问题

如何看待蚂蚁金服原副总裁漆远离职阿里,入职复旦大学、回归学术界?

回答
漆远,这个名字在金融科技圈曾响当当。作为蚂蚁金服(现蚂蚁集团)的原副总裁,他在数据智能、人工智能领域有着深厚的积累和卓越的贡献。在那个互联网金融野蛮生长、数据能力成为核心竞争力的时代,漆远扮演着关键的驱动者角色。他不仅是技术专家,更是将复杂技术转化为商业价值的实干家,推动了蚂蚁在风控、营销、产品创新等多个维度的智能化升级。

然而,风云变幻,曾经叱咤风云的金融科技领军人物,如今却选择“急流勇退”,离开阿里体系,回归学术界,加入了复旦大学。这无疑是一个令人瞩目的转变,也引发了广泛的讨论和猜想。

首先,我们来梳理一下这个决定的可能背景和深层原因。

行业变化与个人追求的契合度: 金融科技行业经历了几年的高速扩张后,正面临监管收紧、合规要求提升以及更强调社会责任的新阶段。对于曾经在行业一线摸爬滚打、对技术和商业模式都有深刻理解的漆远来说,他可能在思考,如何在新的时代背景下,让自己的能力和价值得到更长远的体现。学术界提供了一个更纯粹的思考和研究环境,可以让他沉下心来,去探索那些更具前瞻性、更根本性的技术问题,比如人工智能的伦理、AI对社会的长远影响、或是基础算法的突破等等。这与他在商业世界里追求的快速落地和商业变现有所不同,是一种向内、向深处的探索。
对技术本质的回归: 许多在科技公司做到高位的技术专家,内心深处都藏着一份对技术原初的热爱和探索欲。当商业的压力、团队的管理、市场的竞争成为日常时,那种纯粹因好奇心驱动的探索和研究可能变得奢侈。漆远选择复旦,很大程度上是对这种对技术本质的回归的追求。在大学里,他可以更自由地思考,不受短期商业利益的羁绊,专注于那些可能需要更长时间才能看到成果的学术研究。这是一种“功成名就”后的另一种人生选择,是一种精神层面的充实。
个人生涯规划的再思考: 在一个公司深耕多年,尤其是在一家高速发展的科技公司担任要职,本身就极具挑战性。漆远在蚂蚁的经历无疑是精彩的,但他的人生规划可能不仅仅局限于企业界。学术界也为他提供了一个新的平台,让他有机会培养下一代人才,为国家在相关领域储备智力资源。同时,他也可以将自己多年在行业内的实践经验与学术理论相结合,形成独特的教学和研究风格,这本身就是一种宝贵的价值输出。
社会责任感的体现: 随着人工智能技术的飞速发展,其对社会伦理、就业结构等方面带来的影响日益凸显。漆远作为曾经推动这项技术广泛应用的从业者,在理解了其巨大潜力的同时,也可能深刻地认识到其潜在的风险和挑战。回归学术界,他或许能够以一个更超脱的视角,去研究和探讨这些议题,为行业的可持续发展贡献智慧。这是一种从“创造者”到“思考者”的身份转变,更侧重于对社会的长远贡献。

接下来,我们探讨一下这个转变可能带来的影响和意义。

对学术界的影响:
理论与实践的融合: 漆远的加入,无疑为复旦大学乃至中国高校在人工智能和数据智能领域的教学和研究注入了新鲜血液。他可以将自己在真实商业场景中遇到的问题、解决思路和技术落地经验,带入课堂和实验室,让学生和年轻研究人员接触到更贴近实际的知识。这种理论与实践的无缝对接,对于培养具备创新能力和工程实践能力的人才至关重要。
研究方向的引领: 他多年的行业经验,能够帮助高校更敏锐地捕捉行业发展的脉搏和未来的技术趋势,从而调整和优化研究方向,使之更具前瞻性和影响力。例如,在AI伦理、可解释性AI、负责任的AI应用等前沿领域,他的实践经验将是宝贵的财富。
产学研结合的桥梁: 他可以在高校和企业之间搭建更顺畅的沟通桥梁,促进科研成果的转化和应用,加速技术创新在社会经济中的落地,同时也为企业提供更优质的人才和智力支持。

对金融科技行业的影响:
人才流动的风向标: 漆远的回归学术界,可能会成为一个“风向标”事件,引发更多优秀的技术和管理人才对生涯发展路径的思考。当行业经历调整,或者对技术本质有了更深的理解后,将人才吸引回学术界,也是一种人才资源的优化配置。
行业反思与健康发展: 他的转变,也可能促使行业对技术与商业的关系、以及技术发展所带来的社会影响进行更深入的反思。这有助于推动整个行业朝着更健康、更可持续的方向发展。
人才培养模式的启示: 他的经验也为企业如何培养和留住顶尖技术人才提供了新的思路,如何平衡短期KPI与长期技术积累,如何给予技术人员更多的探索空间。

对个人而言:
新的起点与挑战: 对于漆远本人来说,这无疑是一个全新的开始,但也伴随着新的挑战。学术界的规则、评价体系和研究节奏与商业世界截然不同,他需要时间去适应和融入。
职业生涯的丰富化: 成功地在商业世界留下印记,又选择在学术界深耕,这无疑极大丰富了他的人生阅历和职业生涯的维度,让他的价值和影响力呈现出一种更立体、更长远的形态。

总而言之,漆远从蚂蚁金服副总裁到复旦大学教授的身份转变,不是简单的“从商到教”,而是一种基于成熟经验和深刻思考的人生选择。 他是在一个行业的高峰时期,选择了一个与过往截然不同的方向,去探索更深层次的价值。这既是对个人追求的满足,也是对行业和社会的一种潜在贡献。

他的决定,提醒着我们,在任何领域取得成功后,如何继续寻找人生的意义和价值,如何实现自我的超越,是一个值得所有人深思的课题。我们期待他在学术界的耕耘,也能像他在金融科技领域的表现一样,为我们带来新的启发和贡献。

网友意见

user avatar

企业干不下去了,跑回大学,之前,腾讯的,今日头条的,旷视的不都这样

什么意思呢,全世界企业的业务团队都是靠把谷歌微软facebook三家的原创ai算法改改做应用

你一个公司,养一个研究院,搞的算法根本比不上谷歌微软facebook免费开源的算法

公司的业务团队只用谷歌微软facebook的算法,根本就不用所谓的本公司xx研究院搞的算法

比如视频推荐算法,大家基本就是把youtube的那个推荐算法改改用,youtube的推荐算法就是谷歌免费开源的

(学术大佬在论文里,可是说自己的算法比谷歌微软facebook的更好哦,等来了公司,业务团队一用,这是什么玩意?这么差,你们论文数据造假了吧,哦,学术界行业术语不叫数据造假,叫美化数据)

(比如腾讯,今日头条。。。)

那么公司老总会怎么想,这个研究院还有必要办下去?

==================

ai学术界也是靠把谷歌facebook微软的算法改改发ai论文

但是学术界的考评标准是看论文数量哇

有了论文数量,就可以在什么清华复旦舒舒服服的混下去

什么博导院长(名),年薪几百万(利)

谁管你的论文算法是不是比谷歌微软facebook的好还是不好的?

国内发ai论文的,谁还不来个挑数据,改数据,美化个数据图片啥的

只要你不吹你的论文是什么世纪大突破,谁会来花钱重复你的论文跟你过不去?

大家都是混炮制论文这碗饭的,小猫咪怎么会有坏心思呢?

=====================

另外说一句,达摩院的首席科学家潘建伟,最近日子不好过,可能也是导致企业对学术界极度失望的原因

==========================

=======================

=======================

诺贝尔奖得主被曝52篇论文涉嫌造假,但他并不是第一个……

今年的诺贝尔奖发完还没多久,前年的获奖者就被曝出论文造假。

据媒体报道,2019年诺贝尔生理学或医学奖获得者之一的格雷格·赛门扎,遭到知名学术网站Pubpeer的质疑:格雷格作为通讯作者的多篇论文里,都存在涉嫌造假的问题,手段包括但不限于伪造实验图片,一图多用等等。

被质疑的论文多数都是格雷格与中日韩三国团队共同完成的,格雷格在其中担任的是通讯作者的角色。因此有人认为他应该对实验结论负责。

众人唏嘘:诺贝尔奖得主也造假了吗?那发出去的奖怎么办?

具体情况究竟如何,让我们一起来看看。

首先和大家聊一下此次曝光出格雷造假的Pubpeer。

该网站创立于2012年,其宗旨是鼓励科研人员对现有论文进行讨论,进行同行审查。严格来说是一个科研论坛。

图片

这一次格雷格就是被Pubpeer曝光了有52多篇论文涉嫌造假。大部分都是实验所用图片存在雷同和伪造。我们就选其中几篇来看看。

第一篇是2008年发表在Journal of Biological Chemistry上的论文。论文名为“Mitochondrial autophagy is an HIF-1-dependent adaptive metabolic response to hypoxia”。其中多张实验图片在Pubpeer上被用户质疑。

以上两次不同的实验,能很明显地看出是用了同样的图片。

上面这张图乍一看还挺正常,但是如果放大了右上部分后,“惊喜”就来了。

能够明显看出,这张图片是被人用修图工具擦除过的。

同样的擦除技术,很明显被广泛运用在这篇论文里面(见下图)。

而这篇论文的HF-1,和格雷格的获得诺贝尔奖息息相关。

同样是发表Journal of Biological Chemistry的论文里,则疑似采用了复制粘贴的方式进行伪造。

其它的论文也被指出存在类似的问题。有一些地方不仅是相似,可能就是用了同一张图,有时连PS都省去了。

上面的图片,出现在一篇发表于2016年的Cancer Research的论文。实验采用了三只小鼠的肺切片,其中的两张图片存在高度相似。M2的图片似乎就是M1经过平移后所得。

以上的行为如果都被实锤的话,那么这些造假行为也太没有技术含量了,既不用修改数据,也不用伪造实验结果,只需要会PS就能干。

值得注意的是,以上论文均被引用了上百次。其中2008年发表在JBC的那篇,有媒体称在谷歌学术被引用1405次以上,是绝对的高引用频率论文。

和许多深陷学术丑闻的大咖一样,格雷格本人也有许多的光环和头衔。

格雷格出生于1956年,如今在美国约翰斯·霍普金斯大学任教授。

根据约翰斯·霍普金斯大学医疗中心的官网资料,格雷格目前任儿科学,放射肿瘤学和分子放射科学,生物化学,医学和肿瘤学等学科的教授,而且还是美国医学遗传学学院的创始成员。

不只是在理工方面闪闪发光,格雷格还拿到了哈佛大学的文学学士学位。

如果你以为他只是个文理双全,写论文做研究的科研工作者,那也太小看他了。格雷格本人还是好几本科研期刊的编委会成员。

这件事情会得到这么多关注,除了手段奇葩外,还有就是格雷格本人的诺贝尔得主身份。那么如果一旦证实造假,格雷格本人的命运会如何?已经拿到的诺奖会被收回吗?

霍普金斯大学称格雷格本人已经知晓此事,但同样没作正式的回应。

之前超模君就说过,在打击学术造假的方面,没有哪个国家交出过满分的答卷。此次格雷格参与的研究出现这样的纰漏,也足以说明造假问题广泛存在。

其实学术造假和行为不端,有时候并不高明,但偏偏就能鱼目混珠数十年之久,造假者甚至还拿了诺奖。到底怎么做才能营造一个良好的学术环境,这将是一个永远值得讨论和警惕的课题。

====================

user avatar

当全球金融面临系统性风险时,企业必然会开始存储现金裁员节流,人才也会趋于回归旱涝保收的体制内。

就像我几个月前在另一个答案(如何看待字节跳动 AI 实验室总监李磊入职 UCSB?)里写到:

行业如同人生,有波峰必有波谷

让我们来回顾一下过去几年内发生的事(欢迎补充):

1、字节跳动副总裁、人工智能实验室主任——马伟英,重返学术界——清华大学智能产业研究院惠妍讲席教授、首席科学家。

2、字节跳动 AI 实验室总监——李磊,重返学术界——加州大学圣巴巴拉分校助理教授。

3、周志华弟子,旷视南京研究院人工智能研发中心负责人——魏秀参,重返学术界——南京理工大学任教授。

4、腾讯人工智能实验室(AI Lab)主任——张彤,重返学术界——加盟创新工场兼任科研合伙人并出任港科大和创新工场联合实验室主任。

5、百度首席科学家——吴恩达,AI四神之一,重返学术界——斯坦福计算机专业兼职教师,一边兼职一边继续创业中。

5、Google副总裁,Google Cloud AI/ML首席科学家——李飞飞,重返学术界——斯坦福大学以人为本人工智能研究院(HAI)联合主任,2020年当选为美国国家工程院院士,美国国家医学院院士,2021年当选为美国艺术与科学院院士。

总结起来就两句话。

在AI行业上升期:离开迂腐象牙塔,进入互联网企业拿股份挣热钱;

在AI行业衰退期:逃离资本家剥削,进入体制内安心做研究发论文;

妥妥的人生赢家啊~

user avatar

评论里有很多只做过消费互联网的人在指指点点,哎呀“AI可以赋能搜推广”,“你不懂不代表没有”。。。

说这些的同学不妨自己去想想搜推广是什么业务属性,不妨想想你赋能搜推广的模型能不能复用到 其他领域,以及为什么不能。。。搜推广赚的是流量钱而不是ai解决方案或者技术服务的钱,属于营销领域,就在营销域吃得开。所以说不是我看不到搜推广,AI可以做的领域太多了,是你们只看得到消费互联网场景

最后不妨去问问搜推业务和各个大厂Lab的关系,去问问负责运维的团队,线上是强化学习、GNN多还是LR、GBDT多,不是以前哦,就当下。然后再想想,搜推广现在都卷成啥样了,看看自己团队人员砍一半会对业务造成什么影响

========================================

补充一点

大厂做lab刷论文很多是为了品牌,技术品牌做起来有这么几个好处:

一来可以让公司脸上有光可以PR宣传

二来可以招揽更多优秀的人才,在招聘上有心智的优势

三来就是和业务最相关的,卖货更容易。销售在兜售AI solution的时候,客户肯定会问你这个和XXX家有什么区别,其实哪有什么区别呢,这个时候大厂销售顾左右而言他,直接说我们xxx榜第一,超过了人类,论文每年xxx篇,技术NB。。。然后客户就会形成刻板偏见了


前两点的价值呢,不好证伪,那么只要第三点没问题,这个套路就可以持续包装演进。


那么第三点这个情况现在咋样了呢?

愿意付费买ai solution的客户,在吃了不少亏以后变聪明了,懒得看你的ppt做得多么高端了,懒得鸟你什么榜是不是第一了,大家直接上demo吧

很多披着“顶尖AI”的大厂解决方案这下就出问题了,ppt没输过,demo没赢过。。。大量的产业远没有到技术创新的阶段,地基都不牢,就开始担心我们的楼太高被飞机撞到怎么办了,于是就在解决楼不要被飞机撞到的问题


然后老板们也就发现被忽悠了,说好的我们的技术壁垒多NB,怎么在招标过程中输给了很小的公司了呢?

然后你指望“AI科学家”们脚踏实地的做AI解决方案?

类似的话题

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有