AI 技术越来越平民化，程序员不想被淘汰该怎么办？( 三 ) 不久前

Q：从研究角度拨云见日，您认为AI正在经历哪些发展？哪些研究领域非常火热？您正在做哪些工作？
周明：这个问题可以从人工智能方法理论有哪些机会，以及应用上有哪些机会或热点两方面展开。
在方法理论上，第一方面是由感知智能到认知智能的快速过渡，感知智能研究进展非常快，以ImageNet为代表推动着领域发展，像国内图像“四小龙”做得已经非常好了，而且广泛应用到安防、支付、铁路、飞机、checkin等各个环节。但是自然语言理解属于认知智能，过去做得不太好，但是现在有了深度学习、大数据的加持，自然语言理解也得到了很好的发展，过去5年深度学习驱动自然语言技术从一个模糊有歧义的状态，进入到一个相对精准的状态。另外，知识图谱，利用知识推理找到答案并给出解释，这些也是从感知智能到认知智能的飞跃。同时，以自然语言为代表的认知智能，语言理解知识和推理，也将产生很多技术反哺感知智能。
第二，从模态形态上来看，现在的趋势是多模态建模，声音、图像、文字、语音、文本、视频等用一个方式、多通道、多信号同意建模，进行分析、理解、生成、对话、问答，多模态的趋势对将来比如人机对话、机器人、物联网都会产生重要影响。
从应用来讲，我觉得无人驾驶、无人机、更新一代的智能客服、精准的搜索隐情和推荐系统，以及垂直领域，如医疗、教育、安防会进一步发展。
这背后的技术趋势是无监督学习，只要有数据，不需要标注就可以做大规模的预训练模型，训练之后所有的下游任务都受益，用迁移学习的技术把大数据的任务或语言得到的模型迁移的小数据的任务或语言上。由于算法上的进步，包括知识图谱和数据的结合，数据和知识融合的推理机制，做决策之后的解释机制，我们可以期待专家系统，比如医疗诊断系统将进入新的阶段。
Q：CSDN组织“百万人学AI”的项目进展如何？
蒋涛：分享一个我们今年做的调查报告，我们对3000多万注册和活跃会员进行的行为调查，根据每天2000多万的数据提炼与人工智能相关的框架、关键词进行分析后发现，经过媒体2016年开始孜孜不倦的宣传AI热潮，近6个月在看AI技术文章的有689万人，也就是说20%的用户已经在了解AI技术，月6%的人准备从事AI相关工作，这个数量其实已经算不低了，因为绝对数已经有180多万了。
针对现状的调查也显示，现在AI工具越来越丰富，包括大厂的开源API越来越多。但AI技术现在还是“贵族”技术，一是训练模型贵，二是人很贵， A类公司垄断了算法AI博士。很多产业互联网的人对AI感兴趣，正在学习AI的人却感觉“不知从何学起、学费太高” ，过去课程都是针对算法工程师的，但算法工程师要平民化，我认为这是个趋势。
在这些调查对象里，希望转行AI的占比7% ，个人希望转型的占比38% ，还有一部分是作为技术爱好，一半人在技术领域要不断学新技术，这反映了一个基本现状， AI要落地是比较难的，公司想好真的要转的不多，但是开发者已经动起来了，现在要解决的问题是AI在行业的落地。
文章插图
落地确实有难处
文章插图
韦青，微软（中国）CTO
Q：您看到企业是怎样让技术落地的？微软现在在做哪些事情更多地赋能企业落地AI ，赋能个人？
韦青：现在AI的主旋律有两类，一类是真正的突破性的AI研究，探索新的方法；第二类是对于普通公司来讲的落地。但是落地确实有很大的难处，我们与合作伙伴和客户交流时，很少有人能理解AI到底是什么东西， AI不是被神化，就是被污名化，但很少有人谈AI能帮你做什么。客观来看，我们需要认识到， AI是机器的一种能力，用来帮助解决人类不擅长的计算问题，预判一下，未来所有行业的脑力劳动，就是纯粹的计算也是靠机器做的，这是必然的。
第二点是发展，真正懂地称算法的人才太缺乏，但是AI应用的需求又很大，具备有行业痛点的专业人士和具备有数学基本算法的专业人士配合才行。大谷不是计算机专业出身，而是学艺术的，但他应用AI的能力比我们很多人都要强大，我觉得这就是代表未来。微软也提供这种算法能力的平民化，不是让你做一个平民的算法，而是让你利用平民化的算法让所有的工作更高效、智能化，这是一个挑战，也是一个机遇。