AI人才战:大牛跳槽只是八卦,人才标准才是核心

很多人习惯将人工智能比作行驶中的汽车,数据是燃料,人才是引擎,算力是底盘,任何一个环节存在缺口,这辆车注定是跑不快的。

算力和数据虽然也是问题的关键,但在人工智能领域的玩家中,大多数巨头在数据和算力上都还算粮草充足,即便是创业系公司,也可以通过花钱来解决。人才反而成了最大的不确定性,决定了算法的水平,左右了发展方向。

正因为人才的紧缺,在人工智能领域,往往不乏滥竽充数之辈。也有不少在线学习平台上线了零基础入门的课程,似乎只需要花几十个小时听完课,就可以为自己的简历贴上“人工智能”的标签。也恰恰是缺少了人才标准,人工智能的乱象和其关注度一样热闹了起来。

好在有人观察到了乱象并做出了行动——10月10日,深度学习工程师认证发布会暨人工智能人才发展论坛在京召开。深度学习国家工程实验室、中国软件行业协会、百度公司联合发布了中国AI领域第一个深度学习工程师认证考试方案——《深度学习工程师能力评估标准》,也是第一个体系化的深度学习人才培养方案。

AI人才荒

Element AI公布过这样一份调查数据:全球约有22000名接受了博士教育的AI领域研究者,其中不到1万人具备创建机器学习系统的专业知识,但只有3000人正在找工作。

而从各大公司招聘的岗位来看,除了深度学习、人工神经网络、计算机视觉、自然语言处理或机器人等技术术语,Python、Theano等编程语言也是必备技能。即使没有博士学位的限制,全球符合条件的人才也仅有9万人左右。

与之对应的却是百万级的人才需求,巨大的供需差导致的一个现象就是:突如其来的AI人才荒和水涨船高的薪酬体系。比如说高级算法工程师动辄百万级年薪;BAT等互联网巨头不惜代价挖人;人工智能相关的投资者也学会了“看人下菜碟”,创始人的资历几乎决定了公司的价值……

同时人工智能相关的人才也是阶梯型的,最顶层的是算法科学家,有能力做框架和前沿性研究,数量上自然凤毛麟角;第二层是工程师型人才,或许没有能力独创框架,却可以在流行的框架上做适配、改进,进而为项目做定制化调整;最底层的就是AI入门级人才,大多是在人工智能爆发后转型的“门外汉”,利用公开课或者培训学会一些皮毛知识。

AI的人才困境已经出现了诸多不和谐的信号,不同公司的AI水平良莠不齐,诸如百度等前沿研究者牢牢占据第一梯队,大多数人工智能公司对AI的研究仍处于初级阶段。同时也在影响AI大牛们的择业观,大牛们选择和同样出色的人才协作,留给创业公司乃至传统企业的人才困境越发严重。

人工智能连同量子技术、虚拟现实等被称为“第四次工业革命”,当前面临的人才荒无疑是最大的短板,毕竟人工智能的使命不是少数几家巨头的“一枝争春”,而是整个行业的“百花齐放”,像前三次工业革命一样对社会进行颠覆性改造。

如何构建合理的AI人才成长体系,如何让相关人才培养标准化,业已成为人工智能行业最为强烈的呼声。

标准落地

规范化早已成为一种社会规则,IT行业尤为如此,一些企业标准俨然成为行业发展风向标。如同在PC时代,培养系统网络管理和应用开发人才的“微软认证”,在网络工程领域权威的“思科认证”等等。同样,人工智能的飞奔自然离不开标准的确立。

百度又一次成为国内的先行者,率先落地中国软件行业协会发布的《深度学习工程师能力评估标准》,计划对深度学习工程师进行权威测试和考核,以填补国内人工智能产业中相关人才缺少标准的空白。

比起AI人才招聘中的“阶梯型”分类,标准中对“深度学习工程师”的能力认证要更为详细,依次是深度学习工程师高级、中级、初级,分别对应的是应用经验、实操能力和理论知识。评估要素包括专业知识、工程能力、业务理解与实践,涵盖编程、机器学习、神经网络、深度学习、代码规范能力、 算法模型实现等等。

百度也顺势成为第一家落地《深度学习工程师能力评估标准》,进行人才培训和认证体系的企业。亦或者说,标准的诞生与百度在人工智能领域的实践不无关系。

早在2012年的时候,百度就开始对深度学习进行布局,2013年成立了深度学习研究院,于2016年推出了国内唯一的深度学习开源平台PaddlePaddle,如今的PaddlePaddle,包括完整的核心框架,以及AI Studio、AutoDL、EasyDL等可以让开发者平等便捷获取顶尖AI能力的组件。

其实纵观全球AI领域,深度学习开源框架并不少,尤其是谷歌、亚马逊、微软等巨头,他们依靠深度学习开源平台+人工智能芯片”的模式牢牢握住了话语权。在经历了中兴事件之后,中国企业开始意识到自主知识产权对企业安全和稳定发展的重要性,而百度的PaddlePaddle则完成了从芯片到文档、从框架到应用工具的全面自主化,是名符其实的“中国标准”。

可以看到,百度想要的并非是为AI人才出一份试卷,而是一套完整的,适合中国开发者的培养方案,不盲目给AI人才设门槛,反而是给开发者架一座桥,如此才是解决AI人才荒的正确方式。

黄埔军校

坊间一直流传着这样的观点:百度已经是人工智能领域的黄埔军校。

百度是国内最早向人工智能转型的互联网巨头,知名科技媒体TOPBOTS在2017年评选出的“20位驱动中国人工智能改革的科技领导者”名单中,王海峰、景鲲、徐伟等百度系占了10个名额,足以印证其行业地位。

当然也有另一个角度,后续发力人工智能的公司中,大多养成了从百度挖人的“习惯”,此外在人工智能相关的创业者中,有百度背景或被百度投资的也占了大半。

不过百度正在重新定义AI的“黄埔军校”。倘若各AI企业一直持续不计成本挖人的局面,各家开出的筹码越来越高,无疑将逐渐演化成一场恶性竞争,对于国内人工智能的研究将并无益处。人才终归是人工智能的引擎,相比于AI大牛频繁跳槽的八卦故事,值得关注的是如何持续性培养出更多的AI人才。

率先落地人才认证标准是百度给出的答案,PaddlePaddle是百度为深度学习人才搭建的桥梁,通过它,开发者可以迅速取得实践经验,直接为企业服务。

从技术细节上来看,PaddlePaddle集成了所有主流算法、支持海量数据训练、CPU/GPU单机和分布式并行运算,具有易用、高效、灵活和可伸缩等特点。且与谷歌、Facebook不同的是,PaddlePaddle在中文自然语言处理、中国人脸、中文语音处理等方面有着无可比拟的优势,最大程度地满足了中国开发者。

而在应用层面上,PaddlePaddle致力于打造自主可控的人工智能生态,最大程度地满足企业、高校和开发者的需要,让深度学习为各行各业赋能。从智慧城市、智慧零售到智慧农林等领域PaddlePaddle的落地案例更不胜枚举——招聘网站简历智能筛选、楼宇机电系统智能调控、生鲜进货量智能预测、智慧农林AI识虫……这些都是基于PaddlePaddle进行的应用。

回到“黄埔军校”的说法上,绝非是因为汇聚了太多AI人才而得名,相反是完整的人才架构,既有顶尖的科学家,也有专业的工程师,以及完善的人才培养和福利。由此百度才有了牵头制定人才标准的机会,打造AI“教材”的能力。

或许可以打这样一个比方:人工智能的竞争就像是一场汽车竞速赛,其他选手仍在思考该如何提高发动机马力,百度这辆车已经远远跑在了最前面,并在沿途建设起“加油站”,让其他选手的发动机也能够保持动力输出。

中美之间人工智能的竞争可能体现在很多方面,可能是产品的较量,也可能是论文数量上的PK。但只有确定的人才标准,并建立起成熟的认证和培养体系,让AI成为一种通用技术,中国人工智能行业才真正具备比肩世界的机会。

文/Alter聊IT

免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。