15987118580

您的专属私人定制顾问

30

2018-11

思维克隆人:AI机器人的下一个风口?
最近,刚上映的《无名之辈》圈粉无数,消除了一段时间的电影荒。很快,《黑客帝国》主演基努·里维斯的新电影《克隆人》也将于2天后在国内上映。 在最新预告片中,基努·里维斯扮演的科学家威廉姆·福斯特通过大脑移植技术,将一名死者(片子中称其为“捐献者”)的大脑转接到AI机器人的人造大脑当中,却导致了被赋予意识的机器人暴起失控。 归来依然万人迷的“科学怪人” 一面是温馨和睦的家庭,一面是冷酷十足的AI黑科技,基努·里维斯饰演的角色在两股力量中斗争。依靠技术手段复活的至亲,是否还是当初熟悉的那个“人”?那些温馨的家庭场面里的人,究竟是真实的家人,还是人工复制的“克隆人”?“复活”家人之后会遭遇怎样的问题,事态如何发展?现在这些争论都被放在了电影当中。 近年来多有与机器人的自我意识这类题材相似的电影上映,随着AI技术的发展,人们对这类科幻电影的亲切感和讨论热度也在上升,但票房收益却普遍不太理想。 以2017年上映的《攻壳机动队》为例,虽然有着强大的IP号召力,但票房成绩非常一般。 《攻壳机动队》电影海报 ObEN官方展示CEO克隆虚拟人物 其实,在今年早些时候,美国AI明星公司ObEN就已经开始研制一种个性化的人工智能PAI,可以通过程序完成类似于克隆的状态。这款程序其实就是一种虚拟的熟悉替身,可以通过训练完成你没有时间或无法完成的事情。同时,会随着与本人沟通的时间来模仿本体的一言一行,换言之就是会越来越像本体,当到一定程度时就会独立思考,最终将彻底变成本体。但所幸,此技术克隆的只是一名虚拟人。 如今,随着数字技术的革新与发展,我们找到了更多的新方法去更好地为人工智能和机器人记录意识、建立思维。在计算机科学的帮助下,我们能够借助数字技术,去记录并展示\这些“不朽”的意识思维。 思维克隆人 从这个意义上说,科幻电影中虚拟人那种炫酷的情景,我们将很快有机会亲身体验了。但这一次,《克隆人》电影又将会给我们带来哪些科技上的可能性呢?值得期待。 60年来,人工智能经历了从爆发到寒冬再到野蛮生长的历程,伴随着人机交互、机器学习、模式识别等人工智能技术的提升,机器人与人工智能成了这一技术时代的新趋势。玛蒂娜相信,虚拟人就是人类自身。未来,它们也会有自己的身份,也会和人类结婚组建幸福的家庭。这一天,并不遥远。

28

2018-11

2018年星际争霸AI挑战赛中科院自动化所夺得季军,三星与FB获冠亚军
导语:星际争霸AI近年进展迅速,机器学习技术在策略类游戏中的应用越来越深入,但是距离AlphaZero时刻尚存距离,这一天究竟何时到来?  2018 年 11 月 13-17 日,AAAI 人工智能与交互式数字娱乐大会 (AI for Interactive Digital Entertainment) 在阿尔伯塔大学举办。会上宣布了一年一度的星际争霸 AI 挑战赛结果;这也是即时战略(RTS)游戏 AI 比赛中最重要的比赛之一。 第八届(2018 年) AIIDE StarCraft AI Competition 星际争霸 AI 挑战赛共有 27 支团队参赛,包括知名机构如三星、中科院自动化所、Facebook 等,知名高校如 Stanford University,以及许多独立参赛队伍。挑战赛使用 12 台计算机进行了大约 2 星期的比赛。经过每个 bot 平均大约 2600 局、每组对手平均大约 100 局,共 34694 局车轮战 1v1 比赛之后,三星、Facebook 以及中科院自动化研究所分别以 95.91%、90.86%、87.11% 的胜率荣获前三名。 AIIDE StarCraft AI 挑战赛自 2011 年起已连续举办八届,该竞赛以星际争霸 1 为载体,以促进和评估用于实时战略游戏(RTS)的人工智能水平为目的。近年来,它更是成为博弈对抗、强化学习、模仿学习、多任务学习等乃至通用人工智能算法研究的主要平台和工具。由于包括对手不确定在内的信息不完全以及状态动作空间巨大等问题,使得星际争霸AI较围棋AI更极具挑战性,因此也吸引了包括DeepMind、Facebook、三星、斯坦福大学、中国科学院自动化研究所在内的国内外顶尖研究机构投入研究,相关核心技术可以广泛应用在金融学、经济学、生物学、政治学和军事等领域。 前三名方案介绍第三名 中科院自动化所,神族 bot 「CSE」 在 2017 年的星际争霸 AI 挑战赛中,来自中科院自动化所的 AI「CPAC」就以 71% 的胜率获得了第四名的成绩。雷锋网 AI 科技评论报道文章请见《中科院自动化所拿下星际争霸 AI 竞赛第四名,顺便发布了一个训练 AI“大局观”的数据集》。 今年的比赛中,由中科院自动化所智能系统与工程研究中心(CRISE)开发的神族 bot「CSE」以 87.11% 的胜率获得季军。据了解,该中心为自动化所独立建制的科研部门,致力于研究博弈对抗与自主进化智能研究,包括感知智能与认知决策智能。「CSE」的作者包括:张俊格、郭玮、尹奇跃、詹东、王琦玮、胡益珲、申生奇和黄凯奇。2017年的CPAC也是由该团队主要人员开发。 「CSE」使用的种族是神族(Protoss),采用的是规则和学习联合驱动的方式。比如何时采用隐刀偷袭吸纳了人类玩家的经验知识;在建造队列为空的时候,「CSE」使用深度学习来预测待构建单位,等等。 第二名 Facebook,虫族 bot「CherryPi」 相比去年比赛中的 69% 胜率、第六名成绩,来自 Facebook 的「CherryPi」今年有了大幅改进,取得了 90.86% 的胜率。「CherryPi」首先对于每个种族的对手有 8~13 种预先准备的不同的策略,利用比赛是多场 1v1 比赛的特点,它会根据与对手的过往比赛的胜率选择最优的策略。除此之外,它还使用了一个预训练的机器模型,根据当前比赛状态估算不同可用策略的胜率,然后在某些状况下切换为胜率最高的策略。这种切换的设计也产生了「混合策略」的效果。「CherryPi」中使用的机器学习技术还包括用于绕开障碍物、避战与放风筝的寻路搜索算法、根据人类数据学习建筑布置、离线强化学习与在线学习等。「CherryPi」也是今年唯一一个使用了 GPU 计算能力的 bot。 第一名 三星,人族 bot 「SAIDA」 我们都知道星际争霸在韩国尤为盛行,自 2002 年来,韩国职业星际选手陆续加入了职业战队,并由包括三星、SK Telecom 等知名公司赞助。「SAIDA」的成功很有可能来自其职业星际选手的助力。 根据介绍,「SAIDA」bot 的核心是使用了一个稳定的游戏策略,它会首先考虑防守,然后在游戏中期伺机一波带走对方。他们认为这种策略能应对绝大多数对手的策略,弱点也最少。 「SAIDA」也应用了一些 AI 技术。在 UAlbertaBot 的技术基础上(下文还会提到),他们使用了一个有限状态机来控制单位和建筑。每个单位和建筑在每种战局下都有一个特定的状态。并且使用了多个搜索算法来寻找敌方基地或者可以建造建筑的区域。 在开发过程中「SAIDA」还探索了使用 CNN 和编解码器结构向人类选手学习进攻时机、在局部游戏中用多智能体强化学习方法学习单位微操,不过这些技术并没有添加到此次参加比赛的版本中。 详细排名 包含了所有团队的成绩以及详细比赛数据的官方成绩表单如下图。 比赛中其它有趣事项作为比赛中胜率最高的 bot,「SAIDA」面对人类选手的表现如何呢?三星团队找业余选手和职业选手进行了测试,「SAIDA」可以击败业余选手,输给了职业选手。不过他们认为差距并不大,击败职业选手的曙光就在前方。 主办方补刀:既然已经出现了能击败人类的 bot 了,那么未来业余选手也许再也没有获胜的机会了也说不定呢…… 绝大多数参赛团队都使用固定的种族,2016、2017、2018 三年中都仅仅有一支团队可以「随机种族」。显然单一种族意味着放弃了广度,可以把已经发现的有效的策略挖得更深,也就更容易取得好成绩。2017、2018 年的随机种族方案都来自加拿大纽芬兰纪念大学的 UAlbertaBot,今年他们仅以 34.71% 的胜率位列 19 位。基于 UAlbertaBot 然后获得冠军的三星「SAIDA」显然只是借用了技术,用以实现自己的策略。 「SAIDA」使用的策略显然有极大的优势。根据挑战赛主办方提供的胜率波动图表,在一开始的比赛中「SAIDA」就取得了最高胜率的位置,并一直稳定保持到了最后。Facebook 的亚军「CherryPi」与中科院自动化所的季军「CSE」在刚开始时有交替波动,然后也很快稳定了下来。 图中蓝色线为「SAIDA」,黑色线为「CherryPi」,绿色线为「CSE」

26

2018-11

安防走在AI应用前沿 未来三年内智能安防等产业将迎来快速增长
当前,我国AI产业春天已至,相关人才成为香饽饽,AI人才方面则出现了“需求远远大于供给”的状况,据悉,AI应届博士年薪已经涨至80万元,AI人才还未出校门,就已经被企业“抢购”一空。 在全球人工智能技术发展浪潮下,我国已将发展人工智能上升至国家战略的高度。国务院《新一代人工智能发展规划》明确了我国新一代人工智能发展的战略目标,到2020年,人工智能总体技术和应用与世界先进水平同步,人工智能产业成为新的重要经济增长点。 安防走在AI应用前沿 尽管人工智能现在是全社会各个行业的热点话题,但其与许多行业的结合尚处于概念阶段,而安防则是为数不多的人工智能可以成熟应用并落地的行业,且已经走在前沿。 AI在安防领域的应用主要是人脸、车辆识别,包括生物特征识别技术、大数据及视频结构化技术等。其中,生物特征识别包含了指纹识别、虹膜识别、人脸识别、步态识别等,前两者主要应用于特定场景的身份认证;而视频结构化技术则主要融合了机器视觉、图像处理、模式识别、深度学习等人工智能技术,这也是视频内容理解的基础。受益于智能化发展,智能安防在公安、交通、楼宇、金融、工业、民用等多个领域都有应用场景。 2018数字经济国际合作论坛上发布的《新一代人工智能产业发展评价及增长点研判》认为,未来三年内,智能安防等产业将迎来快速增长。 安防企业如何拥抱智能化? 伴随国内安防行业的迅速发展,目前已有一批优秀企业迅速成长为国际领先的安防龙头,海康威视、大华股份、东方网力、苏州科达等都在布局智能化。智能化对安防企业的发展有强大的推动作用,那么安防企业如何才能迎接智能化浪潮? 安防行业迎接智慧时代挑战,首先要紧紧抓住智能安防行业潮流。智能安防不仅包括智能视频分析,还包括集成化以及系统的智能化。虽然对目前大多数安防企业来说,智能安防从技术上还处在起步阶段,但不集跬步无以至千里,为之努力才能把握住行业脉搏。 大公司和设备生产商可以通过人工智能、大数据、物联网等这一轮技术变革转型为解决方案方案提供商和运营服务商,而绝大多数中小企业和集成商/工程商将会在产品安装、运营、维护等一系列服务领域中占据一席之地。 结语:在人工智能尚未渗透安防行业之前,海康、大华以及宇视占据了安防绝大部分份额,但目前这种格局已被打破,企业开始在安防行业中发挥自己的优势,变成“千军万马过大桥”,共同推动整个安防生态圈的建设。眼下安防企业如何在供应链、成本管理、采购方式、产品结构、资本市场等诸多方面做出调整,如何消化随之而来的资金压力,将成为安防企业转型过程中的一项重点任务。

23

2018-11

备受争议的索菲娅机器人,它的缔造者出来回应diss了
大卫·汉森(David Hanson)是汉森机器人公司(Hanson Robotics)的创始人,这家公司向来以创造机器几乎无法识别的类人机器人而闻名。超逼真的类人机器人索菲娅(Sophia)就是他最著名的作品之一   索菲娅被塑造成奥黛丽·赫本(Audrey Hepburn)的模样,她可以与人保持眼神交流,识别面部表情,解码人类语言。索菲娅也在沙特成为了世界上第一个获得公民身份的机器人。索菲娅的发明者汉森是一位机器人专家和研究人员,同时也是个喜欢深层次思考的人,他对人工智能(AI)和未来技术所驱动的人类进化,有着更为崇高的理念。 ▲大卫·汉森(David Hanson) 汉森日前接受科技作家迈克尔·阿什利(Michael Ashley)及其合作者尼尔·萨霍塔(Neil Sahota)的采访时,他表示:“如果我们能创造出帮助人们实现他们真正潜力的机器,结果会怎样?如果我们能帮助所有受到卑微工作和奴役所困扰的人,或者受到性别歧视和种族歧视的人,结果又会如何?如果我们能释放这些机器力量实现人类潜能呢?如果我们这样做了,全球经济将会激增,且将以一种非常明显的方式激增。”   AI给人类发展带来巨大机遇   尽管对未来如此乐观,汉森对围绕AI的文化时代精神所产生的狂热却不看好。史蒂芬·霍金(Stephen Hawking)的新书《对重大问题的简短回答》(Brief Answers to the Big question)最近又加剧了这种狂热。霍金写道:“尽管迄今为止,AI的原始形式已经被证明非常有用,但我担心创造出能与人类匹敌或超越人类的东西可能会带来糟糕的后果。人类受到生物进化缓慢速度的限制,无法与它们竞争,最终将被取代。”   汉森没有盲信霍金或其他人提出的AI风险,例如在警方调查中存在的偏见和自动化导致的失业,他意识到AI给人类发展带来的机遇,等同于甚至超越古腾堡(Gutenberg)发明印刷机或因特网的出现。即使考虑到最近围绕这项技术的争议,他也不会只去看黑暗面。相反,汉森试图看到更大的图景。例如,他指出,最近剑桥分析公司(Cambridge Analytica)的滥用数据丑闻无疑是件坏事,但他警告称,不要把这一事件视为试图煽动反对AI恐慌情绪的素材。   汉森相信不断演变的技术将帮助人类进化,他表示:“我们可以创造大众启蒙的工具,让人们进入更高水平的自我,而不是通过恐惧来说服他人。” 可以肯定地说,我们今天浏览的大多数新闻都是基于恐惧主题的。《滚石》杂志专栏作家马特·泰比(Matt Taibbi)最近从内部人士的角度详细阐述了这个问题。他说:“在这个行业中,我们很久以前就认识到,更愚蠢、更危言耸听的新闻总是更受青睐,更吸引人眼球。我们极大地缩短了人们的注意力时间,让极易激动的人比爱动脑的人得到更多的回报,并让观众对冲突、尖酸刻薄、恐惧、自以为是、种族和性别怨恨产生了强烈的上瘾趋势。”   可以肯定的是,汉森并没有忽视我们当前的困境,也没有建议对我们面临的挑战采取一种直截了当的方式。他说:“这不是否认问题,而是用你最好的大脑来处理问题,而不是用你最糟糕、最原始的大脑。”为此,他设想人类和AI同时在多个领域协同工作,改善人类生活的所有领域,包括医药、基础设施、通信、交通和经济。   技术与人类的融合是积极的   最近,汉森公司与德克萨斯大学阿灵顿分校的丹·波帕博士(Dan Popa)以及达拉斯自闭症治疗中心开展了合作。汉森的作品泽诺(Zeno)是个接近50厘米高的机器人,可以与孩子们进行非语言交流,甚至在有些孩子还没到能说话的年龄时就帮助诊断出自闭症。泽诺有着卡通男孩的头发和外表,没有任何威胁感,让自闭症儿童能以与人类打交道时可能不会有的方式敞开心扉。同样,与拥有一张表情丰富的脸的泽诺互动,让孩子们有机会在情感上与他人沟通,这是自闭症患者面临的一个典型挑战。 ▲机器人泽诺(Zeno) 汉森还认为,AI有潜力改善第三世界国家年轻人的生活,因为很多人都是第一次使用智能手机。汉森表示,由于计算能力的提高和成本的降低,弱势儿童现在可以接触到最好的教育素材。这些工具可以帮助他们摆脱贫困,甚至是饥饿,同时促进世界经济发展。汉森称:“不仅如此,仅在短期内,AI就可以帮助我们通过使用大数据分析发现隐藏的疾病趋势,进而拯救生命,提高全球人民的健康水平。”   谈到AI的长期影响,汉森的想法与美国企业家伊隆·马斯克(Elon Musk)相差无几。马斯克曾提出,人类最实际的选择是将人类思维与机器融合。马斯克的Neuralink项目旨在找到人类与电脑共生的方式,更多的是出于保护目的。但汉森称:“如果你无法战胜它(AI),那就加入它。”汉森强调的是,为打造更美好世界而采用同情和包容的态度。他亲眼目睹了机器人技术如何改善人们的生活,并认为技术与人类的融合是不可避免的,也是积极的,只要我们保持对自己的意图和执行力的关注。   这种观点可能延伸到我们未来考虑人格和公民权方面。汉森今年早些时候曾预言,未来几年,机器人将要求与人类享有同样的权利。不久之后,机器人将能与人类结婚,参加选举,甚至拥有自己的土地。可以预见的是,汉森的这种想法遭到了强烈反对。   从我们过去的行为和无法超越分歧的前车之鉴来看,汉森认为现在需要为即将到来的美丽新世界建立起同情心。他说:“过去,当我们没有在谨慎问题上犯错时,我们看到了严重的民权不公。我们见证了战争和奴隶制,因为一个群体认为另一个群体不属于人类。因此,前者认为以不公平方式对待后者是是正当的,就像对待牲畜一样对待他们。”   虽然未来机器人获得感知的想法似乎很令人震惊,更不用说汉森所称的全球机器人民权运动,但难道不值得以同情的方式考虑这件事吗?如果汉森是对的,这就是即将到来的世界,通过我们更高的自我视角来思考这个问题不是更好吗?为了解释自己的建议,汉森讲述了狼抚养孩子长大的故事。无论是神话还是流行传说中,我们可以猜测,如果这个与其他人类隔离已久的孩子重新进入社会,会发生什么,他将无法与其他人类有效沟通。   人类需要建立起与机器人之间的信任 汉森表示,机器人也是如此。如果在未来的几年里,我们不开始接受自己与AI之间更深入、融合程度更高的体验,他们都会发现自己变得越来越孤立。相反,他认为,我们有必要在人类和机器人之间建立起关系,在这种关系中,信任是通过花时间待在一起和互相学习来培养相互的同情而建立起来的。   当然,这种想法会招致诋毁。但我们可能会问自己,散布恐惧和仇恨会带来什么好处?开发能够欣赏所有生命形式的机器,展示并发展对他人的同情,只会强化我们内在的这些特质。汉森说:“创造出珍惜所有生命的机器,就是我所说的‘模式欣赏’。”   汉森总结道:“人类、动物以及地球上所有其他生命形式都形成了特殊的复杂模式。当我们开始认识到美好的模式时,我们就会发展出一种特殊的欣赏方式。这种欣赏可以扩展到所有复杂的生命模式,尤其是人类模式中。如果我们让机器将来能以这种方式欣赏模式,即珍惜现在存在的模式和未来可能出现的模式,那么我们将为万物创造出更美好的未来。”

20

2018-11

AI 竞赛带来的人才短缺问题,什么算法都解决不了
雷锋网 AI 科技评论按:「AI 的力量将改变世界」已经成为全社会的共识,紧接着「读一个 AI 相关的硕士、博士就可以轻松高薪」也成为了社会共识。但这种共识背后也有着种种隐忧,对于怎么招人、怎么培养人、怎么把 AI 技术融入企业业务,惯例的观念和做法有很多,但身在其中的人往往不知道自己到底哪里对了哪里错了。 Fastcompany.com 的这篇文章是对 AI 领域里人才相关事项的重新审视和思考。学术界已经做出了很多努力,而企业们可以拿出真正积极的行动来。雷锋网(公众号:雷锋网) AI 科技评论编译如下,有改动。 AI 的新招聘时代Greg Benson 教授已经在旧金山大学教了二十年计算机科学了。除了开学期间的日常授课之外,他每周还会有一两天时间在云集成公司 SnapLogic 的办公室里度过;在学校放假期间,他更是在这里全职工作。他每年带的机器学习研究生有 10 个左右,他会给他们机会到 SnapLogic 实习,动手参与一些 AI 科研项目。如果实习表现好的话,他们毕业之后就可以直接来 SnapLogic 工作。SnapLogic 的工程师里有三分之一都是以前做实习生然后留下来的。「这种模式对我们来说非常成功」,Benson 说。 即便科技巨头们如今都为如何招到高水平人才而头疼,这种模式对小公司来说就不失为一种有效的招聘手段。这种模式还体现出了另一种创新:SnapLogic 和 Benson 教授之间的合作体现出了科技公司在借用高效教授力量的同时,也可以为学术界做出一些贡献,尤其是可以让这些教授继续留在学校,继续培养未来的 AI 研究人员。 整个领域面对的状况很明显:大约 60% 的美国计算机科学博士生都毕业之后就去了企业工作;2000 到 2010 年之间的这个数字还只有 38%。(来自华尔街日报发表的美国自然科学基金会的统计数据) 另一项来自伍斯特理工学院的研究表明,许多学校都面临了这样的状况:他们希望招聘许多 AI 以及相关领域的教职员工,但是却招不到多少人。可以说 AI 及相关领域已经显出了明显的矛盾:每年企业和学校招到的博士生,要比学校里毕业的博士生还要多 6%。如果再考虑到读一个计算机科学的博士生需要 3 到 5 年的时间的话,这个问题就更令人头大了。 对于一直风头正劲的 AI 热潮,许多公司都想扬鞭上道:他们的第一反应就是,既然我们决定了要做 AI,那就去招一个斯坦福大学毕业的计算机科学博士来。但问题是,别说是斯坦福大学毕业的了,就算是别的学校毕业的计算机科学博士,现在也不知道还能不能找得到。蒙特利尔的初创公司 Element AI 发布了一个研究报告,根据他们统计,自 2015 年以来计算机科学界一共培养了大约 2 万 2 千名具有博士学位的 AI 研究人员。如果把 2015 年之前获得的博士学位也算上的话,这个数字大概是 9 万。但计算机科学是一个快速变化的领域,越新近毕业的学生就越可能掌握和主流应用最相关的知识技能。腾讯也发表过自己的估计,认为参与到 AI 研究中的人员数量大概是 20 万到 30 万人。 面对如此少的人才和如此热烈的企业需求,对顶尖人才的招徕俨然发展成了一场全面的军备竞赛。除了足够吸引人的薪水,想招人的科技公司也要去学术会议混脸熟,还需要在摊位设置和企业介绍里展现自己的高逼格、高追求、以及成为下一个谷歌 Facebook 的可能性。CVPR 2018 的展台区就仿佛是一场大型校招招聘会;ACL、EMNLP 也类似。之前曾有过报道,即便是在 OpenAI 这样的非盈利组织,顶尖的 AI 研究人员都可以拿到百万美元年薪。 另一方面,高水平的人才还有很严重的抱团现象。根据 KPMG 在 2016 年 12 月发表的报告,谷歌、微软、英伟达、IBM、英特尔和三星六家公司就瓜分了所有深度学习专家总数的一半。到了 2018 年,我们更是看到越是大公司、越是大规模的人工智能实验室,就越是吸引研究人员全职或者兼职加入。 学生想入学,难;高校想招老师,也难Benson 教授说道,旧金山大学很想招足够的教授来教 AI 课程,但是也经常只见出力不见回报。因为大学坐落在湾区,不论高房价还是来自业界企业的强烈吸引,都是 AI 实践者们比较工作机会时难以忽略的因素。旧金山大学的机器学习硕士每年会收到 700 到 800 份申请,然后只能接受其中的 10%。旧金山大学其实有计划招更多学生,但是他们招不到足够多的教职员工。 AI 领域的著名人物们有不少都持续输出着学术成果或者业界成果,又或者两者兼顾。Geoffrey Hinton 加入了谷歌大脑,同时也继续留在多伦多大学;Yann LeCun 同时参与 Facebook 人工智能研究院和纽约大学,而且还大力宣扬这种模式;吴恩达在斯坦福大学当教授的同时参与了百度的 AI 研发,后来还自己成立公司创业;卡耐基梅隆大学的 Andrew Moore 整个职业生涯都在业界和学术界之间来回转换,最近终于宣布离开 CMU,加入谷歌领导谷歌云;谷歌云这个职位的空缺则是因为此前担任谷歌云首席科学家的李飞飞结束了为期两年的学术休假,回到了斯坦福大学的全职工作。 在离开 CMU 之前,Andrew Moore 也尝试对抗过来自业界的糖衣炮弹,他的点子是希望大学教授可以更轻松地在两者之间来回转换。在华尔街日报的一次采访中,Moore 表示他估计有 10% 到 20% 的大学教授都愿意离开高校加入工业界,甚至自己创办一个创业公司。 但这种做法大概是没办法大规模推广的。顶级的研究人员如果想要持续做出顶级的成果,他们就需要有足够的资源协助、持续以快速充实的节奏工作,看护小孩、个人助理、会议规划等等都要围绕他们的时间来定 —— 但这样的待遇注定只有少数人可以享受。 技术招聘平台 HackerRank 的数据科学副总裁 Sofus Macskassy 就表示想要取得平衡是不可能的。他曾经在南加州大学任教,同时参与了洛杉矶的一家初创公司,还帮 Facebook 招募 AI 人才。根据他的个人体会和行业见解,他觉得不可能在学术研究和企业工作之间取得平衡。 「现实点说,你没有足够的时间来把两份工作都做好」,他说。在学校里培养 AI 人才的时候,仅仅「教书」是不够的,还要花很多时间精力给建议、帮助他们发表研究成果。这种工作就和大多数企业职位需要的「AI 应用技能」有很大不同。「很难两面都站得稳稳当当。」 想要取得平衡,还意味着要处理好知识产权(IP)和专利之间的关系、要清楚什么东西到底是在哪里开发出来的。想要理清知识产权的法律关系通常很难,高校和企业这两个不同的法律实体都希望拿到知识产权,创新者自己就夹在其中两面为难。多数情况下,高校和企业的律师会出来谈判、解决问题,但是当那个企业是教授自己创立的企业的时候状况就会变得复杂了。Macskassy 解释道这很大程度上取决于高校的知识产权处理机构,如果他们经验不足,那就会变得很头疼。但不管怎么样,这都是一个需要不少步骤的流程。 然而人才不足才是那个更大的难题。如果大家不做点什么,美国就需要担心可能在未来的创新和科研上逐渐被中国这样的后起国家超越。「长期来看的话,这些企业(急着从学校挖人的做法)可以说是在对着自己的双脚开枪」,Macskassy 说。 另一种解决方案是尝试给高校更多的科研资金,支持高校自身的发展。不过现在还遇到了特朗普总统削减财政拨款的政策,指望政府提供资金支持可能最终只是一场梦。有一些科技巨头则开始尝试接过这份责任,直接资助高校中的学院、资助学生的教学活动。 Facebook 人工智能研究院就与许多高校合作,让研究人员可以同时参与 Facebook 的研究和自己母校的研究。他们的计划最近也做了新的拓展,大概有二十多位研究人员都是这样的「双重联盟」;具体如何分配时间则由他们本人自己决定。IBM 也发起了一个名叫「认知地平线网络」的项目,他们和六所不同的高校合作,让教师和学生参与 IBM 的科研工作,同时他们也保留着自己在高校的职位。这个项目第一年就已经催生了 70 篇经过同行评议的 AI 论文。 上个月,微软也披露了自己对于业界和学术界 AI 人才短缺的一些努力。英国剑桥微软研究院总监 Chris Bishop 教授在 ZDNet 的采访中表示他们发起的两个新的训练项目「将对博士奖学金、博士后、实习和顾问职位投资数百万英镑」。 请瞄准正确的靶子当然了,所有这些对于博士毕业生和硕士毕业生的关注可能最终无论投入了多少努力都会失败。并不是所有的问题都需要一个新鲜华丽的算法,对某个行业、对某个商业机会的理解更需要的是经验,而不是文凭。非盈利机构 Fast.ai 就明确提出过这样的观点,他们的目标是让 AI 对更多的人都触手可及,甚至他们的口号都是令人哑然失笑的「再一次让神经网络变得不怎么酷」(「Making neural nets uncool again」)。在一项训练最快、最低成本的物体识别算法的竞赛中,Fast.ai 的一群学生击败了来自英特尔、谷歌等科技巨头的团队。 「那些 AI 公司们都对着寥寥无几的同一批人虎视眈眈,但其实他们完全可以去更大的范围里看看。」Fast.ai 联合创始人之一的 Rachel Thomas 说,她自己就本来是学金融的,通过学习在线课程来到了机器学习领域。 Thomas 还说,目前我们面临的人才短缺状况一定程度上是一个观念问题,是企业忽视了想要做 AI 的时候完全可以借助各种各样的在线课程培训现有的有行业经验的员工。这些现有的员工对整个公司的业务状况有深入的了解、知道公司有哪些数据,而且能很好地理解公司想要用 AI 解决的问题。这些问题大多数情况下都不需要最前沿的资源和 AI 技能,尤其是 AI 领域开放的风气让开源工具和 AI 软件遍地都是、唾手可得。 在无数的实际问题中,高校研究人员们在论文中最为关注的准确率,对于 AI 产品的最终用户来说远不如功能流水线设计、用户体验、稳定性、异常输入的处理来得重要。想要把 ImageNet 首位准确率再提升 0.5%,你需要一个优秀的常春藤博士毕业生;但是知道布置在亚马逊热带雨林的动物识别系统的训练数据不需要包含企鹅和鲸鱼,还要能平衡硬件耐用性、识别准确率和功耗,你需要的就是行业经验丰富的工程师。 「这些公司都觉得,『啊,我得招个斯坦福毕业的博士生』,但这其实并不能解决他们的问题」,Thomas 说。「自家员工里的人才被他们低估了。」 Benson 也认为这些企业并没有尽自己所能正面应对他们的问题。招聘学历不那么闪亮的研究人员、提供持续的教育机会、培训自己内部的员工都是基于整个企业的解决方案,只不过这毕竟会花费一些资源,所以企业巴不得直接招一个很能打仗的人进来把一切摆平。但高校所能做的事情就这么多,企业自己不产生一些影响力的话尴尬的局面就只能这样持续下去。 「学术界已经给出了回应了。但是工业界还不知道要如何是好。」Benson 说。 via fastcompany.com
弹窗内容,告知当前状态、信息和解决方法,描述文字尽量控制在三行内