2019/04/05 18:12

我们需要什么样的智能和AI人才？

2016年，Alpha Go在七番棋中以4:1战胜李世石，成为人工智能（Artificial Intelligence）第三次兴起的标志性事件。尽管学界对由数据驱动的专用智能系统普遍持谨慎态度，但随着产业界不断推出的各类专用智能系统在不同应用领域的成功落地，AI已开始深刻影响到国计民生各方面，进而受到国家层面的关注和重视。

2017年，全球人工智能创业公司总融资额高达152亿美元，中、美两国以48%和32%的占比分列一、二位。2017年，国务院发布《新一代人工智能发展规划》（以下简称《发展规划》），提出中国发展人工智能的“三步走”战略。美国国家科学与技术委员会则在2016年就发布了《国家人工智能发展与研究战略计划》、《为人工智能的未来做好准备》两份AI领域的国家战略计划。AI已成为各国抢占科技创新制高点，促进产业升级转型、提升社会生产力的重要领域。

AI的研究在1980年代第二次没落后，逐渐分化出计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理、机器学习几个分支。由云计算、大数据带来的海量数据和计算能力，激发了机器学习中深度学习方法的潜力。应该认识到，当前以深度学习为主导的智能系统基本属于所谓“大数据、小任务”范式，只是针对某领域的特定任务，利用大量数据训练特定的模型用于判断和决策。这样得到的模型泛化能力和可解释性较差，缺乏灵活性和鲁棒性。

事实上，人工智能是要通过研制智能机器以增强和拓展人类在社会生产生活中从事各项活动的能力和效率，最终达到人机和谐共存的状态。所谓智能机器，是指具有自主感知、认知、决策、学习、规划、执行和社会协作能力，符合人类情感、伦理与道德观念的软、硬件实体。人类的智能表现为感知能力、记忆与思维能力、学习能力和行为能力。要实现真正类人化的多任务智能系统，机器应具备理解能力和推理能力，能感知所处的物理世界并理解其中的因果链，能确认自身的核心任务和价值链。这样，AI的研究内容横向上就涵盖了计算机科学、逻辑学、仿生学、语言学、行为学、心理学等多门学科，纵向上则贯穿了基础理论研究、算法设计、程序开发、产品制造全过程。

尽管真正类人化智能系统的研究发展仍较为缓慢，但产业界的技术应用走在了前面。计算机视觉、自然语言处理及交互、智能规划决策、知识图谱等方向的技术已在金融、公共安全、交通、医疗、教育、零售等领域得到了很多成功的落地应用。随之而起的是AI类高级人才的严重短缺。根据高盛公司发布的《全球人工智能产业分布》报告，2017年全球AI类人才储备中，我国只占5%，AI类人才缺口超过500万。这一巨大缺口催生了近年来各类围绕深度学习展开的社会培训。显然，这类培训只是解决当下AI技术应用人才稀缺现状的急就章，并不能真正满足AI各领域的研究和发展需要。《发展规划》要求：到2025年，实现人工智能基础理论的重大突破；到2030年，在理论、技术、应用上达到国际领先水平。AI类人才培养的目标应是培养具备源头创新能力和解决企业关键技术能力的高级人才，应具备数学基础好、计算/程序功底扎实、AI专业基础理论全面、分析建模能力强等特点。只有具备了这些素质的高级人才，才有可能实现《发展规划》中提出的第二、三步目标，才能在AI领域未来的国际竞争中不受制于人。

风物长宜放眼量，AI的发展来日可期，人才培养也不应囿于一时一势。2018年，教育部发布关于印发《高等学校人工智能创新行动计划》的通知，提出“到2030年，高校成为建设世界主要人工智能创新中心的核心力量和引领新一代人工智能发展的人才高地，为我国跻身创新型国家前列提供科技支撑和人才保障”。高校要充分利用、整合现有资源，探索与产业界深度合作的各种可能方式，积极投入到不同层次的AI人才培养工作中，以适应国家人工智能战略发展和产业界快速增长的人才需求。

本文相关理论和数据主要来源于以下文献：

[1] 朱松纯. 浅谈人工智能：现状、任务、架构与统一[J/OL]. 视觉探索. 2019-01-06.

[2] 艾瑞咨询. 2018年中国人工智能行业研究报告[EB/OL]. http://report.iresearch.cn/report_pdf.aspx?id=3192. 2019-01-11.

[33] 国务院. 国务院关于印发新一代人工智能发展规划的通知.[EB/OL]. http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm. 2018-12-23.

[4] 何哲. 通向人工智能时代----兼论美国人工智能战略方向及对中国人工智能战略的借鉴[J].电子政务,2016(12):2-10.

[5] 周志华.创办一流大学人工智能教育的思考[J].中国高等教育,2018(09):52-53.

[6] 关汉男,万昆,吴旻瑜.校企深度融合:中国高校发展人工智能的“关键一招”——《高等学校人工智能创新行动计划》解读之二[J].远程教育杂志,2018,36(05):45-51.

[7] 教育部. 教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL]. http://www.cac.gov.cn/2018-04/11/c_1122663790.htm. 2018-12-28.

中国人工智能开放创新平台

平台由贵阳市政府、英特尔及中国产业创新联盟共同打造，致力于深化AI产业结构发展，扶持AI初创企业，打造AI生态圈，集合众多海内外高校导师及行业大牛，撰稿深度分析专业技术及应用，为智能+注入源源不断的活力。

产业AI人才

相关数据

朱松纯人物

朱松纯是全球著名计算机视觉专家，统计与应用数学家、人工智能专家，现任美国加州大学洛杉矶分校 [UCLA] 统计系与计算机系教授，UCLA计算机视觉、认知、学习与自主机器人中心主任。

来源：https://baike.baidu.com/item/%E6%9C%B1%E6%9D%BE%E7%BA%AF 朱松纯

周志华人物

周志华分别于1996年6月、1998年6月和2000年12月于南京大学计算机科学与技术系获学士、硕士和博士学位。主要从事人工智能、机器学习、数据挖掘等领域的研究工作。主持多项科研课题，出版《机器学习》(2016)与《Ensemble Methods: Foundations and Algorithms》(2012)，在一流国际期刊和顶级国际会议发表论文百余篇，被引用三万余次。

来源：个人页面 Zhou, Z.

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。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

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。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

自然语言理解技术

自然语言理解是人工智能的核心课题之一，也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间，都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻，它一方面承载着机器和人的交流，另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯，机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA（Ask Me Anything）栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

来源：机器之心

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）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

知识图谱技术

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。

来源：机器之心

机器人技术技术

机器人学（Robotics）研究的是「机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产（比如用于装配线）。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成，这也是人工智能领域最早的终极目标之一。

来源：机器之心

云计算技术

云计算（英语：cloud computing），是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

来源：Cloud Computing

逻辑技术

人工智能领域用逻辑来理解智能推理问题；它可以提供用于分析编程语言的技术，也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑（Propositional Logic ）以及一阶逻辑（FOL）等谓词逻辑。

来源：机器之心

大数据技术技术

大数据，又称为巨量资料，指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

来源：维基百科

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科