未来五年 AI 时代，是不是只有“实习”这一条路？（以及一些科研思路讨论）

作者：#Harlan 板块：#搞七捻三 最近有点纠结AI算法实习问题，想听听站内各位前辈的看法。 我目前计算机研二，今年也中了两篇 NeurIPS。 按现在网上的舆论来看，尤其是小红书、脉脉之类的讨论，给人的感觉越来越强烈： 想有好的去处，就要尽可能多段大厂实习。 这个逻辑我很认可。 实习能避免学界自嗨、了解工业界真实的问题。尤其现在 AI 发展这么快，很多东西在学校里做，和真正部署一个系统完全两码事。 所以并不是想问“实习有没有用”。 我纠结的是：有感兴趣的研究情况下，要不要转去实习？ 我之所以会纠结，是因为我之前也有认真学习如何能做出有意义的工作，读过 John Schulman 的这篇research guide 里面有一些东西对我影响挺大的。 它让我意识到，真正重要的事情似乎不是“看起来像一个研究”，而是能不能找到值得做的问题、持续推进它，并且逐渐形成自己的判断。 类似的还有前两天x大火的总结文： how to be good at research 我现在的大老板本身也是一个很有野心、经常会冒出一些奇思妙想的学者。 他大概意思是：科研生涯真正宝贵的阶段，可能恰恰是还有一定自由度的时候。不要只做一些“别人已经告诉你应该做什么”的东西，而是应该尝试做一些真正有意义、自己也觉得有意思的问题。 我其实认同这个想法。 但问题是：如果我现在选择花大量时间去探索一些自己真正感兴趣、但不直接去实习，会不会未来都没机会入场？ 也许最合理的答案本来就是两者都要。 但时间有限，甚至必须做取舍呢？ 所以比较想请教一下站内已经工作几年、或者经历过硕博/科研/大厂转型的朋友： 你们会怎么看现在的实习？ 对于一个已经有一定科研成果、但还没有真正进入工业界的人，实习的价值主要到底在哪里？只是证明能有做业务/算法经验吗？ 如果确实有一个感兴趣的方向，而且已经有还不错的算力条件，需不需要放弃这个方向赶快实习？ ⸻ 最后也想顺便求一些类似 Schulman 那篇文章的东西。 不一定非得是“如何做 ML research”的教程。有让各位佬受益匪浅的文章博客或者观点，也非常欢迎分享！ 先谢谢各位了，也欢迎直