[[349378]]

如今，據大多數研究公司預測，人工智能將在不遠的未來發揮越來越重要的作用，因此，以人工智能為核心的各類宣傳也令人眼花繚亂。

 

雖然企業領導者們都對機器學習技術非常感興趣，但卻不得不面對人才短缺的困境。 事實證明，全球范圍內，只有少數開發者擁有開展新人工智能項目所需的必備技能。這也意味著，能夠掌握這些技能的開發人員就變得非常搶手。既然如此，我們就來了解一下開發者在將重點轉向“機器學習、人工智能以及深度學習和神經網絡”之前需要了解的有關人工智能的事實吧。

 

或許，人工智能的年齡比你還要大

據現有記錄顯示，人工智能(artificial intelligence)一詞是由美國計算機科學家、該學科創始人之一約翰•麥卡錫(John McCarthy)首次提出的。他在斯坦福大學度過了自己的大部分學術生涯，并于20世紀50年代末發明了Lisp。Lisp以λ演算(lambda calculus)為基礎，在1960年一經發表，便很快成為了人工智能應用程序的首選編程語言。

不過，盡管斯坦福大學和麻省理工學院都創建了人工智能部門，但該領域卻并沒有像其創始人想象的那樣取得巨大進展。這在很大程度上是因為科學家們遇到了各種難題：有限的計算機能力(即完成任務所需的內存或處理速度)、難解性、組合爆炸、缺少數據庫、以及缺少訓練算法所需必要的常識和推理。

上世紀70年代出現了所謂的“人工智能寒冬”，當時，大量資金被擱置，人工智能的發展進入瓶頸期。直到21世紀初，計算能力和數據才得以廣泛使用。2009年，由斯坦福大學李飛飛教授領導的ImageNET數據庫項目(該項目存儲了1500萬張圖片)終于打破了堅冰。與此同時，數據存儲速度的迅速增加也為更多的人工智能投資奠定了基礎。

 

人才儲備不足

人工智能行業的人才嚴重短缺，據各類報告顯示，全球市場中有數百萬個相關職位亟待填補。由于全球普遍缺乏與AI技能相關的教育，因此缺少訓練有素的實用型人才。事實上，由初創公司Element AI(總部位于蒙特利爾)估計，全球擁有創建機器學習系統所需專業知識的人還不足22000人。

此外，中國騰訊研究院的另一項研究估計，目前全球有30萬人工智能研究人員和從業者，其中約10萬人仍處于學習階段。騰訊稱，美國在培養相關人才方面具有絕對優勢，在全球2600所教授機器學習及相關學科的大學中，有1000多所位于美國。

該報告還稱，美國在開發人工智能技術的初創企業數量方面也遙遙領先。有趣的是，各種學術會議正逐漸變成企業招聘者的狩獵場，而各知名大學的人工智能研究部門卻都被轉移到了部署人工智能的私營企業中。

 

AI工程師的薪酬十分可觀

 

 

無論在任何行業中，就業市場的稀缺性必然會帶來可觀的薪水。例如，據報道，2014年被谷歌以6.5億美元收購的DeepMind在400名員工身上花費了1.38億美元。《紐約時報》對該公司最近在英國公布的年度財務報表進行了研究，發現其員工基本年薪在30萬至50萬美元之間。

 

根據Monster.com的分析顯示，在2019年，數據科學家、高級數據科學家、人工智能顧問和機器學習經理的工資中值為12.7萬美元。

在過去的四年里，全球對人工智能領域人才的需求增加了74%，而60%的人工智能人才都聚集在了科技和金融服務公司中。

 

AI/ML專業人員需要具備多種技能

現在，人工智能領域的從業人員大多都身兼數職，預計未來也會持續這種趨勢。目前，市場上很受歡迎的三個人工智能職位是數據科學家兼算法開發人員、機器學習工程師、和深度學習工程師。據求職網站Indeed顯示，軟件開發人員在人工智能項目中需要熟練掌握包括數學、代數、統計、大數據、數據挖掘、數據科學、機器學習、認知計算、自然語言處理(NLP)、Hadoop、Spark在內的多種主要技能和工具。AI開發人員最常用的編程語言是Phyton、c++、Java、LISP和Prolog。此外，企業還要求求職者必須具備使用開放源碼開發環境的經驗。例如，熟練使用Spark、MATLAB和Hadoop就是必備技能之一。

 

 

 

 

圍繞人工智能進行的各類宣傳炒作都是值得的

Gartner在2018年的預測稱，此后三年內，80%的新興技術將涉及人工智能基礎。此外，市場研究公司Markets and Markets預測，到2025年，人工智能市場將發展成為價值1900億美元的強勢產業。此外，埃森哲(Accenture)也曾預言稱，人工智能技術將推動企業勞動生產率提高近40%。根據IDC的數據，2019年投資最多的人工智能用例分別是自動化客戶服務代理(全球45億美元)、銷售流程推薦和自動化(27億美元)以及自動化威脅情報和預防系統(27億美元)。

綜上所述，圍繞人工智能而進行的一切宣傳炒作都是值得的。

 

AI為各行業帶來了多種影響

在擔心“軟件開發人員是否會被人工智能取代”之前，我們先來看一看人工智能到底能做什么。

在過去的幾年中，部署人工智能的行業和用例激增。

2018年12月，紐約佳士得拍賣行以4.32萬美元的價格拍出了一幅名為《Edmond de Belamy》的肖像畫，這幅19世紀歐洲肖像畫風格的畫作由算法生成。如今，各種各樣由人工智能生成的藝術作品被頻頻展出，紐約的《超越時間的無臉肖像》系列收藏就是一個典型的例子，Ahmed Elgammal博士及其AICAM AI也成為了第一個舉辦個人畫廊展覽的人工智能藝術家。

與人工智能相關的藝術熱情也在影響著音樂行業。你可以點擊下方鏈接，播放由ASCII編碼生成的古典和搖滾樂。該作品名為“Recurrence”，由于這張“唱片”是五年前創作的，所以你可能會覺得它的音樂風格有些老派、不夠新穎。(https://soundcloud.com/optometrist-prime/recurrence-music-written-by-a-recurrent-neural-network?ref=hackernoon.com)

與此同時，人工智能工具也被用于解決各類醫療問題，為我們帶來了更具實質性的社會影響——在醫療研究中識別、預防和治療機體紊亂和疾病。預計到2026年，這些應用每年將為醫療經濟節省1500億美元。

以人工智能為基礎的輸入模式匹配算法可以根據用戶的輸入行為來驗證用戶的身份。2016年推出的TypingDNA技術能夠通過分析人與鍵盤間的互動，從而進行準確的身份驗證。這一突破性的發現基于以下事實：每個人都是不同的，其行為方式也各不相同。以下鏈接演示了其工作原理，你可以和朋友一起玩玩這款挑戰游戲，看看是否能通過模仿彼此的打字行為來騙過系統的眼睛。

(https://www.typingdna.com/?ref=hackernoon.com#demo)

 

此外，谷歌的深度學習、機器學習程序在檢測乳腺癌方面的準確率高達89%，而人類病理學家的準確率僅為73%。這也是機器學習和人工智能被視為健康衛生領域新神經系統的原因。

 

 

最后，人工智能也十分聰明地展現了自己未來的潛力。例如，AlphaGo Zero——谷歌深度思維項目，就以超水平的表現，完美地擊敗了衛冕冠軍AlphaGo(第一個擊敗世界頂級圍棋選手柯潔的人工智能機器人)。有趣的是，AlphaGo Zero是在僅僅給定基本規則的情況下，自學成才的。

 

AI不會取代人類，但會取代人類的工作

25年前，杰夫•迪恩(Jeff Dean)開始研究模仿神經網絡來分析信息并進行學習的“大腦”，但當時神經網絡能力十分有限。直到2012年，神經網絡才被成功地應用于機器學習、記憶、感知和符號處理等領域。

而杰夫•辛頓(Geoff Hinton)也開創了一個新時代，他帶來的神經網絡可以通過分析大量的數據自行學習。迪恩和辛頓現在都是谷歌人工智能研究團隊的成員。2017年，谷歌宣布其AutoML項目成功自學了機器學習軟件編程。AutoML能夠完成基本的編程任務這一事實或許會帶來一輪新的恐慌：既然機器具備了自學能力，那么它們是否會取代人類?

歡迎來到本世紀的終極恐慌問題。

與限定領域人工智能或弱人工智能(Narrow/Weak AI)指定處理人類也能完成的單一或有限的任務不同，通用人工智能或強人工智能(General/Strong AI)一旦失控，其強大的能力將造成人類的巨大恐慌。目前，人工智能主要作用是輔助開發人員進行作業，也在增強人類團隊能力方面發揮著作用。我們身邊隨處可見它的身影——幫助編寫文檔、測試代碼、甚至能夠識別并解決bug。

Open AI及其Generative Pre-trained Transformer 3 (GPT-3)——一個具有1750億參數的自回歸語言模型，在許多NLP數據集上都實現了強大的性能：包括翻譯、問題回答和完形填空、以及一些需要即時推理或領域適應的任務。這表示，它生成的新聞文章或許能夠媲美由人類撰寫的文章，甚至連人類評估員都難以區分二者的區別。

麻省理工學院的研究人員創建了一個程序，可以通過其他程序的工作行替換錯誤代碼行來自動修復軟件bug。以下這幾個工具都可以在構建軟件產品時為我們提供適當的幫助：DeepCode、Synopsys Logojoy和UIzard。

 

開發者們是如何看待人工智能及其潛在威脅的?

或許你存在這樣的擔憂：人工智能是否終將會取代我的角色。其實，這也是世界上大多數開發者的內心獨白。

埃文斯數據公司(Evans Data)的研究顯示，當被問及職業生涯中最擔憂的事情時，絕大多數軟件開發人員都提到了這一點：我和我的開發工作都被人工智能取代了。

但從積極的方面來看，Stack Overflow研究顯示，相比于擔心人工智能或許會帶來的潛在危險，70%的受訪者更為其無限的可能性感到興奮。大多數開發人員都熱切期待著自動化將帶來的新可能。

正如工業革命將人類從“農業勞動力”解放到“開發新技能”一樣，智能機器人也將如此。麥肯錫(McKinsey)預測，到2030年，人工智能將取代全球30%的人力資源。根據人工智能技術統計，機器人技術可能將取代約8億個工作崗位，使約30%的職業滅絕。

這一重大轉變將迫使近4億人改變現有職業。弗雷斯特(Forrester)預測，到2025年，機器人、人工智能、機器學習和自動化等認知技術將為美國創造9%的新就業機會——包括機器人監控專業人員、數據科學家、自動化專家和內容管理員。