選自fast.ai，作者：Rachel Thomas，機器之心編譯，參與：高璇、曉坤
人工智能界的特殊性令人難以分清其在學術界和產業界之間的界限。AI 學術界的「排外」現象到底是由於開放性還是有先來者在守門，近日在 Reddit 上就出現了這樣的討論。但該話題僅聚焦於學術研究，讀博其實是個人發展的一部分，學術研究也是整個 AI 行業的一部分，Rachel Thomas 在這裡就向我們提供了更廣的視角。
Rachel Thomas 是致力於 AI 開放教育的 fast.ai 聯合創始人之一，她在本文討論了在考慮讀博之前，如何結合學術界和產業界的視角看待整個行業以及個人發展，並結合自身經驗給出了中肯的建議。
我最新的帖子 Ask-A-Data-Scientist 對是否攻讀博士學位的問題做出瞭解答。之前的 Ask-A-Data-Scientist 建議列表鏈接：http://www.fast.ai/topics/#advice。
問題：我是一名對機器學習充滿熱情的本科生，我對獲得博士學位感到有點壓力。進入這個行業幾年後再考慮回到學校會更有意義嗎？如果您有任何建議告知，我將不勝感激。
關於是否讀博的對話經常會有選擇性偏差的影響：考慮讀博的人會向已拿到博士學位的人尋求建議。另一方面，有許多人在沒有博士學位的情況下從事有趣且前沿的工作，他們不太會被問及這一問題。而其他例如極高的研究生抑鬱率或讀博的機會成本等重要因素，都很少被討論。作為擁有數學博士學位的人，我很遺憾花了這麼多年時間專注於一個狹窄的領域，同時忽略了許多其他的重要技能。我一參加工作，就發現自己一直在學習各類關鍵技能和經驗！
瞭解機會成本
我嚴重低估了通過產業所能得到的收穫。我曾經認為不斷地學習的最好方法是留在學術界，並且我沒有很好地把控讀博的機會成本。我的本科經歷挺傳奇，我一直都很優秀並喜歡待在學校。在學校拿薪水的想法聽起來就很美妙！
但我後來才意識到，我的傳統學術成就反而成了我的弱點，因為我學會的只是如何解決別人給我的問題，而不是如何自己發現和解決問題。我認為對於許多優秀學生（包括以前的自己），讀博是一張「安全牌」：這是一條光榮且意義明確的路。但這只是一種推遲人生重大節點到來的方式：學著去設定一個學術體系之外的目標，並與你的內在動機和價值觀都更深刻地聯繫起來。
當時，我覺得我在博士期間學到了很多東西：學習高級課程、閱讀論文、開展研究、定期演講、在我的領域組織兩次會議、協調研究生課程，在我的院系擔任學生代表以及撰寫論文。事後看來，所有這些都只是我意識到的技能的冰山一角，並且其中許多技能都難以遷移。例如由於結構和激勵非常不同，學術寫作與我通過博客（受眾更廣）寫作就非常不同，學術策略與創業策略也有很大差異。
你應該讀博嗎？照片來自 #WOCinTech Chat
在我 27 歲時，我完成了博士學位，並開始了我的第一份全職工作（與我在研究所通過各種研究和教學獎學金獲得的津貼不同）。我需要了解很多關於我從事的行業和實際技能的主要差異。儘管在高中學習了 2 年的 C ++，在大學輔修了 CS，並在數學博士期間做了一些編程項目，但我更專注於計算機科學的理論部分，缺乏許多實用的計算機技能。相反，我的 fast.ai 聯合創始人 Jeremy Howard 在 18 歲就有了第一份全職工作，當時他是麥肯錫的一名顧問，並且在我剛進入社會時，Jeremy 從事全職工作已經幾乎十年。期間他已經成立了兩家目前仍在運營的初創公司。在我讀博期間，我本可以學到很多其他的技術。
需要明確的是，生活不是一場賽跑。你可以在任何年齡進入科技行業，學習新技能。但科技行業是吃「青春飯」的，年輕創業者得到的讚美像是「罌粟」。然而，我再也沒有 20 歲出頭的精力了 (儘管我現在吃草擼鐵泡枸杞，但我感覺還是不一樣的)。我後悔太過於關注一個狹窄的領域和忽略了其他，這一項就浪費了我大量時間和精力。
你不需要博士學位
我想到了下面沒有讀博的人他們在深度學習中都從事有趣且前沿的工作（這個列表不完整，還有很多人）：
- Chris Olah，distill.pub 的聯合編輯，富有洞察力的可視化創建者，Google Brain 的研究員（沒有大學學位）。
- Jeremy Howard，fast.ai 的聯合創始人，Enlitic 的創始人（第一個將深度學習應用於醫學的初創公司），之前排名第一的 Kaggler 和 Kaggle 總裁，fastmail 和 Optimal Decisions Group 的創始人。
- David Ha，Sketch-RNN 的創建者，Google Brain 的研究員。
- Smerity，曾經 Salesforce / MetaMind 研究員，AWD-LSTM 的發明者，創業公司創始人。
- Pete Warden，Google Brain 的研究工程師和 TensorFlow 移動端的技術負責人，JetPack 的創始人（被 Google 收購），O'Reilly ebook 中《使用 TensorFlow 構建移動應用程序》的作者。
- Greg Brockman，CTO 和 OpenAI 的聯合創始人，領導團隊的 DOTA 工作（沒有大學學位）。
- Catherine Olsson，Google Brain 的研究工程師，曾幫助建立 OpenAI Gym。
- Sara Hooker，Google Brain 研究員，致力於解釋性和模型壓縮，非營利性 Delta Analytics 數據的創始人。
- Denny Britz，以前效力 Google Brain，現在在 Berkeley 的 Spark 工作，為 WildML 寫博客。
- Helena Sarin，深度學習研究人員，創造創新藝術作品。
- Sylvain Gugger，fast.ai 的第一位研究員，對 AdamW 和超融合進行了研究。
- Mariya Yao，Metamaven 的 CTO，TOPBOTS 的主編，應用人工智能的作者，Duke 團隊的一員，在 DARPA 的大挑戰中獲得第二名。
- Devaki Raj，創業公司 CrowdAI 的 CEO 兼聯合創始人，將人工智能應用於衛星圖像，之前曾在谷歌地圖和 Android 工作過。
- Choong Ng，Vertex.ai（被英特爾收購）的 CEO 兼聯合創始人，創建了 PlaidML，可以快速輕鬆地在任何設備上進行深度學習。
- Brian Brackeen，計算機視覺初創公司 Kairos 創始人兼 CEO，採取了令人欽佩的立場反對利用法律強行使用面部識別。
在我所有的工作中，包括在技術上「需要」博士學位的工作，我都有一些沒有碩士學位的隊友。而沒有博士學位的隊友通常比那些擁有博士學位的人辦事更成效，給我更多幫助（也許是因為他們有更多的實踐經驗）。
當然，有很多有博士學位的人做過有趣且有價值的工作，比如 Arvind Narayanan、Latanya Sweeney 、Timnit Gebru、，Moustapha Cisse、Yann Dauphin、Shakir Mohamed、Leslie Smith、Elin LeDell、Andrea Frome 等等。我非常欽佩我列出的所有人，而且我絕不認為博士學位沒有用或者不好。
研究生的抑鬱、孤獨和心理健康問題
67% 的研究生說他們在過去一年裡至少有一次感到絕望；54% 的人情緒低落，無法正常工作；2004 年的一項調查發現，近 10% 的人曾考慮過自殺。相比之下，美國國家心理健康研究所（National Institute of Mental Health）對 UC Berkeley 學生的研究表明，估計有 9.5% 的美國成年人曾患有抑鬱症。
照片來自 #WOCinTech Chat
對於許多人來說，讀研究生並不是一種樂趣或個人的充實。它可能受很多因素影響，例如可憐的薪資、不確定的就業條件、主管的無理要求、無關的研究項目，以及教職員工和本科生（他們經常表現得像管理人員和顧客一樣）的無禮對待。研究所每天都對雞毛蒜皮的小事進行打擊並扼殺學生自信心。所有這一切都因擔心一切都是徒勞而加劇；一位教授在《Chronicle of Higher Education》上寫道:「你是個有用的傻瓜」，他在一篇文章中特別提到了人文學科的學生，但這也適用於許多 STEM 學生。在過去的十年裡，我幾乎不知道有哪個研究生不痛苦。因為我會在這個網站上寫專欄文章，所以一些人告訴我，他們的研究生生涯時刻伴隨著自殺的念頭。更常見的是，研究生會遭受諸如體重波動、疲勞、頭痛、胃痛、焦慮和酗酒等未經治療的慢性疾病的折磨。
雖然性別歧視和騷擾使我對讀研有了負面感受，但我的許多男同學也很悲慘，因為他們遭到教授的孤立、欺凌或羞辱，還有一種剝削制度，由自大嚴苛的等級制度和對威望的迷信所組成。美國國家科學院的一名綜合報告的作者說：「科學家們視嚴苛和批評為殘忍。」
學術界的性別歧視和種族歧視
美國國家科學院的一份報告指出，在科學、工程和醫學領域，20%-50% 的女學生和超過 50% 的女教師遭受過騷擾。在對從事 STEM 研究的 60 名有色人種女性的採訪中，100% 的女性都遭到過歧視，她們所面對的負面刻板印象因種族而異。
由於潛意識的偏見（特別當他們是自學的時候），他們會受到更多的調查，因此文憑對弱勢群體的人們可能更重要。不幸的是，由於高等教育中的性別歧視和種族歧視，弱勢群體可能更需要文憑，但他們在爭取這些文憑時也可能要面臨更險惡的環境。對此我沒有答案，但我想表明這種緊張關係。
在普林斯頓大學獲得數學博士學位的黑人女性 Piper Harron，在她的論文中寫道：
受尊重的研究數學由態度確定的男性主導。即使允許個體差異，現在仍然存在一種壓抑的氣氛，而那些利用它獲得成功的人精心維護，甚至大力營造這種氛圍。正如所有優秀的研究生做的那樣，我試圖在數學研究上去適應它。我去融入這種氣氛並將我的態度隱藏於心。我很痛苦，也一度瀕臨失敗。問題不在於個人，而是一種自我保護機制。從外部看，所有的背叛都是你自己造成的。
惡劣的研究所比惡劣的工作更糟糕
我認為我在研究所的時間是我最糟心的時期之一。雖然我給出的處理惡劣工作的大部分建議同樣適用於惡劣的研究所，但有一個區別很關鍵：換研究生項目要比換工作難得多。這使學生和教授之間的權力差異遠大於技術行業中員工和老闆之間的權力差異（這意味著權利濫用或剝削的可能性更大）。
我知道有些人換了導師，甚至換了項目，這確實可以讓你回到過去。然而留在糟糕的項目中的成本（身心健康方面，以及機會成本方面）會非常高，我知道有些人花了數年時間才恢復過來。如果你是學生簽證的移民並且必須考慮簽證/居留問題，那就更麻煩。對於糟心的研究所，沒什麼簡單的解決方案。
高等教育正在發生變化
唯一需要博士學位的情況就是成為一名教授。然而，高等教育正在發生很大變化：向輔助化轉變，博士學位過剩使美國研究經費預算大幅削減，越來越多的學校讓終身教職員工下崗，為一些博士後採取一些重大舉措，以及無法繼續給本科生提供助學貸款。我不確定高等教育的未來是什麼，但我認為它將與過去不同（這在我改變職業目標的過程中發揮了重要作用）。
當我聽到本科生（包括年輕的我自己）說他們認定自己要成為教授時，我是持懷疑態度的。即使他們有過實習或兼職，本科生也很難深入且全面的瞭解職業選擇。此外在本科期間，學生們的周圍主要都是教授和其他學生。
如 Coursera 之類的編碼訓練營和 MOOC 都是直到我技術轉型時才被髮明的，但兩者都很有用並且對教育產生了重大影響。我已經從許多在線課程中受益，如果編碼訓練營早存在 10 年或 15 年，我將獲益更多。在過去的幾年裡，我既是一名訓練營的講師，也是建立 fast.ai 的 MOOC 的聯合創始人，包括應用於編碼的實用深度學習和計算線性代數。我已經看到這些如火如荼的新教育形式帶來的強大作用。（除此之外，也有很多無用的或粗製濫造的訓練營和 MOOCs，研究也一樣。）
在考慮讀博時，一定要仔細權衡機會成本和風險，並考慮各類人的經驗：那些在沒有博士學位的情況下取得成功的人、有許多負面研究生經歷的人，以及那些在傳統的學術道路上取得成功的人。
閱讀更多 機器之心 的文章
