ChatGPT 带火 OpenAI！华盛顿大学博士放弃高校 offer，加入 OpenAI

ChatGPT 的爆火让 OpenAI 名气大涨，事实上，在发布 ChatGPT 之前，OpenAI 就已因 GPT-3 等大模型在业界颇具名气。

Rowan Zellers 是华盛顿大学博士，研究方向为多模态人工智能系统。在求职时，他做出了一个自己意想不到的决定：他放弃了所有的学术工作机会，转而接受了 OpenAI 的 Offer。本文为他的自述，讲述自己为什么会做出这一决策。

本文最初发表于作者个人博客，经原作者授权，InfoQ 翻译并分享。

在我做这一决定的过程中，我感到很紧张，也很有压力，当时感觉就好像在坐过山车一样，但最终我对事情的结果还是非常满意的。对我来说，有两个关键因素起了作用。

1. 我感到自己能够胜任 OpenAI 的工作。

2. OpenAI 的所在地——旧金山，是一个非常适合我和伴侣生活和工作的城市。在本文中，我将对我的决策过程进行更深入的讨论。

我为什么要写这篇文章？

在我求职的过程中，我从我的教授那儿学到了许多有用信息，比如，怎样应聘，怎样去面试，怎样创建一个强有力的职位申请。但是，到了做出决定的时候，我反而觉得有点孤独。的确，我很庆幸自己有如此强大的人脉，身边有这么多优秀的教授和行业研究人员。但在职业道路上做出决策，更多的是一种个性化的个人决策，从某种意义上说，“没有正确的答案”。

对我决策产生影响的另一个因素是：我所认识的大部分人看起来都在学术界和工业界中做出了抉择。比如，我所认识的大多数教授都是坚定地站在学术体系中（尽管也有涉足工业界），但是我所认识的大多数工业界人士，从未认真地将学术当成一种职业。

（这对我来说感觉特别奇怪，因为我在读博士读到一半的时候，就下决心要走“学术路线”，因为那样可以让我推迟在学术界或工业界之间做出最终的决定：人们普遍认为，从学术界转到工业界比从工业界转到学术界要容易得多。不过，几年过去了，我觉得走学术路线是我职业身份的一部分，我许多同龄人也在做同样的事情，所以我感到势头正把我推向了学术路线。）

总之，我写这篇文章是为了给出一种独到的看法，说明我如何在一些截然不同的选择中做出自己的决定。（如果有人向我发送电子邮件要求提供建议，或许也能帮上忙！）

一些免责声明：本文仅代表本人的观点。我无意提供一般性的建议。我并不认为我有资格给出任何建议（毕竟我从来没有想过要成为一名教授）。此外，我做出这一决定的一个很重要的因素是，我觉得我的领域正处于一种非常独特的情况（稍后再说！），因此这并不一定适用于所有领域。

我会尽量把自己的经历告诉大家。我还会以我 2022 年春末的视角来写这篇文章，那时我正在做出一个决定。这么做可能对其他人的决定更相关：因为没有人可以预见将来会怎样，因此做出决定很困难。不过，我非常享受在 OpenAI 的工作，而且我对自己的选择毫不后悔。我对研究和这一领域的想法都改变了（并且会持续下去），向这儿的伟人们学习。

学术求职期间，我的想法发生了转变

从个人背景来看，我是 2016 ~ 2022 年的华盛顿大学的博士生，很享受读博的经历。我的研究方向是多模态人工智能：我创建的是能够理解语言、视觉以及其他领域的机器学习系统。

我的研究兴趣决定了我未来的职业道路，我最兴奋的是从事基础研究和指导初级研究人员。至少在传统的计算机领域，这是学术界的重点。而工业界则专注于应用研究，致力将科学进步转化为成果。

在学术界求职，使我对如何在计算机科学的许多不同机构和子领域担任教授有了更深刻的认识。我在所有的面试中，与 160 多名教授进行过交谈。不过，我最后还是很担心，学术界到底能不能适合我。

某些领域在学术界开展大规模基础研究，正变得越来越困难

我感到脚下大地的晃动。

在过去的六年里，学术界（更准确地说是华盛顿大学的顾问研究小组）对我来说是一个绝佳的环境。我被推动着去开辟一个令我兴奋的研究方向。我感到在指导和资源方面得到了慷慨的支持：通过它，我能够领导关于建立多模态人工智能系统的研究，这些系统随着规模的扩大而改进，反过来，（对我来说）产生的问题比答案更多。

相比之下，在那段时间里，大多数大型行业研究实验室对我来说并不是很有吸引力。在读博的时候，我曾经试图去应聘实习生，但是从来没有发现任何与我的研究议程相一致的地方。我所知道的大多数行业团队都专注于语言，或者注重视觉，而我不能从中挑选。我在艾伦人工智能研究所（Allen Institute for AI）花了很多时间，这是一家非营利性的研究实验室，与此相比，我觉得它更具学术性。

但是，我觉得情况正在改变。在我关注的领域，我担心在学术界开展具有开拓性意义的体系构建研究是非常困难的，并且是一种日益困难的过程。

事实上，建立这个体系是非常困难的。这是一项耗资巨大、技术含量高的工程技术。我认为，目前学术界的激励机制并不能适应这种高成本、高风险的体系构建研究。构建一个工件并展示它良好的可扩展性，可能需要研究生花费几年的时间，以及超过 10 万美元的无补贴计算成本；随着该领域的发展，这些数字似乎呈指数级增长。所以写很多论文并不是一个可行的策略。无论如何，这都不应该是目标。

但不幸的是，我知道许多学者倾向于将论文发表数量作为一种客观的衡量标准；此外，论文是学术界的硬币——你需要论文来写助学金，在会议上有话可谈，以及让你的学生实习，等等。归根结底，学术生涯的成功有助于学生“建立帝国”，开拓自己的研究议程（因此他们可能会成为其他地方的教授，这样的循环可以继续下去），这与做伟大研究所需的合作形成了内在张力。

我认为，更广泛的趋势是学术界转向应用研究。

随着核心模型越来越强大，构建成本越来越高，这促使更多的学者在其基础上进行构建——这是我在自然语言处理和计算机视觉中看到的趋势，这两个领域是我一直活跃的领域。这反过来又影响了学术研究、花时间思考和在会议上讨论的问题。这一趋势意味着在会议上发表的关于如何构建这些系统的论文越来越少（当然，还有其他因素在起作用。）。

至少对我最初的研究愿景来说，这表明机会之窗在学术界正在迅速关闭。假设我在筹集资金方面非常成功，建立了一个令人惊叹的研究人员实验室，并推动他们做出了令人惊叹的事情——那么，所有这些极其艰难的工作都要花费数年的时间才能完成。在经历了这么多时间之后，我所感兴趣的研究还会有支持者吗？如果该领域目前的进展速度继续下去，无论是从能力和准入门槛来看，似乎都是指数级的进展，那么，七年之后，也许再也没有学者在这一领域工作了，那时候就是我需要终身职位的时候。这是一个疯狂的想法。但话说回来，在过去的七年里，它的进步也是相当疯狂的。

从更实际的角度来看，我得改变我的研究方向。但是，这并不是我希望做的事情。也许这就是我最终走上工业道路的根本原因。

学术界和工业界的其他区别

我对研究的想法（当然是针对我工作的领域）是我做出决定的最重要因素。不过，我也在考虑一系列不同的事情：

对重大问题全神贯注。我对教授们的其他职责感到担忧：准备教学材料，为院系和现场服务，建立和管理计算机基础设施，申请拨款和管理经费。虽然我觉得这些事情很多都很有趣，很令人兴奋，特别是在教学中，但我不认为我会喜欢不断变换工作内容的环境。

相比之下，在我读博期间，我更愿意把重点放在一个重大课题上。我想，在工业中，这样做要简单得多。作为一名教授，从事实验和编写程序确实非常辛苦，但是在工业界中，在个人贡献者和管理者之间，选项更多。

名声和财富。我想，许多人都会潜意识里被学术界所吸引，因为这会让人产生一种名声和排外的心理。我对此没有任何兴趣。我认为，如果追逐错误的东西，把精力集中在排名和名声上，那么就会造成一种陈腐而有毒的氛围。另一方面，很多人都被工业界所吸引，原因是更高的工资（这一点可以理解）。我非常庆幸，我能够投入大把的精力去寻找一个能够让我内心更加充实的环境，这是最重要的。

工作保障与职业保障。我想许多人对终身职位有错误的理解，不管是学者还是非学者。终身职位是一份工作的保障，教授更难被辞退。但学术性就业市场的错综复杂性，意味着他们几乎没有职业保障，能够轻松地更换工作。所以，与行业研究人员相比，即便是在如此严峻的宏观经济形势下，他们也能轻松地转换工作（当然，这是由于人工智能在工业界的表现比其他产业要好），而学者们更倾向于反对那些可能给他们分配更多责任、可能减薪或可能让每个人在疫情高峰期亲自授课的管理人员。

（顺便说一句，我认为学者们唯一的办法就是成立工会；但有些令人沮丧的是，在华盛顿大学，许多计算机科学教授之前签署了一份反工会声明，扼杀了早些时候的工会运动。）

“自由”很复杂。在学术界，我可以在理论上自由地解决任何我想解决的问题，但由于没有足够的资源、正确的激励结构或者一个足够支持的环境，我的工作就可能会受阻。我加入 OpenAI 的原因是，在那里，我能感觉到自己得到了令人难以置信的良好支持，能够精确地解决我最感兴趣的问题。我认为，对于任何行业实验室来说，解决我所关心的问题的能力都需要与产品保持一致，我对这样的安排感到自在。

这些只是我加入 OpenAI 后不得不接受的几个维度，但我真的很高兴我做到了。也许我以后会写更多关于这方面的内容，但这里超级有趣。我正在指导初级研究人员，并在一个团队中工作，我可以获得充足的资源，并且我被激励着去解决那些对我来说很重要的挑战性问题。

生活：旧金山是一座神奇的城市

关于工作，我写了很长的篇章。但是，这个世界不只有眼前的苟且，还有诗与远方。就我而言，我也在寻找一个能让我和我的伴侣都开心的城市。

为了说明情况：我的伴侣和我已经相处了九年。她从事技术工作，在大流行期间，她完全是远程办公，这在理论上给了我们很多选择。但是我们希望要一个这样的地方，这样的地方我们不仅能忍受，而且能热爱，最好是和我们过去六年居住的西雅图一样（或更多）。按照美国的标准，西雅图很适合步行，我们发现西雅图是一个与其他同龄年轻人交朋友的好地方，也是一个追求共同兴趣的好地方，如旅游、徒步旅行、滑雪、攀岩和双人瑜伽。

一方面，作为一个进入学术界就业市场的人来写这些话，我感到很荣幸。学术界的就业市场是如此严酷和艰苦，以至于许多人不得不做出极大的牺牲，仅仅为了追求他们所热爱的事业，尤其是在计算机以外的领域。我听说过一些恐怖的故事，例如，教授上下班的路上要花好几个小时，或者双学位夫妇在不同的城市接受工作，然后长途跋涉，只是希望将来有一天能够一起找到工作。

另一方面，我不需要加入这场游戏。我对进入学术界还是进入工业界的犹豫不决和疑虑，也给了我足够的选择和自由。

我喜欢旧金山的城市规划，比我过去几年有机会参观的任何美国城市都要喜欢。这座城市适宜步行，商店、餐馆和杂货店都很有人情味，并且有一个连接的自行车基础设施和公共交通网络。

这并不是说这座城市十全十美。旧金山的物价昂贵，而且中产阶级化也存在严重的问题，我意识到搬到这里会加剧这个问题。不过，我也很欣赏像租金管制这样的政策，至少为现有居民提供了一些保护。与之形成鲜明对比的是，西雅图没有租金控制，因此企业房东可以轻易地提高租金价格。

在基础设施和城市规划方面，我认为旧金山还没有达到阿姆斯特丹的水平。许多自行车道感觉没有得到很好地保护，送货司机经常把车停在这些自行车道上。我很高兴能够支持像旧金山自行车联盟这样的地方组织，这些组织正在解决这些问题方面取得进展。

还有一个重要的因素：我和我的伴侣都是在旧金山湾区长大的，父母都住在这一带。这一点，再加上其他因素，让我们意识到旧金山将是一个非常适合居住的地方。

收场白：加盟 OpenAI

所以，这是一个漫长的讨论，关于我权衡的因素。

我有几个选择。在我所在的地区，担任教授职位，推迟一年，然后在工业界度过这一年，这种感觉很普遍。这有点像“预科”，对于研究人员来说没有什么坏处，但有很多好处：可以继续研究一年，还可以在春季招生期间招收学生。

然而，我决定不这样做。我担心我最终会不想来，而且这样做（通过签署学术聘书），我可能会让学校失去一个宝贵的招聘名额。我把这个想法告诉了我在各个学校的教员联系人，他们都非常理解，也很包容。可是，我越是思考，就越是明白自己要做的事情。 我谢绝了一切学术上的 Offer，并与 OpenAI 签订了全职 Offer。

半年过去了，我真的很高兴我这么做了，有很多原因。我真的很喜欢在 OpenAI 工作，我和我的伴侣都很享受生活在旧金山。

作者简介：

罗文·泽勒斯（Rowan Zellers），华盛顿大学博士，研究方向为多模态人工智能系统，最近刚入职 OpenAI。

原文链接：

https://rowanzellers.com/blog/rowan-job-search2/