AI浪潮下，统计人的危机与突围

读过原文，最重要的建议之一就是培养“全栈数据科学家”。
既能掌握统计学理论，又“学会用Git、写高效代码、理解GPU架构、参与开源项目”，这样培养学生的可操作性存疑。别说学生，能做到的学者都凤毛麟角。

现代科学发展的方向是细化。想出成果，必须着重钻研非常具体的学科分支。

反过来讲，顶尖AI experts很少有深厚的统计学功底（因为不需要）。

至于论文，除了cs/ai，其它学科都是journal为主，而且很多journals也发表很快，这个我觉得不是大问题。他们可能讨论的是顶刊比较慢。

georgelee 发表于 2025-05-04 15:21:48
读过原文，最重要的建议之一就是培养“全栈数据科学家”。
既能掌握统计学理论，又“学会用Git、写高效代码、理解GPU架构、参与开源项目”，这样培养学生的可操作

合理 有道理

500人北美华人统计生统faculty群，是一群。年轻的做ai的ap不少都是在二群，看不到一群的讨论，有一种明明也是做ai的怎么就被排除在外的尴尬。

我是现场听的这场talk，感觉问题其实大家的认识都差不多，但是这么多年也都是在嘴上说说而已，改杂志也没那么简单，改学校课程设置也没那么简单，所以到底要多久才能看到实质性的变化呢？我几年前跟老师们聊天，甚至觉得统计是不是会消失了，有的老师也是很悲观，上个月跟这场talk里的某个大佬聊了聊，大佬们还是很乐观的。但是转过头来看，现在这情况下工作难找也是现实，大部分学生不会去想这些大框架的问题，想了也没有能力去改变，作为学生就只剩：我爱统计，我怕他完了，可TM谁爱我啊。

3939199 发表于 2025-05-04 12:30:25
看完了 都没点自己的见解，还是停留在跟cs抢饭碗的层面

CS也不行啊。我覺得統計系學者們的錯覺就是CS系的人ai做得更好。

zywhy9 发表于 2025-05-05 13:32:14
我是现场听的这场talk，感觉问题其实大家的认识都差不多，但是这么多年也都是在嘴上说说而已，改杂志也没那么简单，改学校课程设置也没那么简单，所以到底要多久才能看

個人覺得這場撕逼的源頭的某位老師其實說得挺有道理的。stats被high dim帶偏了，吸引了過多數學自慰流派的人，影響了整個領域的生命力。解決的辦法是讓不包含dataset的文章發表不出來，做純數的人找不到工作。

换汤不换药，改了名字本质上还是统计

zywhy9 发表于 2025-05-05 13:32:14
我是现场听的这场talk，感觉问题其实大家的认识都差不多，但是这么多年也都是在嘴上说说而已，改杂志也没那么简单，改学校课程设置也没那么简单，所以到底要多久才能看

我也是一样的感觉。自从有了gpt，老板每次开会经常鞭策我们一方面自己手里的老本行统计要得心应手，另一方面要多学新东西。每天都处在怀疑自己学的东西是不是落后了，和世界上又多了那么多新方法的挑战和焦虑中。

讨论来讨论去， 结论到底是个啥呢 ？
proc 统计人的危机与突围;  rename '全栈数据科学家' = ‘统计师’; run;!

我是做生物统计的。感觉在临床统计方面和传统统计还是很不一样。首先对于临床试验来说，可解释性非常重要。其次临床数据永远无法做到其他数据那样大量和准确，所以统计思维在实验设计和实施过程中非常重要。最后FDA等Regulatory agency对于AI相对来说还是比较保守，因为难以形成行业统一的标准。总体看来除非临床双盲实验这一套发生天翻地覆的变化，否则后期临床对统计的需求还是很大的。算是于传统统计行业不同的赛道吧。
不过我也有听说现在药物早期研发也开始拥抱AI了，欢迎同僚讨论！