Интересная статья, но, мне кажется, область ИИ в качестве примера выбрана не совсем удачно. Здесь не обязательно делать выбор "заниматься наукой в университете или работать над прикладными задачами в индустрии", можно и совместить преимущества науки и компаний. Это не работающие рядом со мной коллеги - "фундаментальные математики", которым либо заниматься интересной им деятельностью при поддержке мегагрантов/РНФ, либо менять профиль и уходить в индустрию. Компании в ИИ обладают объективно большими возможностями, не только в найме квалифицированных исследователей, но и, например, при закупке оборудования, поэтому и основные результаты типа foundation models получены в исследовательских подразделениях OpenAI, Google, Facebook, Microsoft. В компаниях в России появляются исследовательские подразделения или лаборатории, одними из основных KPI которых являются публикации. Можно устроиться в AIRI/Sber AI, Yandex Research, Samsung AI Center, Huawei Noah и относительно спокойно заниматься научными исследованиями по интересной теме за хорошую зарплату. С другой стороны, в университете/институте РАН, чтобы получать сравнимый доход, нужно набирать несколько разных проектов, при этом зачастую работа по ним ведется параллельно - условно, по гранту РНФ делаешь одно, по мегагранту/внутреннему проекту ВУЗа - другое, по проекту центра ИИ - третье, а по проекту с Huawei - четвертое. Сами проекты часто оплачиваются поэтапно или пост-фактум: в течение полугода зарплаты у исполнителей нет, и только когда/если заказчик примет работу, через какое-то время приходит оплата. А какие в госуниверситетах проблемы с заказом GPU-серверов по тендерам... В общем, в университете/институте РАН нам приходится и закупать оборудование, и искать проекты, и взаимодействовать с юристами, чтобы согласовать договор все по новым формам, а потом беспокоиться, чтобы никто из исполнителей не убежал. При этом, замечу, в договорах с компаниями стоят четкие и часто достаточно жесткие критерии приемки, и для их достижения надо не просто новый алгоритм разработать ("наука"), но и выполнить наиболее качественную реализацию, что могут далеко не все опытные специалисты из индустрии, куда уж там исполнителям-студентам. Так что нечего удивляться, если не только студенты/аспиранты, но и руководитель направления CV уходит из МГУ, чтобы возглавить исследовательское подразделение в компании, где можно спокойно заниматься наукой... Между компаниями, конечно, тоже огромная конкуренция за людей, которые могут писать качественные статьи, да и требования руководства периодически меняется, что приводит к миграции из Samsung AI в AIRI или Yandex, но это уже другая история.
Интересная статья, но, мне кажется, область ИИ в качестве примера выбрана не совсем удачно. Здесь не обязательно делать выбор "заниматься наукой в университете или работать над прикладными задачами в индустрии", можно и совместить преимущества науки и компаний. Это не работающие рядом со мной коллеги - "фундаментальные математики", которым либо заниматься интересной им деятельностью при поддержке мегагрантов/РНФ, либо менять профиль и уходить в индустрию. Компании в ИИ обладают объективно большими возможностями, не только в найме квалифицированных исследователей, но и, например, при закупке оборудования, поэтому и основные результаты типа foundation models получены в исследовательских подразделениях OpenAI, Google, Facebook, Microsoft. В компаниях в России появляются исследовательские подразделения или лаборатории, одними из основных KPI которых являются публикации. Можно устроиться в AIRI/Sber AI, Yandex Research, Samsung AI Center, Huawei Noah и относительно спокойно заниматься научными исследованиями по интересной теме за хорошую зарплату. С другой стороны, в университете/институте РАН, чтобы получать сравнимый доход, нужно набирать несколько разных проектов, при этом зачастую работа по ним ведется параллельно - условно, по гранту РНФ делаешь одно, по мегагранту/внутреннему проекту ВУЗа - другое, по проекту центра ИИ - третье, а по проекту с Huawei - четвертое. Сами проекты часто оплачиваются поэтапно или пост-фактум: в течение полугода зарплаты у исполнителей нет, и только когда/если заказчик примет работу, через какое-то время приходит оплата. А какие в госуниверситетах проблемы с заказом GPU-серверов по тендерам... В общем, в университете/институте РАН нам приходится и закупать оборудование, и искать проекты, и взаимодействовать с юристами, чтобы согласовать договор все по новым формам, а потом беспокоиться, чтобы никто из исполнителей не убежал. При этом, замечу, в договорах с компаниями стоят четкие и часто достаточно жесткие критерии приемки, и для их достижения надо не просто новый алгоритм разработать ("наука"), но и выполнить наиболее качественную реализацию, что могут далеко не все опытные специалисты из индустрии, куда уж там исполнителям-студентам. Так что нечего удивляться, если не только студенты/аспиранты, но и руководитель направления CV уходит из МГУ, чтобы возглавить исследовательское подразделение в компании, где можно спокойно заниматься наукой... Между компаниями, конечно, тоже огромная конкуренция за людей, которые могут писать качественные статьи, да и требования руководства периодически меняется, что приводит к миграции из Samsung AI в AIRI или Yandex, но это уже другая история.