您正在使用较旧版本的浏览器。为了获得最佳 MSN 中文网体验,请使用受支持的版本

无人驾驶出租车都学会“逃逸”了,你还不知道AI行业的趋势?

Microsoft 徽标 Microsoft 2022/4/14 微软(亚洲)互联网工程院 · AI智汇学院

美国当地时间4月10日,通用 Cruise 无人驾驶出租车被警察拦截并“逃逸”事件一出现便火爆全网。

交警本打算叫停夜间行驶但未开前灯的出租车,没想到前看后看,半天没找到驾驶员。尝试打开车门也失败。

没过多久,车子竟然“跑路”了!中途还上演了一场无数路人围观的追车戏码。

最后,这辆AI 汽车自动停靠在路边。该不该开罚单?给谁开?交警赶到后也一脸懵逼。

和汽车公司工作人员联系后,双方还在进行后续的沟通和处理……这场“闹剧”引发了一众网友的围观和思考。

人工智能技术的普及和逐步内化到各行业的趋势似乎已经不可阻挡。该怎么面对AI带来的新挑战?又需要哪些AI人才去推动人工智能领域的进步?

在本文中,微软智汇学院将详细介绍人工智能行业的发展趋势以及所需人才类型,供各位参考。

获取更多来自微软智汇学院的精彩内容,请戳这里~


1. 人工智能技术的普及与内化

(1) 从互联网+ 到 AI+

我们可以通过借鉴互联网的发展来一窥未来的人工智能行业。早期互联网行业是一个专门领域,后来出现了“互联网+”,互联网成了一种技术、一种模式、一套体系方法,可以被各种企业和行业借鉴应用。

对于人工智能的未来,我们也可以认定它的发展趋势也差不多,会逐渐内化到各行各业中去。比如说,现在只有一部分电商在做用户画像、产品推荐,但未来,可能所有商家都会做类似的事情。

无论商家提供的是实物产品还是服务,无论是针对大众客户还是某个具体领域的客户,不少行业都可能会有类似的需求,也会用到类似机器学习的技术,从而推动人工智能的行业内化。

(2)数据资源重要性的提升

除了内化之外,数据的资源性地位也将确立。

目前各个大企业的数据工作都是各自为战,甚至企业内部不同团队之间都是自己获取自己的数据资源,这就导致数据不能称为一种能够整体协调的资源,而且现在也没有开放平台,可以比较明确地进行数据资源交易。

对于小型企业来说,它有数据需求,但没有足够的人力去获取自己所需的数据。对于这些企业来说,它们更愿意支付一定金额去使用自己所需的数据。

因此,未来数据有可能成为一种通用资源,进入交易领域,就像日常的水、电、燃气。

2. 人工智能行业对人才的需求

介绍了人工智能行业的未来,我们再来看看人工智能技术的未来。现在的人工智能技术包括机器学习和深度学习,同时也涵盖了传统编程的一部分,未来这种情况将如何发展,将来这个领域需要什么样的人才,人工智能行业的从业者又该如何规划自己的学习途径呢?

(1) AI 工程师的职业技能

对于应聘者来说,机器学习和深度学习属于较为专业的技能。通常只有人工智能工程师的岗位需要应聘者同时具有机器学习和深度学习的专业背景,而一个Java后端程序员岗位则并不需要这些。

但是到了未来,机器学习和深度学习会从专业技能变成通用技能,也许不管是什么岗位的程序员面试,应聘者都会被问及这些。

(2)AI 全栈工程师

目前,人工智能领域对全栈程序员的需求较大。现在已经有了很多开源框架和开源方法,需要的时候,下载这些程序运行即可,并不需要从头编写,但仅有这些程序并不能满足实际应用需求。

程序员必须获取相关数据,通过开源工具运行数据并生成所需要的模型,最后再加上UI(User Interface,用户界面),让它变成一个简单产品。全栈工程师恰好能解决这种矛盾。

 一般来说,两三个全栈工程师就可以利用现有数据和开源工具做出一个产品模型,因此全栈工程师现在成为了行业急需的人才。

(3)中小企业的 AI 人才需求

对于中小型企业来说,这种全栈工程师尤其重要。因为中小型企业如果要开发自己的人工智能产品,很难做到自己从头到尾实现所有的技术栈,因为企业无法承担这样做的人力成本。

一般的中小型企业会使用一些模块化的工具和通用模型来和自己的业务数据配套,从而开发出一个产品。

这样做的好处是能大量节约人力成本,尤其是不需要聘用资深的业务专家,但弊端也很明显,使用通用模型,产品参数调整的能力不会很好,效果也就不会太令人满意。

但是,对于中小型企业来说,能尽快实现产品,比追求产品的高质量更加重要,因此能够快速地、以尽量少的资源直接开发端到端产品的全栈工程师是他们最大的需求。

(4)大企业的 AI 人才需求

大公司的情况和中小型公司不同,它们有充足的人力,还可以去聘请各个领域的最高端人才。

大公司要维持自身的技术优势,也需要那些学术能力强的人才,还有那些能够对实际工业平台上的应用的算法进行针对性优化的人才。因此,现在大企业急需分布式计算、并行计算等方面的人才。

人工智能技术有很多分支,机器学习和深度学习属于有监督学习,此外还有强化学习、半监督学习、无监督学习等。

目前无监督学习和半监督学习还处于研究状态,而有监督学习则需要使用大量人力进行数据标注。

如何利用尽量少的人工获得高质量的训练数据,在学术研究和工业实践两方面都是下一步的发展方向。

--END--

了解更多AI领域的优质内容,欢迎点击👇

科普 | 大揭秘!机器人背后的人到底在做些什么?

职场浅谈 | 抢占AI风口,普通人有机会么

职场浅谈 | Hi 程序猿,你的职场含金量该提高了

© 微软智汇学院


image beaconimage beaconimage beacon