<table id="ej5zp"></table>

  • 展會信息港展會大全

    “請給AI一些包容”
    來源:互聯網   發布日期:2022-04-02 08:23:22   瀏覽:7243次  

    導讀:AI被誤解的背后,人才缺口達30萬。 作者 | 高秀松 編輯 | 余快 說實話,我很不喜歡「人工智障」這個詞。 在與雷峰網的聊天中,一位從事計算機視覺方向的算法工程師多次表示,他討厭這個詞很久了,幾乎是本能的反感,即便只是一種調侃,在他看來都是一種嘲諷...

    “請給AI一些包容”

    AI被誤解的背后,人才缺口達30萬。

    作者 | 高秀松

    編輯 | 余快

    “說實話,我很不喜歡「人工智障」這個詞。”

    在與雷峰網的聊天中,一位從事計算機視覺方向的算法工程師多次表示,他討厭這個詞很久了,幾乎是本能的反感,即便只是一種調侃,在他看來都是一種嘲諷。

    這種嘲諷就好像是,一名路人,對著自己剛剛學會爬的孩子冷嘲熱諷:這孩子真笨,連路都不會走。

    他甚至坦言,如果身邊有同事使用這個詞自嘲,他會刻意與之保持距離,因為這種自嘲實屬對自己的工作、對專業知識的“不尊重”。

    擁有他這種技術性癖好的工程師不在少數,在雷峰網詢問的多個從業人員之中,都表達了類似觀點:通常被問及人工智能水平時,類似表述以「弱人工智能」為準。

    某負責品牌傳播與公關的業務專員透露,如果在對外交流中使用了「人工智障」之類的詞,被舉報或是被公司發現,“直接影響績效考核”,因為這類不專業的表述很可能導致負面的傳播效果。

    在與這些人的談話中,雷峰網發現,在AI圈內,從業者對于AI有著清晰的認知,在外宣的時候,對AI的負面化表述都較為嚴謹。

    然而,在圈外,接二連三發生的各種AI事故,讓大眾對AI的真實能力產生諸多懷疑,關于人工智能變成人工智障的言論甚囂塵上,唱衰人工智能的聲音時常見諸報端。

    表面上,這只是一場關于AI的輿論爭議。但,其實質卻是企業與大眾對AI話語權的爭奪,并會直接影響到AI的推廣、落地與應用。

    如果大眾無法對新技術形成有效的認知,那么新技術的推廣則是非常緩慢的。”某傳媒大學在讀研究生表示,大眾對于新技術的接受能力是逐層遞進的,這個進程很容易受到輿論影響,而負面輿論則存在一種「爆破效應」,可能會直接摧毀此前建立起的「信任基垂。

    比如自動駕駛,公眾對其的信任基礎很薄弱,出現多次事故之后,這種信任實際上已經消耗殆荊

    相關調研報告顯示,自動駕駛一哥特斯拉FSD在國內的激活率不足10%,甚至相當一部分人沒有開通AP服務,即便在開通的人群中,也很少有人會使用AP功能。

    這種現象固然有其客觀原因(比如路側數據不夠、算法能力有限),但從輿論傳播的角度看,自動駕駛的一次失誤,比起傳統汽車的十次車禍更加嚴重,從而也給自動駕駛的進一步落地,帶來阻礙。

    那么,如何給大眾建立起對AI的有效認知,推動AI更快、更廣泛地落地?

    雷峰網通過采訪之后認為:媒體報道、企業外宣、大眾知識普及教育,是三個最主要的途徑。而圍繞著大眾展開的各種「認知教育」,也注定是一場曠日持久的「攻堅戰」。

    1

    “未曾下海,不知水深”

    人工智能應用有一個有趣的悖論:當一種AI技術已經非常普及的時候,人們普遍不會認為這就是AI。

    好比上世紀八九十年代,一臺黑白電視機可能是劃時代的象征,需要手動調頻;但現在遙控型的彩色電視機成為標配,人們也不覺得這就算智能。又比如,小區停車場通過車牌識別進出、刷臉進入小區等,在近幾年開始普及,但人們很少將之與AI聯系起來,即便這里面實際上用了各種識別算法、芯片等等。

    在大眾的認知里,人工智能理所應當達到電影里機器人的水平,或者近似人一樣地思考、行動。

    “大眾有時對于人工智能過于樂觀,甚至高估。”中國計量大學信息學院副教授、人工智能專業負責人楊力認為,作為走向社會的新技術,人們對AI的理解并不全面,認為AI應該無所不能,這種認知與實際并不相符。

    在雷峰網看來,大眾對于人工智能的認知比較淺層,這主要表現在兩個方面:

    不了解、不清楚,對于什么是人工智能,沒有直接的印象;

    有一定了解,但無法理解AI的深層邏輯(原理結構)。

    這種淺層認知很容易被誘導,而在一些不著邊際的宣傳之下,AI本身的能力被過分夸大,大眾對AI產生盲目「自信」或高估。

    “外行看熱鬧,內行看門道。”

    楊力表示,以人臉識別為例,5年前可能人們會覺得很神秘、先進,但在經過消費類電子的普及之后,許多人覺得人臉識別已經沒什么難度了。當他給學生們授課講人臉識別時,同學們都覺得這已經是很成熟的技術,“并不新鮮,難度不大。”

    但其實人臉識別距離高度智能化還有很長一段距離,在許多復雜場景下,很難捕捉到有效的人臉信息。并且,人臉識別在小規模(數據庫較。﹫鼍跋滦Ч芎,但當數據庫非常大的時候,識別的準確率就沒那么高了。

    “大眾由于缺少專業知識,很容易把復雜問題簡單化,但從事AI研究的人對此卻非常謹慎,普通人覺得簡單的技術,從業者可能會覺得‘這個做不了,那個做不了’,簡單而言,就是望山跑死馬的感覺。

    雷峰網發現,由于缺少專業的通識教育,大眾對于人工智能的了解渠道比較單一,多數是通過媒體報道、企業宣傳這兩種途徑來觸及AI,只有小部分人會自發研讀相關書籍、學習課程,以增進了解。

    從傳播的角度看,如果受眾獲取信息的渠道有限,那么該信息渠道的控制人將具有信息傳遞的「控制權」,形成一種「輿論壟斷」的局面,而信息在經過多次傳播之下,極易「失真」。

    實際上,這種「失真」是在所難免的。在AI的傳播過程當中,形成了圈內和圈外兩大群體,由于人工智能本身屬于較高門檻的專業,圈內(企業)和圈外(普通受眾)之間的連接,主要通過媒體來實現。

    但媒體宣傳存在問題是,許多從業者要么科班出身,要么跨界轉型,真正懂AI的媒體人只有少數。并且媒體本身隨著大數據、互聯網技術的變化,進一步下沉到各平臺,又造就了無數自媒體,形成了媒體界良莠不齊的局面。在流量導向的環境下,各種消息報道層出不窮,而這類信息又存在「放大效應」(比如標題過于驚乍),以至于大眾接受到的信息與實際信息存在「誤差」。

    在人工智能最為火熱的時候,不少AI企業為了拿融資、打知名度,紛紛投放廣告、軟文,宣傳產品,造成人工智能已經能夠大規模落地的假象。后來AI遇冷,大眾對AI的調侃某種程度上可以看作是前期宣傳過于猛烈的一種「反噬」。

    當然,圈內也注意到大眾傳媒存在的局限,不少企業在重要的社交平臺上都開辟了宣傳渠道,但由于內容差異(比如太垂直、產品推廣)或渠道差異,并不符合C端屬性,多數AI企業無法直接建立起大眾的有效連接。

    因此,在“企業-媒體-大眾”這一傳播鏈條下,由于大眾傳媒本身存在機制缺陷,導致大眾很難在參差不齊的信息中,建立起對AI的有效認知。然而企業又不得不依賴大眾傳媒來宣傳AI,這種內在矛盾,是造成圈內與圈外對AI產生「認知差異」的重要原因。

    “歸根到底,還是AI人才太少。”在楊力看來,人才是推動產業發展的核心力量,當前AI處于爬坡階段,技術本身的問題是造成大眾對AI產生質疑的根本因素,輿論傳播一定程度上加劇了這種影響。

    解鈴還須系鈴人,不論是AI縱深發展,還是橫向傳播,只有AI人才,可以給AI「正名」,但現階段的情況是,國內AI人才極度緊缺。

    2

    “乘風破浪,人才先行”

    “應用型人才真的太少了。”楊力感嘆道,當AI從空中樓閣走向田間地頭,懂技術又懂行業的人“真的不多”。

    而在工信部《人工智能產業人才發展報告(2019-2020)》(下稱“報告”)里,預計我國人工智能產業內有效人才缺口達 30 萬,而這僅是兩年前的數據。實際上,在過去的兩年里,根據雷峰網觀察,AI企業對人才的需求持續旺盛,整個AI產業的應用人才缺口進一步拉大。

    作為技術/知識密集型產業,AI的人才準入門檻較高,對學歷、工作經驗非?粗。

    根據報告,2019年AI企業發布的崗位中,僅有11.9%的崗位接受?茖W歷;也僅有5.4%的崗位接受1年以下工作經驗的求職人才;接受提供應屆生的崗位僅占3.3%。

    這意味著要從事AI行業,基本上要求本科學歷,同時,由于多數AI企業缺乏人力、資金和動力去培養應屆畢業生(至少一年以上),企業對應屆畢業生的需求并不旺盛,而更青睞那些擁有知識儲備和實踐經驗的人才,這種“排新”性質的招聘需求,又加重了人才短缺情況。

    除此之外,AI對人才的專業性要求極強,尤其是算法研究、應用開發等崗位,60%以上崗位要求具備計算機、數學相關專業背景。

    各種線性條件約束下,原本就短缺的AI人才,顯得更加「緊俏」。

    一位AI初創公司HR告訴雷峰網,招人是一件很困難的事,“專業、學校、工作經歷篩選下來,符合條件的人很少,加上公司要的是進來立馬能產出的人,還要考慮薪資這些因素,優秀的人才很難招到;而走校招的話,優秀的畢業生早早被互聯網、明星AI公司簽下,剩下的也更青睞大公司。篩選去篩選來,選擇真的不多。”

    除了缺少與行業相結合的應用型人才以外,在楊力的觀察之中,AI的另一個人才缺口,是能夠“扎下心來做基礎性工作”的理論研究型人才。

    根據斯坦福發布的《2022年人工智能報告》,雖然我國在AI 期刊論文的引用數、會議論文發表數量以及在人工智能專利申請數量上排名世界第一,但在AI會議論文被引數上卻遠落后于歐美。并且,一些創新性的基礎理論、前沿科技的研究仍以歐美為主。

    “很多人工智能的基礎理論,都是由外國人/機構提出來的,比如現在比較火熱的深度學習。”

    楊力表示,這與我國人工智能起步較晚有很大關系,要彌補這樣的差距,除了要加強對基礎理論研究的資金、人才投入以外,也應該建立起標準的AI人才培養體系,為AI研究提供源源不斷的人才活力。

    “學校是培養人才的搖籃,理想的情況是,一部分學生畢業以后從事理論研究,更多的畢業生進入行業,通過產學研聯動,來推動AI的落地。

    雷峰網了解到,當前我國人工智能產業已經初步形成“政產學研一體化”人才培養生態體系,但仍然處于起步階段。2019年,人工智能專業正式獲批列入本科專業名單,國內諸多高校開始自建或與企業共建人工智能學院(研究院),并開設AI專業。

    然而,對于如何培養專業的AI人才,各大高校也正處于摸索之中,尚未形成行之有效的范式。

    3

    “因材施教,激發興趣”

    2019年,國內人工智能專業正式獲批,被列入本科專業名單,但開辦專業需要經過課程建設、實驗條件、專業申報等流程,多數學校于近兩年才開始正式招生。

    換句話說,距離最早的一批AI本科生畢業,離畢業也還需要大概一到兩年的時間。

    如何把這一批新生培養成才,來填補當前存在的人才缺口,是一件并不容易的事情。此外,未來的第一批畢業生,其綜合能力是否達標也極具象征意義。

    “一方面,人工智能專業學的內容很難,以前很多研究生階段才開設的課程,現在放到本科階段來學了,對學生是一種壓力,對老師的教學方式、技巧也帶來挑戰;另一方面,如何將人才培養與社會需求結合起來,讓學生能夠學以致用,也是難點。”

    作為人工智能領域的資深學者,楊力在多年的執教生涯中,除了對AI有著深入的研究與思考外,也探索出了一些關于培養AI人才的「方法論」。

    首先要尊重學習規律。”楊力告訴雷峰網,AI本身對實踐能力的要求較高,這就不能照搬傳統學科的培養模式,即大一大二側重于理論,大三大四側重于專業。而應該理論和實踐并用,先學習、再實踐,在實踐中學習,然后呈“螺旋式上升”。

    在具體舉措方面,他表示,可以通過成立「科創小組」的模式,鼓勵學生以團隊協作的方式參加各種學習競賽、研究課題。

    這種小組模式的優勢在于:小組覆蓋全體學生,通過團隊協作,形成內部互幫互助的學習氛圍,讓成員都能參與到實踐之中,成為一個「利益團體」;并且,小組的持續時間覆蓋學生的整個大學生涯,所有成員都能共享「利益成果」。同時,小組成員之間互相幫助,從某種程度上也能給老師減輕壓力。

    “其次要因材施教,激發學生對AI的求知欲、探索欲。”

    楊力表示,學生對AI的學習興趣也呈現出明顯的「二八定律」,即20%的學生求知欲很強,而80%的學生興趣一般。

    “對于這20%的學生,你只需要告訴他怎樣做到最好,并且告訴他這個過程中需要注意的事項、細節,其余的無需太過關心;而對于80%的學生,他們的興趣沒那么高,就需要比較細致的指導,并且需要搭配一些「強制指派」,例如直接分配任務讓他們參加。”

    “再而,通過激勵機制來刺激學生的創作靈感。”

    比如,在課程設計時,將創新性納入評分標準之中,以課程成績來驅動學生進行創新。

    例如,在做某個案例時,如果學生只是根據老師列的步驟照貓畫虎,其成績最高可能也就剛好及格,而剩下的分數則全靠個人創意和發揮。

    “大多數學生需要老師給一些推力,而成績就是最好的激勵。”楊力表示,學生為了拿更高的績點,便不得不“多費心思”,而不是敷衍了之,最終交上來的作品“往往有很多意想不到的亮點”。

    “最后,教師與學生之間要形成良性互動的正循環。”

    本科教學存在的一個普遍問題是,學生與教師之間的互動較弱,或者只存在于課堂之上,課外的聯系非常少,“上課是師生,下課是路人”的情況并不少見。

    在楊力看來,如果老師僅僅把教學當作是一種工作任務來完成,那么學生也會采取應付的態度。相反,如果老師富有責任感,學生也會受到其“以身作則的影響“,更有進取意識。

    因而,老師可以通過帶項目、線上線下互動等方式與學生溝通,來了解學生的需求,給自身的教學工作進行反饋,而這種反饋最終又將通過教學的方式來觸及學生,形成「師生共贏」的局面。

    除了培養AI人才方法論外,楊力也指出,培養人工智能專業人才需要破除「唯研究生論」。

    “讀人工智能專業必須讀研究生,不讀研究生就沒有前途。”

    不少人持有這樣的觀點,但楊力卻堅決表示反對。他認為,原來很多研究生的課程已經下放到本科來學,本科階段的人才培養成體系之后,學生的理論、實踐能力將能夠滿足AI行業的基本需求,一味追求研究生教育,只會造成AI圈越來越卷,無助于緩解行業人才短缺情況。

    “當然,研究生教育也很重要,但研究生人才培養可能更應該傾向于基礎理論方面,而AI的規;涞,需要更多應用型人才去推動。”

    舉個例子:很多傳統制造業引進了人工智能,比如機械臂、自動化生產設備等,但由于缺少應用型人才,企業買回去的設備不知道該怎么使用,也不知道如何做到效益最大化,更不懂運營維護。

    這樣的崗位,并不需要從業者非常深厚的理論功底,而是有AI基礎,又懂行業的人才。而在傳統產業智能化升級過程中,類似的人才缺口非常大。

    “實際上,當AI走向各行各業、落地之后,對人才的需求也會發生變化,而在本科階段,通過理論學習加上與專業相關的社會實踐,也能培養出優秀的人才。”

    4

    “通向AI大時代的坎坷之路”

    在剛結束的冬奧會上,楊力教授帶領他的團隊做了一個智能輔助技術,可通過視頻來實現對選手動作進行回顧與分析,給裁判打分給予參考。

    雖然只是一個比較簡單的行為識別,模型并不精巧,市場上有很多AI公司具備開發該技術的能力。但讓人欣慰的是,這個項目一經提出,學生們便踴躍參加,在導師的指引下,一步步挖掘數據、標注、建模、訓練、測試,整個過程持續兩周之久,大部分工作由學生完成,而且是在春節期間,有同學甚至因為出力不夠而深感抱歉。

    “Talk is cheap.”在楊力看來,這個項目別人有能力做,然而只有他們去落地實踐了,并且整個項目由大一學生完成,過程遠重于結果,他們“代表著AI領域的新生力量。”

    做這個項目也并非一帆風順。

    該項目的成員,中國計量大學信息學院 21級人工智能專業學生,蔣正陽告訴雷峰網,小組在建模的時候,要么網絡太大訓練太慢,要么網絡太小而不適合要求,難以達到預期目標。同時,訓練也會遇到算力不夠的情況。

    經過多次失敗嘗試之后,小組不得不求助于楊力教授,后者補充了一種網絡結構,該結構下,模型變得相對“較輕”,訓練也可以符合預期。

    最終,小組成功研發出“單板滑雪AI裁判技術”。該技術可在畫面模糊、相機高速運動、長距離全景畫面等復雜場景下,對運動員是否抓板進行精準識別,從而為裁判打分提供依據,助力「冬奧公平」。

    “我們的專業知識有限,需要繼續加強理論學習。通過這個項目,我們了解了從零開始做項目的過程、方法、難度,積累了經驗。當然,最后看到項目跑出來的結果,內心還是很欣喜的。”蔣總結道。

    楊力認為,遇到問題很正常,關鍵在于去行動、實踐了。“人在學走的路上,會跌倒很多次,但不能因為跌倒,就只學爬,這樣永遠也不會走。”

    這何嘗不是國內AI發展的縮影。

    在經歷無人問津的韜光養晦期之后,國內AI于10年開始蓬勃發展,商湯、曠視、云從、依圖等一眾AI公司先后誕生,受到資本熱捧,撐起國內AI的希望。但激情燃燒之后,隨之而來的是行業落地難、商業化難、變現難等各種質疑。

    如今的AI,正處于從爬到走的摸索期,磕磕碰碰、跌倒摔倒等時有發生,也被大眾調侃成「人工智障」。

    但楊力對此并不沮喪,反而感到樂觀,因為“有越來越多的企業、越來越多的人才參與到AI的發展、推廣、落地之中”,在“政產學研”模式的推動之下,AI也將被掀開神秘面紗,顯露出最真實的樣子,而大眾在未來也會對AI形成一個“全面、客觀”的認知。

    在雷峰網與多位AI從業者的交流過程中,幾乎所有人都對AI充滿希望,即便AI仍然處于「弱人工智能」階段,他們仍然堅信,AI有著光明的未來。

    “AI的浩海不止于邊邊角角,而在于改變世界。”開篇吐槽「人工智障」的那位工程師告訴雷峰網,即便改變世界的路途,充滿坎坷,但“因為熱愛,所以堅持。”

    而對于大眾的一些調侃和質疑,他遲疑了一下,回道:

    “請給AI一些包容。”

    更多智能城市+AIoT領域的文章,請關注雷峰網旗下頻道公眾號《AI掘金志》。

    END

    贊助本站

    人工智能實驗室

    相關熱詞: 請給 一些 包容

    AiLab云推薦
    展開
    Copyright © 2010-2022 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態 | 免責聲明 | 隱私條款 | 工作機會 | 展會港
    18禁无遮拦无码国产在线播放

    <table id="ej5zp"></table>