人工智能人人通生态雲平台

河南人民出版社有限責任公司

2019年12月28日 星期六

咨詢熱線

400-6908-558

在線學習
153 人
雲校學校
220 所
雲校老師
158 人
雲校學生
451 人
雲校家長
51 人

立即報名

平台動态

Platform Dynamics

您的位置:币安币官网 > 平台動态 > 新聞詳情

人工智能行業發生了翻天覆地的變化 AI科學家如何成為MVP

二十年前,對人工智能研究感興趣的人大多局限于大學和非營利性AI實驗室。人工智能研究項目主要是跨越數年甚至數十年的長期合作項目,目标是服務于科學并擴展人類知識。

但是在過去的十年中,由于深度學習和人工神經網絡的進步,人工智能行業發生了翻天覆地的變化。如今,人工智能已進入許多實際應用。科學家,技術主管和世界領導人都将AI視為通用技術,尤其是将機器學習視為未來十年最具影響力的技術之一。圍繞AI的潛力引起了商業實體,民族國家和軍隊的興趣,所有這些實體都希望利用該技術來保持領先于競争對手的優勢。

多方面的AI軍備競賽增加了對AI人才的需求。現在,缺乏在各個行業中開展大型AI研究項目的技能和知識的人才短缺。在這種情況下,那些财力雄厚的人設法為其項目聘請了AI科學家。

這導緻了AI的人才流失,使科學家和研究人員離開了人工智能誕生和發展成為革命性技術的機構。

深度學習如何結束AI冬季

在深度學習革命之前,人工智能主要由基于規則的程序主導,在該程序中,工程師和開發人員将知識和操作邏輯手動編碼到其軟件中。在那些年裡,人工智能因過高的承諾和交付不足而廣為人知,并且在未能達到期望之後經曆了幾次“人工智能冬天”。

在本世紀初,科學家設法使用神經網絡來執行計算機視覺和自然語言處理,這兩個領域的基于規則的執行效果非常差。事件的轉變使AI可以進入以前被認為是無法進入或對計算機極具挑戰性的衆多領域。其中一些領域包括語音和面部識别,對象檢測和分類,機器翻譯,問題解答等等。

這為AI的許多新商業用途鋪平了道路。我們每天使用的許多應用程序,例如智能揚聲器,語音驅動的數字助理,翻譯應用程序和電話臉部鎖,都由深度學習算法和神經網絡提供支持。神經網絡的複興也在自動駕駛等其他領域創造了新的領域,其中計算機視覺在幫助自動駕駛汽車了解周圍環境方面發揮着關鍵作用。深度學習提供的可能性引起了Google,Facebook和Amazon等大型科技公司的興趣。深度學習已成為這些公司為客戶提供新的更好服務并獲得競争優勢的一種方式。對神經網絡的重新興趣引發了從學術機構挖走AI科學家的競賽。從而開始了AI人才外流。

AI科學家如何成為MVP

盡管圍繞神經網絡進行了大肆宣傳,但它們幾乎與人工智能本身一樣古老。但是,在随後的幾十年中,它們一直處于落後地位,因此他們缺乏基于規則的軟件的支持和工具。

神經網絡也從根本上不同于其他形式的編程,并且為它們發現和開發新的應用程序通常比傳統軟件開發更類似于科學研究。這就是為什麼AI研究需要綜合各種數學和計算機科學技能的原因,而這幾乎不是您在周末閱讀一本編程書所獲得的那種知識。

深度學習的普及率突然上升,導緻對AI研究人員和科學家的需求激增。就像在任何供應不能滿足需求的領域一樣,那些擁有更強大财務資源的人會獲得最大份額。

在過去的幾年中,富裕的科技公司和研究實驗室一直在使用巨額薪水,認股權和其他分紅來吸引AI科學家離開學術機構。

一個紐約時報報道,從2018聲稱OpenAI支付一些科學家超過100萬。最近,Google在2014年收購的AI研究機構DeepMind的費用報告指出,該實驗室已向700名員工支付了4.83億美元,平均每位員工690000美元一些高薪研究人員使平均水平偏高)。

AI教授和院士是否能夠抵制将學術界留給商業實體的誘惑?

一個最近的一項研究由研究員在羅切斯特大學已發現,在過去的15年中,在美國和加拿大的大學153名人工智能教授已經離開自己的崗位在商業領域的機會。在過去幾年中,這一趨勢一直在增長,僅在2018年就有41位教授采取了行動。

2015年,Uber為其自動駕駛汽車計劃大肆招聘,并從卡内基梅隆大學的機器人實驗室搶走了50個人,其中包括一些頂尖人才。谷歌,亞馬遜,微軟,Facebook和Nvidia分别聘請了來自不同大學的幾位AI教授。

也有很多AI教授扮演雙重角色,既保持與大學的隸屬關系,又為科技公司工作。

研究費用導緻AI人才流失

雖然豐厚的薪水在吸引AI教授和研究人員遠離大學和科技公司方面起着很大的作用,但它們并不是造成AI人才流失的唯一因素。在從事AI研究項目時,科學家還面臨成本問題。

人工智能研究的某些領域要求訪問大量數據和計算資源。強化學習尤其如此,強化學習是一種AI代理通過大規模的反複試驗來發展其行為的技術,強化學習是AI研究的熱門領域,尤其是在機器人技術,遊戲機器人,資源管理和推薦系統中。

訓練強化學習AI模型的計算成本很容易達到數百萬美元,而隻有富裕的高科技公司才能節省下來。此外,其他種類的深度學習模型通常需要訪問隻有Google和Facebook這樣的大型科技公司才能擁有的大量培訓數據。

如果沒有大型技術的支持和資金支持,這也将使AI研究人員很難實現自己的夢想和項目。大型技術的支持很少免費提供。

AI人才外流的影響是什麼?

随着越來越多的教授,科學家和研究人員湧向商業領域,人工智能行業将面臨若幹挑戰。首先,大學将很難聘請和聘用教授來培訓下一代AI科學家。

反過來,這将進一步擴大AI技能的差距。因此,人工智能研究人員的工資将保持較高水平。這對于研究人員本人來說可能是一件令人愉快的事情,但對于那些将難以為他們的項目聘用AI人才的小型公司卻不是。

人工智能的商業化也将影響該領域在未來幾年内将看到的進步。商業領域對AI的興趣主要是開發具有商業價值的産品。他們對服務于科學和整個人類福祉的項目不那麼感興趣。

一個著名的例子是DeepMind,它是少數在創建人類級AI的研究實驗室之一。自從收購DeepMind之後,Google授予研究實驗室訪問其無限的計算,數據和财務資源的權限。但它也重組了AI實驗室,以創建一個生産商業産品的部門。DeepMind現在正處于身份危機之中,必須決定是科研實驗室還是其營利性所有者的擴展。

最後,人工智能人才流失和人工智能的商業化将意味着該行業的透明度降低。營利性組織很少向公衆公開其源代碼和AI算法。他們傾向于将其視為知識産權,并在其圍牆花園後嚴密保護它們。

由于公司将共享更少的知識來保持自己在競争者中的優勢,因此這将導緻AI研究的發展變慢。