智元 | 有0人参与评论 | 字体: 小 中 大
随后，我们开始有一批更加聪明、目标明确的博士生从事深度学习研究。这些人极其有动力不是靠运气而是凭借才能和热情被选中，因此他们取得了更快、更显著的进展。
不久之后，这些进展就开始转化为实际产品。特别是以可对话的LLM为代表的大模型，开始证明这些产品确实是革命性的，既能改变未来，也能在当下创造经济价值。
换句话说，这些新一代的优秀博士生通过将深度学习产品化（例如LLM及其变体），成功地将未来带到了现在。
产品化意味着很多事情，但有两个方面尤为重要：
- 首先，产品化需要在开发和部署过程中，实现某种程度的标准化。
然而，这种过程标准化与科学研究是背道而驰的。
我们不需要持续不断的创造性和颠覆性创新，而是基于标准化流程的渐进式、稳定的改进。而博士生在这一点上表现得很差，因为这与博士项目的培养目标完全相悖。
博士生的任务是提出创新性的想法，通过理论或实证验证这些想法，将研究结果写成论文，向学术界报告，然后继续进行下一步研究。
一旦研究成果被转化成实际的产品，我们就不能简单地“继续前进”，而是需要持续支持和维护它
于是，随着一套完善的流程的建立，对博士学位的需求会迅速下降。
- 其次，产品化为收入创造了一条清晰且具体的路径。
这对那些投资招聘了这些优秀人才，并为其提供资源以便在公司内部而非其他地方进行创新的企业来说，是件好事。
然而，一旦出现了明确的盈利方向（最终目标是实现利润），研究人员想要继续要求完全的研究自由，就变得越来越困难。
许多人会被要求直接为产品做出贡献，并证明他们薪酬和岗位的合理性，只有少数人能够继续享有研究自由。
这很正常，同时也解释了为什么在大多数组织（包括盈利性、非盈利性和政府机构）中，研究团队通常比产品团队规模更小，资源更少。
此外，在过去几年中，大学在一定程度上赶上了需求，开始教育和培养本科生和硕士生，使他们掌握这些新技术的基础知识和实践理念。
他们不仅知道如何训练、测试和部署这些模型，还了解其背后的理论理念。更重要的是，他们通常比博士生更谦逊，也更愿意接受新事物。
这些因素，共同彻底打破了前文所述的AI人才培养梯队。
不需要那么多博士了- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见