近年来，AI技术对生物制药领域产生了深远的影响，缩短了研发时间，提升了研发成功率，在特定疾病领域产生了非同小可的影响。 虽然对于计算机来说，只要提高算力（显卡）和电力就好了，但是硬性要求跨领域的研发人员需要考虑得就多了。职业前景，个人兴趣，0基础学编程的痛苦等诸多问题将困扰这些跨领域的研发人员。 近日，发表于Nature Communications上的一篇，就谈及了要如何在AI的背景下，培养神经科学领域的新研究人员。 作者主要是被去年3月同样发表于Nature Communications的观点文章Catalyzing next-generation Artificial Intelligence through NeuroAI所鼓舞。结合神经科学的NeuroAI能帮到神经科学的实在太多了，比如说收集大鼠，小鼠，非灵长类动物，甚至人类神经数据集，就能够提供相当多更加客观的临床数据，发展前景不可限量。 不过当时观点文章也指出，想要实现NeuroAI的未来发展，首要关键要点在于如何培养合适的交叉领域研究人员。 按理来说，本来AI里面的神经卷积网络和强化学习就是从神经科学中获得的。神经科学和AI的共通点应该有不少，但作者的调查却了一个事实：在业内，当前的NeuroAI研究人员往往面临着双方都将自己视为局外人的挑战，他们往往无法在工程/计算科学与神经科学领域都游刃有余，也无法同时获得神经科学和人工智能领域的学术职业机会。 47%的调查对象在专注于神经科学的机构工作，其中32%的人没有接受过正式的AI培训（即在线%的人只接受过一些正式的培训（即大学课程、专家指导），相比之下，只有17%的人完全没有接受过正式的神经科学培训。 之前已有表明，只有约15%的神经科学博士项目要求掌握编程技能，且高达四分之一的教职人员“完全不擅长”教授编程，从而突显出神经科学课程中编程/编程技能不足的问题。 如果有机会，35%的调查对象认为学习更多的AI方法是他们的“首要任务”，而21%的人表示，缺乏AI证书/培训严重阻碍了他们从事NeuroAI工作的能力。 作者在这方面的调研则表明，48%的没有相关行业的经验，这一现象在神经科学领域机构工作的以及那些研究重心更偏向于神经科学而工智能的中尤为明显。无正式人工智能培训与拥有人工智能学位的有显著差异。不过，那些接受过一些正式培训（如大学课程或专家指导）的与拥有完整技术学位的在行业经验方面并无显著差异，这说明通过一些正式培训，还是能够让神经科学的弥补经验不足问题的。 对于大多数调查对象而言，满足自己的好奇心是从事该领域工作的最重要（48%）或第二重要（43%）的动机。同样，74%的将涉及学术研究的职业视为首选，其中39%的人希望获得学术界与产业界的联合职位。 以美国的跨学科STEM教育数据为例，只有三分之一的物理和工程科学博士后研究人员和不到四分之一的生命科学博士后最终在5-6年内过渡到终身职位。而且“大多数[87.6%]工程博士毕业生永远不会获得终身教职”，其中当然包括计算机科学家和生物/生物医学工程师。 而在产业界，只有18%的受访者将产业作为他们的第一选择，但超过两倍的受访者(39%)预计这将是他们在5-10年内的工作。 即使真的进入了产业界，对于产业研发而言，基础研究与发现的运作方式也可能与商业利益和实际应用相悖。要就是否与产业界合作以及如何合作做出明智决策，需要解决当前学术界与产业界之间存在的信息不对称问题。这种对行业的不熟悉可能会阻碍沟通和合作，使得转型的前景感觉像是盲目跳跃。 在作者看来，对于这些神经科学和人工智能研究人员需要职业，有其是“进行涵盖学术和非学术途径的职业对话”。 作者希望未来的神经科学与人工智能（NeuroAI）培训计划能够明确地为所有纳入行业实习和商业培训，或者校方能推出行业学金项目等等。 将学术之外的工作经验纳入培训范畴，将有助于培养和追求具有现实影响力和应用前景的新研究方向的能力。将受益于了解公司的激励机制和行业职位的工作方式，从而发展出更贴合实际的技能，并做出明智的职业选择。
|