<p style="text-align: justify;">最近，Chatgpt引發(fā)人工智能狂熱，machine learning、data science等相關(guān)專業(yè)再次引起了大家的強烈興趣。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">究竟，這波AI熱會帶來什么影響？從留學(xué)申請到未來求職，又該如何選擇才能走在風(fēng)口？我們特意邀請了指南者留學(xué)的mentor&mdash;&mdash;北美潘瑋柏 孔學(xué)長！他目前正在美國佐治亞理工學(xué)院攻讀機器學(xué)習(xí)方向的PhD，一起來看看他的見解～</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/sucai/content/1677476265373/1677476265373.png" width="750" height="661" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">Q1 程序員真的會被AI取代嗎？</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">我覺得是會的。因為這一波Chatgpt帶來的效果其實是遠超過我們預(yù)期的，它代表的不僅僅是一個軟件的成功，而是一個大方向的成功，也證明了AI確實可以在各行各業(yè)幫助人類提高生產(chǎn)力，我覺得可以算是新一輪科技革命的開始。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">那在這種情況下，很多職業(yè)，像是客服、設(shè)計師、低端碼農(nóng)未來是會被逐漸取代的。我覺得現(xiàn)在基礎(chǔ)程序員的情況很像上世紀機械廠的工人，在科技沒有很發(fā)達的時候地位會很高，但隨著技術(shù)的快速發(fā)展，可取代性也會越來越高。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">現(xiàn)在美國這邊的趨勢其實是交叉學(xué)科和創(chuàng)新領(lǐng)域。交叉學(xué)科的話就是多元背景，比如同時精通CS和生物學(xué)，這類復(fù)合型人才還是很稀缺的，未來在就業(yè)方面也會非常吃香，所以我們可以看到很多美本的學(xué)生現(xiàn)在都是double major。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">創(chuàng)新領(lǐng)域就比如AI人工智能這方面了。其實除了Chatgpt，AI for science AI制藥也是目前特別熱門的方向，很多在美國的老師和PhD這兩年也回中國創(chuàng)業(yè)了，感覺未來也會是很有前景的方向。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">Q2 人工智能方向的就業(yè)前景怎么樣？</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">很多人畢業(yè)后還是會去互聯(lián)網(wǎng)大廠的。不過以前很多都是做research assistant，就和在學(xué)校做科研的差別并不大。但目前隨著經(jīng)濟下行，趨勢是去大廠也要多做一些業(yè)務(wù)導(dǎo)向的工作，換句話說是做當下就能盈利的業(yè)務(wù)，純做research的話被裁的風(fēng)險肯定會更高。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">另外目前machine learning在金融領(lǐng)域的應(yīng)用也越來越多，也有挺多人選擇去做quant。和做程序員相比，quant的收入要高很多，我認識的一個學(xué)machine learning的PhD畢業(yè)起薪就達到了60萬美金。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">但相應(yīng)的做quant的門檻也會比程序員高很多。首先對畢業(yè)院校的要求就很高，面試的時候coding題目也會難很多，甚至還會考一些智力題和數(shù)學(xué)題。并且，做quant的壓力也很大，對業(yè)績的要求很高，業(yè)績不好可能也拿不到這個60萬刀的package，業(yè)績好就可以拿到更多。所以一般大家也就干個三五年就轉(zhuǎn)行了。（當然，行景好的話，呆個三五年也就財務(wù)自由了。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">那做程序員的話，雖然薪資不及quant那么高，但勝在性價比高。一般的美國程序員崗位對畢業(yè)學(xué)校的要求并沒有大家想象得那么高，平時的工作也會比較輕松比較穩(wěn)定，不像很多quant崗位有每年裁員20%的指標。同時如果一直留在美國的話，也不太會面臨國內(nèi)程序員的年齡焦慮。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">我自己之前也有收到過quant崗位的面試邀請，但我個人目前不是很有興趣，暫時還是比較想走學(xué)術(shù)。所以，其實還是看大家自己想選擇什么樣的工作和生活，以及能夠到什么樣的生活，這點上不用太勉強自己。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">Q3 在美國做科研的學(xué)術(shù)氛圍怎么樣？</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">美國的學(xué)術(shù)和科研氛圍是非常鼓勵創(chuàng)新的，老師的思維也會更新潮。像我老板就不會對我的文章發(fā)表數(shù)量有太多要求，但會很關(guān)注課題是否新穎，是否足夠exciting，如果是那種他能夠預(yù)料到發(fā)展的課題，就不太會讓我做了。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">像港新地區(qū)在做的一些比較成熟、比較容易出結(jié)果的方向可能我們這里已經(jīng)做得比較少了，大家更多的精力會投入在前沿領(lǐng)域和交叉學(xué)科，會去做一些探索性的工作，當然學(xué)校給的funding也可以支撐我們?nèi)プ鲞@些工作。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">所以大家如果想學(xué)一些前沿學(xué)科的話，目前確實還是美國最好，包括歐洲其實學(xué)術(shù)氛圍也是比較old school的&hellip;&hellip;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">大家之后畢業(yè)想在美國高校找教職工作的話也是一樣的，美國學(xué)校很多并不是很看重你發(fā)的文章數(shù)量，大概4-5篇文章就夠了；也不是很看重引用量，因為如果你做的方向很新，引用量也不會很多。但對你的研究方向是否前沿、是否是交叉學(xué)科、導(dǎo)師的title是否大這些都很看重。但我了解到香港地區(qū)的學(xué)校就會很看重你的文章數(shù)量和引用量，不同地區(qū)的差別還是很大的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">Q4 想申請美國AI方向，需要如何提升背景？</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">如果大家想申請美國這邊的PhD和好學(xué)校master的話，科研是非常重要的，尤其是海外的暑研。我之前申請的時候?qū)W校里面比較流行的是參加競賽，但我感覺這個對申請PhD的幫助遠不如做科研。比如目前我老板招PhD就要求至少要有一篇頂會，那大家如果不做海外暑研的話，其實是很少有機會發(fā)的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">以前大家做暑研必須要跑到美國去，讀陸本的同學(xué)還是比較麻煩的，但現(xiàn)在疫情之后其實很多學(xué)校的老師都愿意接受remote學(xué)生了，這個機會還是很難得的，大家要好好把握！如果大家暑研期間表現(xiàn)得很好，還有機會拿到國外老師的推薦信。其實這些大牛老師基本都是在一個圈子的，這種推薦信對之后的申請會非常加分！</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">一般來說我們這邊招的暑研學(xué)生都是大三的，并且本身已經(jīng)有了一定的積累，比如對machine learning的一些框架已經(jīng)有了解，這樣來了就可以快速上手干活了。所以大家在大三之前就可以多注意學(xué)習(xí)相關(guān)的知識，最好在大二階段就先找國內(nèi)的老師做一個項目，到了大三再申請國外暑研，這樣會更有競爭力。之后再通過暑研拿到推薦信，發(fā)發(fā)頂會，從而進一步爭取美國好學(xué)校master甚至是PhD的offer，是一個逐步積累的過程，很難一蹴而就。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">Q5 來美國學(xué)AI，推薦什么學(xué)校？</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">這個大家參考相關(guān)的榜單就可以了，我也可以大致給一個我心中的榜單（這些學(xué)校都有很多大牛老師）：</p> <p style="text-align: justify;">&nbsp;</p> <ul> <li style="text-align: justify;">Tier 1：麻省理工、斯坦福、加州伯克利</li> <li style="text-align: justify;">Tier 2：卡內(nèi)基梅隆大學(xué)</li> <li style="text-align: justify;">Tier 3：華盛頓大學(xué)</li> <li style="text-align: justify;">Tier 4：康奈爾、伊利諾伊香檳、佐治亞理工&hellip;&hellip;</li> </ul> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">其實總的來說，如果大家來美國讀master并且之后計劃在美國找工作的話，學(xué)校排名的影響遠遠不如想象中大。即使讀PhD也是這樣的，求職的時候更多的還是看你老板的title和圈子。比如我就知道一些在一般的學(xué)校讀PhD的同學(xué)，因為老板的方向好，發(fā)文章也多，其實學(xué)得非常好；同樣也有在top學(xué)校的同學(xué)，因為老板比較&hellip;最后選擇換學(xué)校的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">所以說到底，最終還是要看大家喜歡哪個方向，以及自己的目標到底是做學(xué)術(shù)還是就拿個學(xué)位，這些對之后選擇的影響會非常大。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">最后，如果大家對CS、Machine Learning、Deep Learning、Data Science領(lǐng)域的申請有興趣的話，歡迎通過指南者留學(xué)和我進一步交流，希望可以幫助大家拿到夢校的錄??！</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/sucai/content/1677476408347/1677476408347.png" width="750" height="340" /></p>