資本驅(qū)動之下，人工智能成為創(chuàng)業(yè)最火熱的領(lǐng)域，也在加速人才的流動。根據(jù)華創(chuàng)資本發(fā)布的《2016早期企業(yè)薪酬調(diào)研報告》來看，人工智能和大數(shù)據(jù)領(lǐng)域類的早期企業(yè)在過去一年的員工離職率高達(dá)44%，人員流動活躍。
“付不起工資、搶不到人”成為人工智能企業(yè)在人才招聘方面面臨的最大博弈。“人才比較少，需要的公司又多，人工智能的人員成本因此居高不下。”戴文淵表示，“我們想要尋找突破常規(guī)的人才，需要找到能夠?qū)?0分的東西做到60分甚至80分的人才，例如目前做深度學(xué)習(xí)的人有很多，但遷移學(xué)習(xí)的人才就非常少。”
“德才兼?zhèn)?rdquo;是余凱選人的標(biāo)準(zhǔn)，所謂德即對人工智能本身的熱情，愿意為之做長期奮斗，而不是短期的。“大部分人是在趕時髦，如果冰天雪地的時候心還是熱的，那才叫熱情”，才則是數(shù)學(xué)功底、統(tǒng)計功底、編程能力等等。
“優(yōu)秀的人才、優(yōu)質(zhì)的研究成果永遠(yuǎn)匱乏，好比人工智能領(lǐng)域論文從每年800篇漲到3000篇，但真正出色的論文在數(shù)量上基本不會有太大變化，許多人是在隨大流、挖坑灌水、解決細(xì)枝末節(jié)的問題，產(chǎn)生的真實價值并不大。”黃暢補(bǔ)充道。
與O2O、電商等產(chǎn)業(yè)不同，人工智能的技術(shù)創(chuàng)新仍舊需要長期且基礎(chǔ)性的理論研究工作，如何從頂層設(shè)計出發(fā)，加強(qiáng)人工智能基礎(chǔ)理論研究和核心技術(shù)突破，加強(qiáng)人工智能科研人才、技術(shù)人才的培養(yǎng)與引進(jìn)，才是人工智能發(fā)展的持續(xù)動力。
人工智能挑戰(zhàn)
一派繁榮之下，正視人工智能的作用變得更為重要。“相較于告訴人們?nèi)斯ぶ悄苣茏鍪裁?，目前更重要的反倒是告訴人們，人工智能不能做什么。”余凱笑著說道。結(jié)合當(dāng)下的發(fā)展情況人工智能仍然面臨諸多挑戰(zhàn)。
首要挑戰(zhàn)就是數(shù)據(jù)不足的問題。眾所周知，人工智能建立在海量數(shù)據(jù)基礎(chǔ)之上，通過大數(shù)據(jù)訓(xùn)練，來優(yōu)化算法模型，以人臉識別技術(shù)為例，訓(xùn)練這一算法模型需要至少百萬級別的圖片數(shù)據(jù)。
目前人工智能主要是監(jiān)督式學(xué)習(xí)，有監(jiān)督的訓(xùn)練就需要帶標(biāo)簽的數(shù)據(jù)，因此數(shù)據(jù)的質(zhì)量和精準(zhǔn)度及輸出結(jié)果密切相關(guān)。“如何剔除數(shù)據(jù)中的噪音、垃圾信息，獲取優(yōu)質(zhì)且?guī)в袠?biāo)簽的數(shù)據(jù)成為新挑戰(zhàn)，也正是因為這個原因，半監(jiān)督式甚至無監(jiān)督式學(xué)習(xí)方法必然成為未來的研究熱點。”黃暢說道。
另一大挑戰(zhàn)在于深度學(xué)習(xí)的推廣和場景遷移能力不足，每個領(lǐng)域的數(shù)據(jù)都需要重新收集、標(biāo)準(zhǔn)和再訓(xùn)練，很難進(jìn)行跨領(lǐng)域推廣。這些挑戰(zhàn)也是人工智能工業(yè)界和學(xué)術(shù)界急需突破的問題。“在招聘的過程中，學(xué)習(xí)深度學(xué)習(xí)的人很多，而懂得遷移學(xué)習(xí)，具備思辨能力的人很少。”戴文淵表示。反映到人才培養(yǎng)和教育而言，如何引導(dǎo)并鼓勵學(xué)生進(jìn)行跨領(lǐng)域、原創(chuàng)性的探索研究尤為重要。
例如今年AAAI最佳論文來自斯坦福大學(xué)計算機(jī)科學(xué)系的Russell Stewart、Stefano Drmon，他們所撰寫的論文《用物理和特定領(lǐng)域知識讓神經(jīng)網(wǎng)絡(luò)進(jìn)行不帶標(biāo)簽的監(jiān)督學(xué)習(xí)》，就是將物理知識與深度學(xué)習(xí)相結(jié)合，通過跨領(lǐng)域研究給AI帶來新的啟發(fā)。
