请选择 进入手机版 | 继续访问电脑版

中文搜索引擎指南网

 找回密码
 禁止注册

QQ登录

只需一步,快速开始

搜索
查看: 7009|回复: 0

李开复给大学生的公开课:你该这样做选择

[复制链接]
发表于 2018-8-6 18:56:26 | 显示全部楼层 |阅读模式
李开复  发布于 2018-08-06

由教育部、创新工场、北京大学联合主办的DeeCamp 人工智能训练营已经进行两周了。

作为夏令营的讲师,我上周给学生们上了一门AI课。没想到课后学生们咨询我最多的话题是:大学毕业后究竟应该工作,创业,还是读博当老师?也有很学生问AI是不是泡沫了,我们还要不要学等问题。

所以我又找时间跟夏令营的学生们做了一场职业选择问答课,帮大家答疑解惑。以下问答也许对其他学生也有帮助,分享给大家:




话题一:不支持应届大学生盲目创业
Q1:大学生创业应该怎么创

我不支持应届大学生盲目创业,在座的每一位现在拿商业计划书给我,我一个都不会收。为什么?因为创业就不是一个刚毕业的学生能做的。创新工场投资了300多个项目,只有两三个是刚毕业的学生做的,比如说旷视科技Face++。

刚毕业的时候,你会经验不足、人脉不够、不懂管理,所有我们担忧的问题,在这个过程中都会发生。所以,没有经验的创业,成功的概率微乎其微。想创业的同学不要那么急,你加入一个公司,快则两年,慢则三四年,再制定商业计划时,我们肯定会更慎重的考虑。

Q2:既然创业不能急,我们该找什么样的公司呢?

我觉得有几个选择:

首先大公司是有优势的,因为它有数据,有好的老板、好的体系,在 AI时代有一个好的老板非常重要,要看他在不在乎、懂不懂AI,给不给你用他们的大数据。如果符合这些条件,我觉得国内的这些大公司都可以考虑。

但问题是,进入大公司,你就会被划分到一个个小小的部门,成为大机器的小齿轮,比如说你做技术就只能做技术,你想了解用户体验不可能;或者说你是做训练优化,你就做训练优化,你不要问数据怎么用,也不要担心产品怎么用。大公司不会让你接触到全方位的数据及产业运营。

如果要去创业公司,也可以有几种走法:

第一种,找一个已经走入我们视线的公司,比如Face++、商汤、依图等,进入这样一家做AI的公司,你也会学到很多。他们的规模可能已经几百上千人,但你仍然有机会见识到跨部门的运行。

第二种选择,是去那些非AI的公司,规模虽然不是很大,但有上升的潜力,并且已经认识到AI的重要性。

这些公司的特点是数据多、用户多,日活几千万后,突然发现他们需要AI的支持。当你选择这样一家公司时,你需要确定这个公司是懂AI并且在乎AI,比如说知乎、美图,或者每一个独角兽公司都是可选择的对象。

第三类是非常初创的公司,只有几十个人,比如我们投资的景驰。如果你更多想创业而不是找工作,在小公司里你会学得更多。公司的任何问题,无论产品、用户、竞争、市场和技术等等,你都会接触到。

对于要创业的人来说,你要乐于接受,因为这是一个对CEO最好的培训,每一个有趣或枯燥的事你都要去做。

但是有一个底限,这家公司最少要有10个人。因为大部分三四个人的公司还是有局限性的,最好是10-50个人的公司。

最后一个建议,你在挑公司的时候,肯定是判断不了公司好或者坏的。我见过口才非常好的创始人,但是公司做的一塌糊涂,我也见到过非常内向木讷、说话无聊到听了就想睡觉的那种人,但是公司却很棒。那怎么分辨呢?

答案很简单,看投资方是谁。你们研究一下,看看有哪些国内或国际基金是可以相信的。这些基金经常出现在各种排行榜上,最好的个人或机构天使、最好的早期、或最好的AB轮早中期投资机构。你们去看看名单,看他们投了哪些项目。创新工场当然是其中之一,但值得尊重的基金至少有50个以上,数量蛮多的。

Q3:如果AI公司不幸在我进入之后倒闭了,接下来的路如何走?

这真是一个很传统但让我害怕的问题。不过你一点都不用担心,如果在座各位进入了前50名VC或天使投资的AI公司,两年之后这个公司倒闭了,我们绝对帮你找到工作,甚至帮你做出下一家公司。

在创业的路上,我们没有失败这个词,只有失业。创业的风险是存在的,但是工程师不会失败,积累的经验永远是加分项。




话题二:工作还是读博?
Q1:听说博士才能进 AI 公司,那我们不是应该先读一个博士?

千万不要相信这个,不排除有一些公司迷信博士,但你们不妨去找找那些寻找AI人才、而不是AI博士的公司,比如说创新工场人工智能工程院。

当届毕业生,无论是博士、硕士、本科,实力可能相差不大。博士可能读了一个很差的学校,论文有可能根本没出版过,本科生也有学的比博士多的、更厉害的,所以你们要在毕业前这段期间发出光芒,让大家看到你虽然没有博士学位,但你仍然擅长于此。

Q2:如果要读博,国家、导师、学校的重要性怎么排序?

第一个顺序要选导师,第二个选学校,第三选地域。

比如,CMU(卡耐基梅隆大学)现在已经不是老师选学生,而是学生选老师了,这种机制是超级加分的。在CMU叫做marriage process,你去了以后有大概有五六十个老师给你讲他们的科研,最后你要一个个见他们。五六十个导师抢三十多个学生,学生都是很顶尖的。

如果没有这种制度,只是老师选学生的,那你们可以做的是什么?给老师们发Email呀。不要写太多,因为老师时间宝贵,你要写一页就能写完的。在Email里告诉老师你对他有关注,读过他的哪些论文,最后提出你的疑惑或者观点。

发邮件的前提是你真的读懂了文章。因为老师通常会给你回邮件解释,然后你可以回复,“噢,你的解释让我突然茅塞顿开,正好我明年要申请博士班……”。

如果你坚定要出国读AI的博士,美国、英国和加拿的几所大学可以优先考虑。对于大部分的学科而言,英国和加拿大是远远落后美国,但在机器学习方面,加拿大和英国有几所很不错的学校。

Q3:如果进不了好学校,还要读博士吗?

想像一下,你本科毕业后要花三四年的时间在一个三流的学校,写一些没有人读的论文,毕业之后也找不到一个好的教职,那还有什么意义?所以当你们找不到一个好的学校时,我建议你可以先在某个学校读个硕士。(美国读博不一定要先取得硕士学位)

假设可以进美国前四十的学校,那就先读硕士,再申请前三十名的博士,宁可多花点时间也要读到好学校的博士学位。

还有同学说我读不了好的博士,我读博士后可不可以?我告诉各位,世界上没有博士后这个学位。博士后在美国是什么职位呢?就是找不到工作的博士生帮导师打工的职位,一般顶级博士毕业之后都开始做教职了,很少做博士后的,当然如果是在世界排名第一的学校做博士后,我们另说。

如果你真的进不了好学校怎么办?也不要沮丧,在这些排名略差的学校里面,找找看有没有顶级学校毕业的老师。因为你还要面对的一个现实是,即便你进了一个前十名的学校读博士,恐怕也找不到一个毕业于前十名学校的教师。

我有个非常要好的朋友就是在美国排名前五的大学毕业的,毕业之后想在美国找一个 Tenure EE professor(电子工程终身教职)多难你知道吗?每年申请CMU、MIT、Berkeley教职的有1000多人,但职位只有几个。所以你即便拿到前十名大学的毕业学位,如果你真的想去教书的话,你最好做好最坏的心理准备。

那如果你到一个排名五十名后的学校做教职,那你这一生会很不幸,因为大概也做不出什么成果。你们有谁看过哪一个美国第五十名学校做出什么伟大的研究呢?即便他是美国前五名大学毕业的,这个概率也微乎其微。为什么?因为老师的成果大多来自于学生,你在第五十名的学校能找到最好的学生吗?

但是如果反过来就有机会了,如果你进了前25名的学校,有一个老师他是三年前刚从一个前三名的学校毕业的,跟着这个老师做研究还是非常有希望的,这就是读博士的方向,希望对大家有帮助。




话题三:未来工作与AI
Q1:请问区块链跟AI到底哪个比较好?比较值得投资?

AI确定是会改变世界的,但区块链是一个有比较大的可能性,在未来的一段时间里面改变这个世界。我都比较看好,但很难把两者作比较,因为一个是已知的、一个是未知的。

Q2:请问人工智能的泡沫期是不是到来了?

人工智能会在未来15到25年不断成长、改变世界,它的整个产业链也会从CV(计算机视觉)走进NLP(自然语言处理),走向新的领域。

就像25年前,网络刚刚兴起,也是几经起伏,最后被广泛的应用。回溯一下网络的发展,经过了几波浪潮,从之前是PC上网为主,然后浏览器带来一波浪潮,接下来是门户网站的机会,之后是搜索引擎带来了广告、社交,而后的电商,移动互联网出现,而且逐渐成为主力。

所以网络在25年前是泡沫吗?在过去的25年中,我们可以列出12波、或是15波的网络发展,所以无论你就业是在25年前或者是去年,你都有可能赶上下一波浪潮。互联网的机会都还没有结束,人工智能怎么会结束呢?所以泡沫的说法是不存在的。

那是不是表示所有AI公司都没有泡沫?也不是,现在AI公司很多估值过高,非AI公司也拿着AI的光环去忽悠投资人的钱,还有很多不懂的投资人真的投了,这些现象也是存在的。这些现象累积久了,肯定需要泄一泄气,让它回归到正常的状态,才能再往下走。所以才会看到接二连三的跌宕起伏,但从长期来说,未来的25年肯定是乐观的趋势。

你们做AI,也要有一个与时俱进的学习态度,就像如果25年前你进入网络,你说你一辈子就都做浏览器,那后来就没工作咯!只要你与时俱进,不断迭代、不断学习新知识,任何一个行业都是没有泡沫的。比如当时做UC浏览器的何小鹏,人家现在在做什么?人家造车了,对不对?但是对他来说汽车就是互联网的延伸啊!

再稍微做一点广告,你们再过30年后再看,我们创新工场所投资的AI公司,成功率一定是业界最高的,当然失败的肯定也会有。所以一个真正懂行的VC,他是可以看得清清楚楚的。





长按二维码识别关注搜网高考微信平台

微信扫一扫,高考政策、高考查询、志愿填报、大学之路

Archiver|手机版|小黑屋|教你搜 ( 鲁ICP备16006309号

GMT+8, 2024-3-29 02:23 , Processed in 0.362933 second(s), 25 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表