您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
AI+ 正文
发私信给高秀松
发送

0

“请给AI一些包容。”

本文作者:高秀松 2022-04-01 11:12
导语:AI被误解的背后,人才缺口达30万。

“说实话,我很不喜欢「人工智障」这个词。”

在与掘金志的聊天中,一位从事计算机视觉方向的算法工程师多次表示,他讨厌这个词很久了,几乎是本能的反感,即便只是一种调侃,在他看来都是一种嘲讽。

这种嘲讽就好像是,一名路人,对着自己刚刚学会爬的孩子冷嘲热讽:这孩子真笨,连路都不会走。

他甚至坦言,如果身边有同事使用这个词自嘲,他会刻意与之保持距离,因为这种自嘲实属对自己的工作、对专业知识的“不尊重”。

拥有他这种技术性癖好的工程师不在少数,在掘金志询问的多个从业人员之中,都表达了类似观点:通常被问及人工智能水平时,类似表述以「弱人工智能」为准。

某负责品牌传播与公关的业务专员透露,如果在对外交流中使用了「人工智障」之类的词,被举报或是被公司发现,“直接影响绩效考核”,因为这类不专业的表述很可能导致负面的传播效果。

在与这些人的谈话中,掘金志发现,在AI圈内,从业者对于AI有着清晰的认知,在外宣的时候,对AI的负面化表述都较为严谨。

然而,在圈外,接二连三发生的各种AI事故,让大众对AI的真实能力产生诸多怀疑,关于人工智能变成人工智障的言论甚嚣尘上,唱衰人工智能的声音时常见诸报端。

表面上,这只是一场关于AI的舆论争议。但,其实质却是企业与大众对AI话语权的争夺,并会直接影响到AI的推广、落地与应用。

“如果大众无法对新技术形成有效的认知,那么新技术的推广则是非常缓慢的。”某传媒大学在读研究生表示,大众对于新技术的接受能力是逐层递进的,这个进程很容易受到舆论影响,而负面舆论则存在一种「爆破效应」,可能会直接摧毁此前建立起的「信任基础」。

比如自动驾驶,公众对其的信任基础很薄弱,出现多次事故之后,这种信任实际上已经消耗殆尽。

相关调研报告显示,自动驾驶一哥——特斯拉FSD在国内的激活率不足10%,甚至相当一部分人没有开通AP服务,即便在开通的人群中,也很少有人会使用AP功能。

这种现象固然有其客观原因(比如路侧数据不够、算法能力有限),但从舆论传播的角度看,自动驾驶的一次失误,比起传统汽车的十次车祸更加严重,从而也给自动驾驶的进一步落地,带来阻碍。

那么,如何给大众建立起对AI的有效认知,推动AI更快、更广泛地落地?

掘金志通过采访之后认为:媒体报道、企业外宣、大众知识普及教育,是三个最主要的途径。而围绕着大众展开的各种「认知教育」,也注定是一场旷日持久的「攻坚战」。

“未曾下海,不知水深”

人工智能应用有一个有趣的悖论:当一种AI技术已经非常普及的时候,人们普遍不会认为这就是AI。

好比上世纪八九十年代,一台黑白电视机可能是划时代的象征,需要手动调频;但现在遥控型的彩色电视机成为标配,人们也不觉得这就算智能。又比如,小区停车场通过车牌识别进出、刷脸进入小区等,在近几年开始普及,但人们很少将之与AI联系起来,即便这里面实际上用了各种识别算法、芯片等等。

在大众的认知里,人工智能理所应当达到电影里机器人的水平,或者近似人一样地思考、行动。

“大众有时对于人工智能过于乐观,甚至高估。”中国计量大学信息学院副教授、人工智能专业负责人杨力认为,作为走向社会的新技术,人们对AI的理解并不全面,认为AI应该无所不能,这种认知与实际并不相符。

在掘金志看来,大众对于人工智能的认知比较浅层,这主要表现在两个方面:

  • 不了解、不清楚,对于什么是人工智能,没有直接的印象;

  • 有一定了解,但无法理解AI的深层逻辑(原理结构)。

这种浅层认知很容易被诱导,而在一些不着边际的宣传之下,AI本身的能力被过分夸大,大众对AI产生盲目「自信」或高估。

“外行看热闹,内行看门道。”

杨力表示,以人脸识别为例,5年前可能人们会觉得很神秘、先进,但在经过消费类电子的普及之后,许多人觉得人脸识别已经没什么难度了。当他给学生们授课讲人脸识别时,同学们都觉得这已经是很成熟的技术,“并不新鲜,难度不大。”

但其实人脸识别距离高度智能化还有很长一段距离,在许多复杂场景下,很难捕捉到有效的人脸信息。并且,人脸识别在小规模(数据库较小)场景下效果很好,但当数据库非常大的时候,识别的准确率就没那么高了。

“大众由于缺少专业知识,很容易把复杂问题简单化,但从事AI研究的人对此却非常谨慎,普通人觉得简单的技术,从业者可能会觉得‘这个做不了,那个做不了’,简单而言,就是望山跑死马的感觉。

掘金志发现,由于缺少专业的通识教育,大众对于人工智能的了解渠道比较单一,多数是通过媒体报道、企业宣传这两种途径来触及AI,只有小部分人会自发研读相关书籍、学习课程,以增进了解。

从传播的角度看,如果受众获取信息的渠道有限,那么该信息渠道的控制人将具有信息传递的「控制权」,形成一种「舆论垄断」的局面,而信息在经过多次传播之下,极易「失真」。

实际上,这种「失真」是在所难免的。在AI的传播过程当中,形成了圈内和圈外两大群体,由于人工智能本身属于较高门槛的专业,圈内(企业)和圈外(普通受众)之间的连接,主要通过媒体来实现。

但媒体宣传存在问题是,许多从业者要么科班出身,要么跨界转型,真正懂AI的媒体人只有少数。并且媒体本身随着大数据、互联网技术的变化,进一步下沉到各平台,又造就了无数自媒体,形成了媒体界良莠不齐的局面。在流量导向的环境下,各种消息报道层出不穷,而这类信息又存在「放大效应」(比如标题过于惊乍),以至于大众接受到的信息与实际信息存在「误差」。

在人工智能最为火热的时候,不少AI企业为了拿融资、打知名度,纷纷投放广告、软文,宣传产品,造成人工智能已经能够大规模落地的假象。后来AI遇冷,大众对AI的调侃某种程度上可以看作是前期宣传过于猛烈的一种「反噬」。

当然,圈内也注意到大众传媒存在的局限,不少企业在重要的社交平台上都开辟了宣传渠道,但由于内容差异(比如太垂直、产品推广)或渠道差异,并不符合C端属性,多数AI企业无法直接建立起与大众的有效连接。

因此,在“企业-媒体-大众”这一传播链条下,由于大众传媒本身存在机制缺陷,导致大众很难在参差不齐的信息中,建立起对AI的有效认知。然而企业又不得不依赖大众传媒来宣传AI,这种内在矛盾,是造成圈内与圈外对AI产生「认知差异」的重要原因。

“归根到底,还是AI人才太少。”在杨力看来,人才是推动产业发展的核心力量,当前AI处于爬坡阶段,技术本身的问题是造成大众对AI产生质疑的根本因素,舆论传播一定程度上加剧了这种影响。

解铃还须系铃人,不论是AI纵深发展,还是横向传播,只有AI人才,可以给AI「正名」,但现阶段的情况是,国内AI人才极度紧缺。

“乘风破浪,人才先行”

“应用型人才真的太少了。”杨力感叹道,当AI从空中楼阁走向田间地头,懂技术又懂行业的人“真的不多”。

而在工信部《人工智能产业人才发展报告(2019-2020)》(下称“报告”)里,预计我国人工智能产业内有效人才缺口达 30 万,而这仅是两年前的数据。实际上,在过去的两年里,根据掘金志观察,AI企业对人才的需求持续旺盛,整个AI产业的应用人才缺口进一步拉大。

作为技术/知识密集型产业,AI的人才准入门槛较高,对学历、工作经验非常看重。

根据报告,2019年AI企业发布的岗位中,仅有11.9%的岗位接受专科学历;也仅有5.4%的岗位接受1年以下工作经验的求职人才;接受提供应届生的岗位仅占3.3%。

这意味着要从事AI行业,基本上要求本科学历,同时,由于多数AI企业缺乏人力、资金和动力去培养应届毕业生(至少一年以上),企业对应届毕业生的需求并不旺盛,而更青睐那些拥有知识储备和实践经验的人才,这种“排新”性质的招聘需求,又加重了人才短缺情况。

除此之外,AI对人才的专业性要求极强,尤其是算法研究、应用开发等岗位,60%以上岗位要求具备计算机、数学相关专业背景。

各种线性条件约束下,原本就短缺的AI人才,显得更加「紧俏」。

一位AI初创公司HR告诉掘金志,招人是一件很困难的事,“专业、学校、工作经历筛选下来,符合条件的人很少,加上公司要的是进来立马能产出的人,还要考虑薪资这些因素,优秀的人才很难招到;而走校招的话,优秀的毕业生早早被互联网、明星AI公司签下,剩下的也更青睐大公司。筛选去筛选来,选择真的不多。”

除了缺少与行业相结合的应用型人才以外,在杨力的观察之中,AI的另一个人才缺口,是能够“扎下心来做基础性工作”的理论研究型人才。

根据斯坦福发布的《2022年人工智能报告》,虽然我国在AI 期刊论文的引用数、会议论文发表数量以及在人工智能专利申请数量上排名世界第一,但在AI会议论文被引数上却远落后于欧美。并且,一些创新性的基础理论、前沿科技的研究仍以欧美为主。

“很多人工智能的基础理论,都是由外国人/机构提出来的,比如现在比较火热的深度学习。”

杨力表示,这与我国人工智能起步较晚有很大关系,要弥补这样的差距,除了要加强对基础理论研究的资金、人才投入以外,也应该建立起标准的AI人才培养体系,为AI研究提供源源不断的人才活力。

“学校是培养人才的摇篮,理想的情况是,一部分学生毕业以后从事理论研究,更多的毕业生进入行业,通过产学研联动,来推动AI的落地。”

掘金志了解到,当前我国人工智能产业已经初步形成“政产学研一体化”人才培养生态体系,但仍然处于起步阶段。2019年,人工智能专业正式获批列入本科专业名单,国内诸多高校开始自建或与企业共建人工智能学院(研究院),并开设AI专业。

然而,对于如何培养专业的AI人才,各大高校也正处于摸索之中,尚未形成行之有效的范式。

“因材施教,激发兴趣”

2019年,国内人工智能专业正式获批,被列入本科专业名单,但开办专业需要经过课程建设、实验条件、专业申报等流程,多数学校于近两年才开始正式招生。

换句话说,距离最早的一批AI本科生毕业,离毕业也还需要大概一到两年的时间。

如何把这一批新生培养成才,来填补当前存在的人才缺口,是一件并不容易的事情。此外,未来的第一批毕业生,其综合能力是否达标也极具象征意义。

“一方面,人工智能专业学的内容很难,以前很多研究生阶段才开设的课程,现在放到本科阶段来学了,对学生是一种压力,对老师的教学方式、技巧也带来挑战;另一方面,如何将人才培养与社会需求结合起来,让学生能够学以致用,也是难点。”

作为人工智能领域的资深学者,杨力在多年的执教生涯中,除了对AI有着深入的研究与思考外,也探索出了一些关于培养AI人才的「方法论」。

“首先要尊重学习规律。”杨力告诉掘金志,AI本身对实践能力的要求较高,这就不能照搬传统学科的培养模式,即大一大二侧重于理论,大三大四侧重于专业。而应该理论和实践并用,先学习、再实践,在实践中学习,然后呈“螺旋式上升”。

在具体举措方面,他表示,可以通过成立「科创小组」的模式,鼓励学生以团队协作的方式参加各种学习竞赛、研究课题。

这种小组模式的优势在于:小组覆盖全体学生,通过团队协作,形成内部互帮互助的学习氛围,让成员都能参与到实践之中,成为一个「利益团体」;并且,小组的持续时间覆盖学生的整个大学生涯,所有成员都能共享「利益成果」。同时,小组成员之间互相帮助,从某种程度上也能给老师减轻压力。

“其次要因材施教,激发学生对AI的求知欲、探索欲。”

杨力表示,学生对AI的学习兴趣也呈现出明显的「二八定律」,即20%的学生求知欲很强,而80%的学生兴趣一般。

“对于这20%的学生,你只需要告诉他怎样做到最好,并且告诉他这个过程中需要注意的事项、细节,其余的无需太过关心;而对于80%的学生,他们的兴趣没那么高,就需要比较细致的指导,并且需要搭配一些「强制指派」,例如直接分配任务让他们参加。”

“再而,通过激励机制来刺激学生的创作灵感。”

比如,在课程设计时,将创新性纳入评分标准之中,以课程成绩来驱动学生进行创新。

例如,在做某个案例时,如果学生只是根据老师列的步骤照猫画虎,其成绩最高可能也就刚好及格,而剩下的分数则全靠个人创意和发挥。

“大多数学生需要老师给一些推力,而成绩就是最好的激励。”杨力表示,学生为了拿更高的绩点,便不得不“多费心思”,而不是敷衍了之,最终交上来的作品“往往有很多意想不到的亮点”。

“最后,教师与学生之间要形成良性互动的正循环。”

本科教学存在的一个普遍问题是,学生与教师之间的互动较弱,或者只存在于课堂之上,课外的联系非常少,“上课是师生,下课是路人”的情况并不少见。

在杨力看来,如果老师仅仅把教学当作是一种工作任务来完成,那么学生也会采取应付的态度。相反,如果老师富有责任感,学生也会受到其“以身作则的影响“,更有进取意识。

因而,老师可以通过带项目、线上线下互动等方式与学生沟通,来了解学生的需求,给自身的教学工作进行反馈,而这种反馈最终又将通过教学的方式来触及学生,形成「师生共赢」的局面。

除了培养AI人才方法论外,杨力也指出,培养人工智能专业人才需要破除「唯研究生论」。

“读人工智能专业必须读研究生,不读研究生就没有前途。”

不少人持有这样的观点,但杨力却坚决表示反对。他认为,原来很多研究生的课程已经下放到本科来学,本科阶段的人才培养成体系之后,学生的理论、实践能力将能够满足AI行业的基本需求,一味追求研究生教育,只会造成AI圈越来越卷,无助于缓解行业人才短缺情况。

“当然,研究生教育也很重要,但研究生人才培养可能更应该倾向于基础理论方面,而AI的规模化落地,需要更多应用型人才去推动。”

举个例子:很多传统制造业引进了人工智能,比如机械臂、自动化生产设备等,但由于缺少应用型人才,企业买回去的设备不知道该怎么使用,也不知道如何做到效益最大化,更不懂运营维护。

这样的岗位,并不需要从业者非常深厚的理论功底,而是有AI基础,又懂行业的人才。而在传统产业智能化升级过程中,类似的人才缺口非常大。

“实际上,当AI走向各行各业、落地之后,对人才的需求也会发生变化,而在本科阶段,通过理论学习加上与专业相关的社会实践,也能培养出优秀的人才。”

“通向AI大时代的坎坷之路”

在刚结束的冬奥会上,杨力教授带领他的团队做了一个智能辅助技术,可通过视频来实现对选手动作进行回顾与分析,给裁判打分给予参考。

虽然只是一个比较简单的行为识别,模型并不精巧,市场上有很多AI公司具备开发该技术的能力。但让人欣慰的是,这个项目一经提出,学生们便踊跃参加,在导师的指引下,一步步挖掘数据、标注、建模、训练、测试,整个过程持续两周之久,大部分工作由学生完成,而且是在春节期间,有同学甚至因为出力不够而深感抱歉。

“Talk is cheap.”在杨力看来,这个项目别人有能力做,然而只有他们去落地实践了,并且整个项目由大一学生完成,过程远重于结果,他们“代表着AI领域的新生力量。”

做这个项目也并非一帆风顺。

该项目的成员,中国计量大学信息学院 21级人工智能专业学生,蒋正阳告诉掘金志,小组在建模的时候,要么网络太大训练太慢,要么网络太小而不适合要求,难以达到预期目标。同时,训练也会遇到算力不够的情况。

经过多次失败尝试之后,小组不得不求助于杨力教授,后者补充了一种网络结构,该结构下,模型变得相对“较轻”,训练也可以符合预期。

最终,小组成功研发出“单板滑雪AI裁判技术”。该技术可在画面模糊、相机高速运动、长距离全景画面等复杂场景下,对运动员是否抓板进行精准识别,从而为裁判打分提供依据,助力「冬奥公平」。

“我们的专业知识有限,需要继续加强理论学习。通过这个项目,我们了解了从零开始做项目的过程、方法、难度,积累了经验。当然,最后看到项目跑出来的结果,内心还是很欣喜的。”蒋总结道。

杨力认为,遇到问题很正常,关键在于去行动、实践了。“人在学走的路上,会跌倒很多次,但不能因为跌倒,就只学爬,这样永远也不会走。”

这何尝不是国内AI发展的缩影。

在经历无人问津的韬光养晦期之后,国内AI于10年开始蓬勃发展,商汤、旷视、云从、依图等一众AI公司先后诞生,受到资本热捧,撑起国内AI的希望。但激情燃烧之后,随之而来的是行业落地难、商业化难、变现难等各种质疑。

如今的AI,正处于从爬到走的摸索期,磕磕碰碰、跌倒摔倒等时有发生,也被大众调侃成「人工智障」。

但杨力对此并不沮丧,反而感到乐观,因为“有越来越多的企业、越来越多的人才参与到AI的发展、推广、落地之中”,在“政产学研”模式的推动之下,AI也将被掀开神秘面纱,显露出最真实的样子,而大众在未来也会对AI形成一个“全面、客观”的认知。

在掘金志与多位AI从业者的交流过程中,几乎所有人都对AI充满希望,即便AI仍然处于「弱人工智能」阶段,他们仍然坚信,AI有着光明的未来。

“AI的浩海不止于边边角角,而在于改变世界。”开篇吐槽「人工智障」的那位工程师告诉掘金志,即便改变世界的路途,充满坎坷,但“因为热爱,所以坚持。”

而对于大众的一些调侃和质疑,他迟疑了一下,回道:

“请给AI一些包容。”雷峰网(公众号:雷峰网)雷峰网

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说