好久不写知乎了，新年除个草。其实这个碎碎念上个月就写好了，没发。现在想想反正写都写了，就图一乐呗，大家随便看看。
知乎：周博磊
链接：https://zhuanlan.zhihu.com/p/16119215406
标题：AI学术碎碎念 1
编辑：「深度学习自然语言处理 公众号」
前几天跟一个学院的资深教授聊天，他抱怨现在美国博士生成本越来越贵，工会又计划罢工闹事，学生工资明年又要涨25%。现在UCLA一个博士生的成本差不多要12w美金一年了，包含：学生全额学费+每个月工资+保险+福利（对没听错，上网费，学校健身房费，桌位费，etc）+ 交给学校的57.5%的overhead。他有博士生还问他要加班工资。他觉得学生把读博当作工作的思路就不太对，读博应该是对科学的探索，而不是挣钱。
我部分赞同他的观点。博士生每月拿到的钱，我更倾向于叫做 奖学金，而不是工资。奖学金是奖励学生学者攻读phd学位，而不是靠这个赚钱。得到博士学位过后，大家一般都会说earn the PhD ，就是说一个年轻人付出了努力，时间和精力，以及通过不高的奖学金作为生活费，赚取到了博士学位。真要赚钱，出门左转去公司好了，要啥自行车。
上个月参加完NeurIPS，总体给我的感觉是AI方向对大学研究者越来越不友好。我一个激进观点是，现在AI研究根本就不需要这么多大学PI和phd学生，这个领域已经过度饱和，导致内卷。现在围绕LLM展开的AI研究，靠的是大算力和大数据，学校里整的这十几张A6000的算力资源，只能做些小打小闹和隔靴搔痒的”AI研究”。LLM方向的研究，技术能力大概读到研究生文凭就够了，看看炼丹和prompt手册如何训练LLM，学好计算机系统工程和分布式方面的东西就能上手，门槛太低。现在代表先进生产力的AI研究，大部分情况下是大公司大团队之间pk算力和数据，个人能力已经越来越不重要。靠天才个人撸出ResNet的时代已经结束。
另外一方面，这几年各个大学里面做各个AI方向的junior PI也越来越多，美国，中国大陆，香港地区，新加坡，等等。卷出来成老师了，也并不意味着上岸了，还得继续数paper。出来混，具体国家地区具体分析，但大概路子我觉得有俩：在学生成本低的地区，当个包工头，搞一堆学生，算力问题解决了的话，发顶会paper完全没问题，有学生就有生产力。再不济自己没啥idea，就把学生外包给有算力的公司研发岗和某些AI lab，追热点发paper也是杠杠的；在学生成本高的地区和国家，比如说美国，就比较难受了。我个人觉得理想状态是搞个小组，把自己真正感兴趣的方向上心做一做，发自己觉得好的paper就足够了，得知足。宇宙这么大，总有很多有意思的学术研究问题可以去探索。如果又想做所谓“前沿热点大众关注能上新智元机器之心”的研究，又想不卷算力和数据，那一定是鱼和熊掌不能兼得。熬到tenure过后去公司兼职，或者onleave去公司再搞先进生产力不迟。如果还按第一种方案搞一堆学生产出paper的话，属于自找苦吃。费牛劲拉经费，拉到的钱勉强养着每年都在工资上涨还不知足的学生，何必。
这两三年有很多人博士毕业就能在学术界找到好位置，或者从工业界回流学术界。也许都以为学术界好混，有个prof的title光鲜。或者phd阶段觉得自己paper发得顺，卷王了，建自己的lab继续卷。我的大胆猜测是，再过两年又会有很多人从学术界回工业界。因为学术界里面大部分都是为爱发电，吃力不讨好的事情太多：学生投的paper被拒或者proposal抠脑袋写不出来都是小事，其他让人心焦的杂事，如明年的算力哪里去搞，明年phd学生工资又涨了25%怎么办，学生工资断供了怎么办，proposal接收率只有10%全聚德了怎么办，教的AI课学生抱怨没包含最新的Gaussian splatting和RLHF打差评了怎么办，小AP工资每月到手只有几千块生活怎么办。。。这些确实都是我目前真实的faculty头秃日常。
备注：昵称-学校/公司-方向/会议(eg.ACL)，进入技术/投稿群
id：DLNLPer，记得备注呦
