在当今的人工智能实验室中，工程师与研究员的界限正在逐渐模糊。职称的重要性远不及实际工作内容——编写代码、探索数据、构建新系统。在某机构等地方，这些传统标签正在被抛弃。

某科技巨头创始人公开挑战这种划分："‘研究员’和’工程师’这种虚假命名法，实际上是描述双层工程体系的伪装方式，今天将从xAI中删除。只有工程师。‘研究员’是学术界的遗留术语。“他在最近的一篇推文中写道。

他是在回应自己公司一位正在招聘研究员和工程师的员工。他认为某航天公司在地球上进行的火箭和卫星研究比所有学术实验室加起来都更有意义、更前沿，但该公司避免使用他所谓的"自负、低问责"的"研究员"头衔。

与此同时，某社交巨头正在投入数十亿美元构建超级智能，招聘硬核研究员而不仅仅是工程师。

虽然某社交巨头坚持更传统的研究角色，但某机构选择了不同的道路。该公司几乎每个人都拥有"技术团队成员"的头衔。前某机构研究员Bob McGrew在最近的一次采访中谈到了这一点。

他表示，某机构有意不在工程师和研究员之间制造隔阂。“如果你看看某搜索引擎大脑这样的经典实验室——许多早期某机构成员来自那里——研究员（通常是博士）和负责数据与实现的软件工程师之间存在明确分离。这种分裂是有害的。”

McGrew解释说，如今最优秀的人工智能研究者并非在纯粹的学术实验室环境中工作，他们会亲自动手编写代码，直接处理数据和实现。他以Alec Radford为例，指出他没有博士学位。

“使Alec成为杰出研究员的是他总是密切关注数据并探索其可能性。他从一开始就编写自己的数据抓取代码。”

除了他之外，DALL·E的创建者Aditya Ramesh也没有研究生学位。他拥有某纽约大学的学士学位，并作为某机构研究副总裁领导Sora团队。

某实验室的Adithya S Kolavi表示，在初创公司中，每个人最终都要承担多个角色——研究员、全栈工程师、云架构师，应有尽有。“头衔并不重要；适应能力才重要。我们给实习生’研究实习生’的头衔，因为这在简历上看起来不错，但实际上每个人都在整个技术栈中做出贡献。”

Kolavi补充说，在早期初创公司中，研究与工程之间的界限常常消失。“你可能早上运行模型实验，晚上构建用户界面。”

研究者的独特性

虽然一些人同意工程师和研究员的角色需要融合，但其他人担心会失去基础探究和忽视伦理问题。

某AI音乐生成器创始人Mansoor Rahimat Khan表示：“在初创公司中，确实需要区分研究员和工程师。研究员通常研究距离上线还有6-12个月的技术/产品，而工程师则负责现有产品的部署/代码开发。”

他补充说，研究员通常是拥有特定领域深厚经验的博士，花费了数年时间专攻该领域，而工程师则是更通才型的人，将这些想法推向生产。

谈到自己的公司，Khan说他们确实保持研究与工程角色的区分。“研发团队专门致力于我们的一些未来产品，而工程团队确保我们当前产品平稳运行。”

某研究所播客总监兼高级研究员Andrew McDiarmid对这种区分提出了更谨慎的看法。他表示，研究员负责在新技术上市前检查其所有角度，考虑其对人类、自然和社会的潜在影响。“工程师通常不会行使同样的谨慎。他们的任务是设计、构建和制造。”

根据McDiarmid的说法，领导技术创新的公司必须同时拥有这两种角色。“在没有仔细检查进步代价的情况下取得的进步是鲁莽的，“他警告说。

学位辩论

与此同时，某机构研究员Noam Brown最近表示，不需要博士学位也能成为优秀的人工智能研究员。“即使是某机构的首席研究官也没有博士学位。”

当被问及学士学位是否是在顶级研究实验室工作的必要条件时，Brown表示这不是严格的要求。“这很罕见，但顶级研究实验室中有些优秀人士没有学士学位，“他说。他补充说，许多优秀的本科生要么辍学，要么在获得offer时休假加入研究实验室——他认为这是值得的。

另一方面，某社交巨头的FAIR首席人工智能科学家认为博士学位对初创公司创始人至关重要，并保持工程师与人工智能研究员之间的明确分离。

某深度学习先驱在与某券商联合创始人的访谈中建议印度崭露头角的人工智能企业家在创建初创公司之前获得学术学位，如硕士或博士学位，特别是在人工智能等技术性和复杂性领域。“攻读博士学位或研究生学习训练你发明新事物，并确保你的方法防止你欺骗自己认为自己是创新者而实际上不是，“他说。

他补充说，虽然博士学位不是成功的严格必要条件，但它为企业家提供了显著优势。“它给你不同的视角，“他说，并补充道：“在像人工智能这样复杂、深度技术性的领域，了解存在什么、什么是可能的、什么是不可能的很有用。”

结论

随着人工智能工作同时涉及编码、测试和构建，工程师与研究员之间的差距正在缩小。某机构的扁平化结构挑战传统的学术等级制度，拥抱多功能性而非头衔。然而，对其他人来说，保持区分在执行前保持了严谨性和探究过程。