学术界定位是解决尚未研究明白的课题，立足于创造性，知识的再造；工业界呢，主要是解决实际业务问题，经世致用。这两块其实是两个水域，不过这一年我也在努力发论文，最近跟一位教授一起投了一篇ACM SIGIR2021，期待开榜有结果；加上之前中的一篇IEEE，后来跟好基友还投了一篇。今年也算种下了学术研究的种子。要不就顺便聊聊学术研究。

首席科学家需要的定位

    19年底的时候，我去很多公司做过交流。当初还是想往上走的。瞄准的是一些小赛道的头部企业。尽管我当时非常自信，一直以来，只要业务提出的问题，我都可以建模成一个算法技术问题，业界有人能做出来，我基本也可以做出来。比如说阿里做了鹿班自动生成广告横幅，我也做了一个这样的产品；比如说我还用强化学习来发优惠券，转化率、ROI、订单平均GMV都提升20-30%；广告算法排序中用多目标优化。但沟通一圈下来，发现建立一个基本的信任基础还是很难的。

       你如果定位成自己做CEO，你需要的是商业的嗅觉，找方向找人找钱，但这个risk很高；如果你把自己定位为一个算法负责人，则需要跟商业负责人建立起良好的信任。这个信任基础其实通过一两次聊天很难建立起来。本身也是两个领域的人，换位思考，你是CEO，你对陌生领域的候选人，自己没有太多判断力的情况下，一些硬性客观条件就比较清晰了。

       一个初露端倪的小赛道头部企业的首席算法科学家，基本上有两个硬性指标：大厂从业2年以上；在学术界有影响力。如果找不到，这个岗位可以先空缺。学术与工程，两手都要抓，两手都要硬。事实上，我这两个条件都没有。就决心好好把短板补起来。开始琢磨发发学术论文。

学术论文还是代表作产品

    很多时候，实战派都会觉得很多论文都是灌水的，论文里说的天花乱坠，其实实际使起来效果根本不好；而学术界呢，觉得那些做工程产品的，就是拿学术界已经解决了问题的代码，改发改发，没什么含金量。

       这两种观点其实都不可取。你如果有学术论文能发表，至少思路上得到了这个行业同仁的认可，这个认可是比较有公信力的，至少在外行眼里这个就是一个标杆；其次，学术界的一些文章是在公开数据集上刷分的，在工业界自己的实际业务中使用，肯定是需要变通的，甚至还有很多trick需要自己去琢磨领悟，部署上线发现效果不好也不一定是论文水；从第二点出发，学术界的人也可以看出，工业界其实需要解决实际问题，难度不亚于算法再造，还是很有壁垒的。

       要在互联网算法圈混得开，我觉得这两块都缺一不可，很多时候，作为一个算法，你没有给业界贡献一些自己的工作，不觉得很没劲吗？一直在用别人的模型跑来跑去的。因此发论文就势在必行；反过来，如果你只会发论文，就会被人觉得飘在想象里，不接地气，业界很快会把你封锁到象牙塔里。还是要通过自己的算法打造出一些鲜活的产品的。比如说雷布斯，他的理想是自己的WPS跑在每个用户的PC电脑上。从来不是说把代码跑在自己的实验室里。

       这里面其实还有一些不一样的地方。你做一个标杆产品，例如抖音的推荐算法是你负责，或者说百度凤巢广告算法是你开发的，这样的标杆产品是可以有公信力的；但如果说一点资讯的推荐算法，或者说趣头条的广告算法是你负责的，尽管做好这样的产品难度不低于抖音的推荐系统，但在业界的公信力基本上是不够格的。

       而如果你是趣头条的算法负责人，又有CCF A类顶会论文，或者说你就是一个小AI公司的算法TL，比如说格林深瞳的算法总监，同时你有CCF A类论文，你的公信力就会大涨。

       论文是可以在简历里跟你一辈子的。因为那个算法，那个自然规律，是你发现的。

       这也是为啥很多商业化人才，还有兴趣去认识一些顶会的researcher。

3.4 待续

• 我的学术研究启蒙

• 这一年的故事