王一丁、蒋宝尚编译

英特尔人工智能副总裁:AI不是一种技能,而是一种对于工作的描述

人工智能领域的迅速发展,相关人才不能满足需求已经成为业界共识。有报道称,因为人工智能工程师庞大的缺口,一些公司为了获得人才不得不支付数百万美元的薪水。如何满足对人工智能工程师不断增长的招聘和培训的需求,英特尔人工智能事业部副总裁兼架构总经理Gadi Singer及英特尔人工智能人才招聘主管Chris Rice发表了他们的看法。

Rice说:“新闻报道中所呈现情况基本上是事实。”一个有趣的事是:人工智能不再仅仅在科技公司发挥作用,在金融、医疗、零售、移动、制造业等行业中都开始招募人工智能工程师,不仅是开发方面的人才,应用技术方面的人才也非常抢手。因此,全球范围内对人工智能工程师需求不断的增加,推动他们身价的增值。

“2016年深度学习的最先进技术在2018年被称为'遗产'”

—Gadi Singer

虽然相关领域一片火热,Singer也说:“要知道AI不是一种技能,而是一种对于工作的描述,这是一套多样化的技能。为了实现目标,你得有硬件架构师,还有设计师,软件开发人员,数据科学家和研究人员。”

鉴于人工智能中最热门的领域是深度学习,包含所有与神经网络相关的技术,Singer认为,最具价值一直是那些了解如何开发新技术以及可以灵活运用其专业知识的人才。

据Singer说,推动价值增长的另一个原因是,“这个领域的前沿知识的更新要比我见过的任何领域的都要快。2016年深度学习的最先进技术在2018年被称为‘遗产’。因此,那些有能力不断学习并且始终在这个快速发展时代中保持领先的人才显然具有非常大的价值。”

通过培养更多人工智能工程师来填补缺口

“这有几个问题,”Rice说。“全球学术机构在这一技能领域方面已经开始做得很好。但是由于快速的创新周期,很多研究实际上是在工业中进行的,所以行业实际上是从学术界招聘了很多教授。这是一个令人困惑的问题:工业界正在努力以更快的速度吸引越来越多的人离开学术界。”

“过去数据科学被认为是沉闷的......但今天,数据科学真的很酷”

—Gadi Singer

积极的方面是,Singer说他看到相关领域的课程与学生数量都在增长。

Singer说:“过去,数据科学及统计学的一些领域被认为是枯燥乏味的。但如今,数据科学真的很酷。这也吸引了众多学者涌入工业界。”

Singer表示,“所以,即使目前人才需求很大,行业本身吸引力也会在学术界和更大的人口中转化为驱动力,从而增加从业人员的数量。”

待在公司的AI工程师

Rice说,“在数据科学领域,人们平均每21个月就会换工作,有更高的跳槽率的原因不是因为人们只是想换工作,而是因为他们尝试着解决多样化的问题。他们从一个地方到另一个地方去研究新的和有趣的问题。”他说,结果是公司很难找到留住他们的方法。Rice认为当一个人进入一个组织时,公司负责人必须更加积极地构建职位升迁路径。

工程师们想要感受到“他们做的事不仅仅是坐在工位上敲代码,而是做出可以对社会有更多影响的“家伙”

—Chris Rice

道理很朴素,但却很真实,Singer说:“让工作成为一种有趣的体验。因此,对于许多顶尖人才来说,最重要的因素不是谈论工资待遇,而是他们是否觉得自己正在做一些处于技术前沿的事情?他们是否觉得有所获益?以及,他们所做的工作很重要吗?”

今天的顶级工程师想要做的不仅仅是坐在一个小隔间里一行一行的打代码。相反,他们希望做更多有助于社会进步的事情。

训练机器学习的方式影响着“机器”看待世界的方式,通过基于样本的监督学习,所使用的样本会影响其分析方式。处理防止偏见的最佳方法是拥有多元化的团队。当团队具有多样性,并从多个角度审视问题时,就会创造具有全面视野的解决方案。

从长远来看,未来复杂人工智能系统的偏见是什么,如何发现它,以及如何避免它。“对于今天的技术而言,这不是可以做到的,但从长远来看,我看到这种能力在不断发展,”Singer说。

关于,为什么今天的孩子应该考虑以人工智能为作为行业选择,Singer说,“人工智能具有高度影响力和多学科的优势”。这意味着它可以支持各种各样的兴趣:“无论你是想在互动的人性方面做得更多,还是更多的统计数据,或者更多地去编程;每个选择都对应人工智能的一个分支。所以,将来很难有哪个职业不涉及人工智能。”

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业人工智能英特尔
1
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

监督学习技术

监督式学习(Supervised learning),是机器学习中的一个方法,可以由标记好的训练集中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练集是由一系列的训练范例组成,每个训练范例则由输入对象(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。

推荐文章
暂无评论
暂无评论~