ZD至顶网软件频道消息:AlphaGo和李世石的“人机围棋大战”所引进的社会效应还在不断发酵,它使得“人工智能”从一个大多数人眼中的科幻小说词汇,变成了现实生活中近在咫尺的高逼格存在。事实上,是云计算和大数据的蓬勃发展使AI人工智能迎来了新的契机,而人工智能也不仅仅意味着一个会下棋的机器人,从手机上的计算器到医疗、教育,到无人机、无人驾驶汽车,到未来可能改变世界的重大变革,人工智能可以改变每个人的生活,也可以颠覆我们的世界。
我国“十三五”规划纲要草案中首次出现了“人工智能”一词,在“科技创新2030项目”中,智能制造和机器人成为重大工程之一。同时,国家发改委也正在与有关部门制订《互联网+人工智能三年行动实施方案》,以人工智能为着力点,带动IT产业向智能化、服务化和高附加值发展。 尽管我们目前仍处于人工智能发展的初期阶段,但可以预见的是,人工智能将越来越多地与互联网、汽车、医疗等产业相融合,迎来巨大的发展空间。
全世界都需要优秀的人工智能人才,以进一步释放机器计算和机器学习技术的巨大潜能。当前,领英数据分析显示,领英平台上的全球人工智能人才数量约为25万,主要分布在美国、欧洲、印度及中国。目前拥有人工智能相关专业人才数量最多的十个国家依次为:美国、英国、印度、加拿大、法国、荷兰、德国、西班牙、澳大利亚、巴西、中国。
图:当前全球人工智能人才分布图
从中美人工智能人才的从业年限构成比例上看,美国拥有10年以上经验的人工智能人才比例接近50%,而我国十年以上经验的人才比率只有不到25%。然而,美国5年以下经验的人才比例约为28%,而我国的这一数字比率超过了40%。尽管我国人工智能专业人才总量较美国和欧洲发达国家来说还较少,10年以上资深人才尚缺乏,但从人才从业年限结构分布上来看,我国新一代人工智能人才比例较高,人才培养和发展空间广阔。
图:全球、美国、中国人工智能人才从业年限结构对比
目前我国人工智能人才最集中的Top10雇主排名中,高等院校占据四席,分别为清华大学、北京大学、中科院和浙江大学;而美国人工智能人才Top10雇主中,有三所世界顶尖大学,卡内基梅隆大学、麻省理工大学和斯坦福大学。
图:当前全球、美国、中国人工智能人才聚集的Top10雇主排名
虽然从当前的人工智能人才整理培养实力上看,我国与美国尚有差距,但是我国在理工科,特别是基础学科人才培养方面有深厚的底蕴,例如计算机相关专业、电子与电气工程、物理、数学等专业教学水平在全球保持领先地位,而这些学科都是从事人工智能和机器学习应用开发的核心基础。
图:当前美国与中国人工智能人才的专业教育背景对比
过去,人工智能专家是高校科研机构或是实验室里需要的研究型人才,但如今,越来越多的高科技公司开设机器人或者人工智能业务分部,人工智能或机器学习类专业人才正在变得炙手可热。据《经济学人》报道,Uber去年从卡耐基梅隆大学的国家机器人工程中心招募了40名员工,几乎是该研究中心员工总数的三分之一。曾任斯坦福大学讲师的百度人工智能团队负责人Andrew Ng指出,领先的科技公司对于人工智能人才来说有两大吸引力——他们能提供强大的计算能力和大量的数据资产,这对于从事机器学习领域的人才来说非常重要。
根据领英数据,目前在为人工智能Top10雇主工作的美国人才中,仅有16% 来自高等院校,大部分人才都服务于企业雇主;而我国有约32%的人才为清华大学、北京大学、中科院和浙江大学这四所科研院校工作。随着BAT、华为、大疆无人机等高科技企业在人工智能应用和开发上的不断探索,或许也将刺激更多人才和资本向人工智能商业应用领域涌入。
但这种趋势并不意味着科研机构对于人工智能人才失去了吸引力,科研机构需要将更多的重点研究项目与企业市场应用开发相对接,将高校的技术研发实力与企业的数据资产能力相结合,这样将有助于释放人工智能产业潜能,给人才更多的创新和发展空间。从而能够将我国在计算机、物理、数学等基础学科人才培养方面的优势充分利用。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。