埃尔法哥哥人工智能行业发生了翻天覆地的变化 AI科学家如何成为MVP


文 | AI国际站 唐恩
本文由AI国际站 原创出品 , 未经许可 , 任何渠道、平台请勿转载 , 违者必究
二十年前 , 对人工智能研究感兴趣的人大多局限于大学和非营利性AI实验室 。 人工智能研究项目主要是跨越数年甚至数十年的长期合作项目 , 目标是服务于科学并扩展人类知识 。
埃尔法哥哥人工智能行业发生了翻天覆地的变化 AI科学家如何成为MVP
本文插图
但是在过去的十年中 , 由于深度学习和人工神经网络的进步 , 人工智能行业发生了翻天覆地的变化 。 如今 , 人工智能已进入许多实际应用 。 科学家 , 技术主管和世界领导人都将AI视为通用技术 , 尤其是将机器学习视为未来十年最具影响力的技术之一 。 围绕AI的潜力(和炒作)引起了商业实体 , 民族国家和军队的兴趣 , 所有这些实体都希望利用该技术来保持领先于竞争对手的优势 。
多方面的AI军备竞赛增加了对AI人才的需求 。 现在 , 缺乏在各个行业中开展大型AI研究项目的技能和知识的人才短缺 。 在这种情况下 , 那些财力雄厚的人设法为其项目聘请了AI科学家 。
这导致了AI的人才流失 , 使科学家和研究人员离开了人工智能诞生和发展成为革命性技术的机构 。
深度学习如何结束AI冬季
在深度学习革命之前 , 人工智能主要由基于规则的程序主导 , 在该程序中 , 工程师和开发人员将知识和操作逻辑手动编码到其软件中 。 在那些年里 , 人工智能因过高的承诺和交付不足而广为人知 , 并且在未能达到期望之后经历了几次“人工智能冬天” 。
在本世纪初 , 科学家设法使用神经网络来执行计算机视觉和自然语言处理(NLP) , 这两个领域的基于规则的执行效果非常差 。 事件的转变使AI可以进入以前被认为是无法进入或对计算机极具挑战性的众多领域 。 其中一些领域包括语音和面部识别 , 对象检测和分类 , 机器翻译 , 问题解答等等 。
这为AI的许多新商业用途铺平了道路 。 我们每天使用的许多应用程序 , 例如智能扬声器 , 语音驱动的数字助理 , 翻译应用程序和电话脸部锁 , 都由深度学习算法和神经网络提供支持 。 神经网络的复兴也在自动驾驶等其他领域创造了新的领域 , 其中计算机视觉在帮助自动驾驶汽车了解周围环境方面发挥着关键作用 。 深度学习提供的可能性引起了Google , Facebook和Amazon等大型科技公司的兴趣 。 深度学习已成为这些公司为客户提供新的更好服务并获得竞争优势的一种方式 。 对神经网络的重新兴趣引发了从学术机构挖走AI科学家的竞赛 。 从而开始了AI人才外流 。
埃尔法哥哥人工智能行业发生了翻天覆地的变化 AI科学家如何成为MVP
本文插图
AI科学家如何成为MVP
尽管围绕神经网络进行了大肆宣传 , 但它们几乎与人工智能本身一样古老 。 但是 , 在随后的几十年中 , 它们一直处于落后地位 , 因此他们缺乏基于规则的软件的支持和工具 。
神经网络也从根本上不同于其他形式的编程 , 并且为它们发现和开发新的应用程序通常比传统软件开发更类似于科学研究 。 这就是为什么AI研究需要综合各种数学和计算机科学技能的原因 , 而这几乎不是您在周末阅读一本编程书所获得的那种知识 。
深度学习的普及率突然上升 , 导致对AI研究人员和科学家的需求激增 。 就像在任何供应不能满足需求的领域一样 , 那些拥有更强大财务资源的人会获得最大份额 。
在过去的几年中 , 富裕的科技公司和研究实验室(例如Google , Facebook和OpenAI)一直在使用巨额薪水 , 认股权和其他分红来吸引AI科学家离开学术机构 。
一个纽约时报报道 , 从2018声称OpenAI支付一些科学家超过100万 。 最近 , Google在2014年收购的AI研究机构DeepMind的费用报告指出 , 该实验室已向700名员工支付了4.83亿美元 , 平均每位员工690000美元(尽管中位数可能远低于该数字)一些高薪研究人员使平均水平偏高) 。


推荐阅读