[[349378]]

如今，據(jù)大多數(shù)研究公司預(yù)測，人工智能將在不遠的未來發(fā)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(yè)領(lǐng)導(dǎo)者們都對機器學(xué)習(xí)技術(shù)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(nèi)，只有少數(shù)開發(fā)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(fā)人員就變得非常搶手。既然如此，我們就來了解一下開發(fā)者在將重點轉(zhuǎn)向“機器學(xué)習(xí)、人工智能以及深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)”之前需要了解的有關(guān)人工智能的事實吧。

或許，人工智能的年齡比你還要大

據(jù)現(xiàn)有記錄顯示，人工智能(artificial intelligence)一詞是由美國計算機科學(xué)家、該學(xué)科創(chuàng)始人之一約翰•麥卡錫(John McCarthy)首次提出的。他在斯坦福大學(xué)度過了自己的大部分學(xué)術(shù)生涯，并于20世紀50年代末發(fā)明了Lisp。Lisp以λ演算(lambda calculus)為基礎(chǔ)，在1960年一經(jīng)發(fā)表，便很快成為了人工智能應(yīng)用程序的首選編程語言。

不過，盡管斯坦福大學(xué)和麻省理工學(xué)院都創(chuàng)建了人工智能部門，但該領(lǐng)域卻并沒有像其創(chuàng)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(xué)家們遇到了各種難題：有限的計算機能力(即完成任務(wù)所需的內(nèi)存或處理速度)、難解性、組合爆炸、缺少數(shù)據(jù)庫、以及缺少訓(xùn)練算法所需必要的常識和推理。

上世紀70年代出現(xiàn)了所謂的“人工智能寒冬”，當(dāng)時，大量資金被擱置，人工智能的發(fā)展進入瓶頸期。直到21世紀初，計算能力和數(shù)據(jù)才得以廣泛使用。2009年，由斯坦福大學(xué)李飛飛教授領(lǐng)導(dǎo)的ImageNET數(shù)據(jù)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(shù)據(jù)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(chǔ)。

人才儲備不足

人工智能行業(yè)的人才嚴重短缺，據(jù)各類報告顯示，全球市場中有數(shù)百萬個相關(guān)職位亟待填補。由于全球普遍缺乏與AI技能相關(guān)的教育，因此缺少訓(xùn)練有素的實用型人才。事實上，由初創(chuàng)公司Element AI(總部位于蒙特利爾)估計，全球擁有創(chuàng)建機器學(xué)習(xí)系統(tǒng)所需專業(yè)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(yè)者，其中約10萬人仍處于學(xué)習(xí)階段。騰訊稱，美國在培養(yǎng)相關(guān)人才方面具有絕對優(yōu)勢，在全球2600所教授機器學(xué)習(xí)及相關(guān)學(xué)科的大學(xué)中，有1000多所位于美國。

該報告還稱，美國在開發(fā)人工智能技術(shù)的初創(chuàng)企業(yè)數(shù)量方面也遙遙領(lǐng)先。有趣的是，各種學(xué)術(shù)會議正逐漸變成企業(yè)招聘者的狩獵場，而各知名大學(xué)的人工智能研究部門卻都被轉(zhuǎn)移到了部署人工智能的私營企業(yè)中。

AI工程師的薪酬十分可觀

無論在任何行業(yè)中，就業(yè)市場的稀缺性必然會帶來可觀的薪水。例如，據(jù)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(wù)報表進行了研究，發(fā)現(xiàn)其員工基本年薪在30萬至50萬美元之間。

根據(jù)Monster.com的分析顯示，在2019年，數(shù)據(jù)科學(xué)家、高級數(shù)據(jù)科學(xué)家、人工智能顧問和機器學(xué)習(xí)經(jīng)理的工資中值為12.7萬美元。

在過去的四年里，全球?qū)θ斯ぶ悄茴I(lǐng)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(wù)公司中。

AI/ML專業(yè)人員需要具備多種技能

現(xiàn)在，人工智能領(lǐng)域的從業(yè)人員大多都身兼數(shù)職，預(yù)計未來也會持續(xù)這種趨勢。目前，市場上很受歡迎的三個人工智能職位是數(shù)據(jù)科學(xué)家兼算法開發(fā)人員、機器學(xué)習(xí)工程師、和深度學(xué)習(xí)工程師。據(jù)求職網(wǎng)站Indeed顯示，軟件開發(fā)人員在人工智能項目中需要熟練掌握包括數(shù)學(xué)、代數(shù)、統(tǒng)計、大數(shù)據(jù)、數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)、機器學(xué)習(xí)、認知計算、自然語言處理(NLP)、Hadoop、Spark在內(nèi)的多種主要技能和工具。AI開發(fā)人員最常用的編程語言是Phyton、c++、Java、LISP和Prolog。此外，企業(yè)還要求求職者必須具備使用開放源碼開發(fā)環(huán)境的經(jīng)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(yù)測稱，此后三年內(nèi)，80%的新興技術(shù)將涉及人工智能基礎(chǔ)。此外，市場研究公司Markets and Markets預(yù)測，到2025年，人工智能市場將發(fā)展成為價值1900億美元的強勢產(chǎn)業(yè)。此外，埃森哲(Accenture)也曾預(yù)言稱，人工智能技術(shù)將推動企業(yè)勞動生產(chǎn)率提高近40%。根據(jù)IDC的數(shù)據(jù)，2019年投資最多的人工智能用例分別是自動化客戶服務(wù)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(yù)防系統(tǒng)(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(yè)帶來了多種影響

在擔(dān)心“軟件開發(fā)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(yè)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(fēng)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(shù)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(shù)家。

與人工智能相關(guān)的藝術(shù)熱情也在影響著音樂行業(yè)。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(chuàng)作的，所以你可能會覺得它的音樂風(fēng)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(yī)療問題，為我們帶來了更具實質(zhì)性的社會影響——在醫(yī)療研究中識別、預(yù)防和治療機體紊亂和疾病。預(yù)計到2026年，這些應(yīng)用每年將為醫(yī)療經(jīng)濟節(jié)省1500億美元。

以人工智能為基礎(chǔ)的輸入模式匹配算法可以根據(jù)用戶的輸入行為來驗證用戶的身份。2016年推出的TypingDNA技術(shù)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(fā)現(xiàn)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(zhàn)游戲，看看是否能通過模仿彼此的打字行為來騙過系統(tǒng)的眼睛。

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

此外，谷歌的深度學(xué)習(xí)、機器學(xué)習(xí)程序在檢測乳腺癌方面的準確率高達89%，而人類病理學(xué)家的準確率僅為73%。這也是機器學(xué)習(xí)和人工智能被視為健康衛(wèi)生領(lǐng)域新神經(jīng)系統(tǒng)的原因。

最后，人工智能也十分聰明地展現(xiàn)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(xiàn)，完美地擊敗了衛(wèi)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(guī)則的情況下，自學(xué)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(jīng)網(wǎng)絡(luò)來分析信息并進行學(xué)習(xí)的“大腦”，但當(dāng)時神經(jīng)網(wǎng)絡(luò)能力十分有限。直到2012年，神經(jīng)網(wǎng)絡(luò)才被成功地應(yīng)用于機器學(xué)習(xí)、記憶、感知和符號處理等領(lǐng)域。

而杰夫•辛頓(Geoff Hinton)也開創(chuàng)了一個新時代，他帶來的神經(jīng)網(wǎng)絡(luò)可以通過分析大量的數(shù)據(jù)自行學(xué)習(xí)。迪恩和辛頓現(xiàn)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(xué)了機器學(xué)習(xí)軟件編程。AutoML能夠完成基本的編程任務(wù)這一事實或許會帶來一輪新的恐慌：既然機器具備了自學(xué)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(lǐng)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(wù)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(fā)人員進行作業(yè)，也在增強人類團隊能力方面發(fā)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(shù)的自回歸語言模型，在許多NLP數(shù)據(jù)集上都實現(xiàn)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(lǐng)域適應(yīng)的任務(wù)。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(qū)分二者的區(qū)別。

麻省理工學(xué)院的研究人員創(chuàng)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(fù)軟件bug。以下這幾個工具都可以在構(gòu)建軟件產(chǎn)品時為我們提供適當(dāng)?shù)膸椭篋eepCode、Synopsys Logojoy和UIzard。

開發(fā)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(dān)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(shù)開發(fā)者的內(nèi)心獨白。

埃文斯數(shù)據(jù)公司(Evans Data)的研究顯示，當(dāng)被問及職業(yè)生涯中最擔(dān)憂的事情時，絕大多數(shù)軟件開發(fā)人員都提到了這一點：我和我的開發(fā)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(dān)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(shù)開發(fā)人員都熱切期待著自動化將帶來的新可能。

正如工業(yè)革命將人類從“農(nóng)業(yè)勞動力”解放到“開發(fā)新技能”一樣，智能機器人也將如此。麥肯錫(McKinsey)預(yù)測，到2030年，人工智能將取代全球30%的人力資源。根據(jù)人工智能技術(shù)統(tǒng)計，機器人技術(shù)可能將取代約8億個工作崗位，使約30%的職業(yè)滅絕。

這一重大轉(zhuǎn)變將迫使近4億人改變現(xiàn)有職業(yè)。弗雷斯特(Forrester)預(yù)測，到2025年，機器人、人工智能、機器學(xué)習(xí)和自動化等認知技術(shù)將為美國創(chuàng)造9%的新就業(yè)機會——包括機器人監(jiān)控專業(yè)人員、數(shù)據(jù)科學(xué)家、自動化專家和內(nèi)容管理員。