Select Language

AI社区

数据要素产业

人工智能行业创业4年,我眼中的AI行业是什么状态

高考生,大学生,研究生,打工人,在面对自己的专业职业选择的时候都会考虑到这个专业的行业状态,会接收到业内人士或者局外人正面负面的信息,影响到大家的判断。

为了给你们吃定心丸,学姐厚着脸皮去请一位在人工智能行业创业4年的CEO请他从当前AI行业状态AI科研和就业形式AI要怎么去入门,AI底有没有卷吓人,这几方面给大家谈一谈

学姐把这些问题的谈话内容做成了一个系列,关注学姐不要错过好内容。

学姐请的这位CEO袁老师他自身的工作经验是有几十年,跟做算法的,做其他专业方向有非常久的工作经验的老师交流很多,大家看完有什么问题可以在公众号后台留言,学姐再去找袁老师请教。

当下人工智能它究竟是一个什么状态?

在得出这个问题的答案之前,我们从机器学习和深度学习两个方面讨论一下现在的人工智能。

1

传统机器学习

传统机器学习或者叫经典机器学习,有的时候我们又叫统计学习方法,从这个名字可以看出来。它是与概率统计密不可分的。

其实,各位理工科的人士多少都会熟悉一些算法。像逻辑回归,线性回归,这些方法都属于传统机器学习这个范畴。

传统机器学习,其实它的理论体系,方法已经非常非常的成熟了,主要理论在几十年前都基本定型。

在人工智能这个名词没有甚嚣尘上之时,传统的机器学习早已经在数据挖掘,商业智能,生物信息,科研实验数据分析里面已经用了很长时间,而且还会一直用下去。

2

深度学习

深度学习是从12年之后才开始飞速的发展。是当前我们人工智能热潮里真正的明星,而传统的机器学习,它是傍深度学习这个大款红火起来的。

所以,我们在谈论人工智能,是绕不开这两点的。

学姐认为:时代对机器学习和深度学习的需求,也能促进这门技术的高速发展,以及学术的深入研究。

人工智能有没有泡沫?

这个答案是肯定的,人工智能有泡沫,而且有很大的泡沫,它这个泡沫是怎么来的?

主要是深度学习带来的一个标志性事件,2016年,这事我估计各位都知道的就是alpha Go战胜了李世石。

为什么说人工智行业存在巨大的泡沫?其实,我们看它四个方面的东西就知道了。

第一个是从2014年开始,全世界范围里,巨量的资本涌入了这个行业。他的投资案例和投资的金额不断的再创新高。

第二个是很多的国家,比如美国和中国纷纷推出了专门针对人工智能科技和产业的政策。

第三个是在人工智能领域有顶刊或者顶会的paper可以直接拿过来换钱。什么叫直接换钱?就是对于公司来讲,如果你有顶会,你可以直接换到投资。

对于个人来讲,如果你有顶会的paper,可以直接换薪资非常高的offer,这在其他行业里面是没有的。在人工智能行业,这是一个特殊的一个现象。

第四个是中国的300多所高校纷纷开设人工智能专业。但其实它们只是开了专业。绝大部分都没有系统的教学体系和能力。

泡沫没有破灭?

泡沫在18年年底开始消散,注意是消散而不是破灭。

人工智能这件事情,它本身没有破灭,只是希望让它回归到一个正常的发展轨道上面,既是正常的发展,也是高速的发展。

对于个人来讲,对公司来讲,我们要理性的来看待泡沫,因为任何一件事情,它都有正面的和负面的作用。从另一个角度看一个行业或者一个技术领域,如果没有泡沫,它就是死水一潭。

但是,如果行业或者技术领域,泡沫太多,我们要谨慎对待。因为有的行业它的泡沫消散完了之后,他就彻底消失了,比如说互联网金融。互联网金融行业基本上已经不存在,仅有的那几家巨头都已经被国家收编了。

人工智能就是一个非常典型的一个领域。适当的泡沫,会带来资本、政策、产业氛围人才的集聚,他会给予个人难以企及的势能,我们作为一个个人来讲,要学会借势。

我们再看现在人工智能火热的深度学习他为什么会变得这么火,大概有这么几个条件:

第一个是海量数据,在人工智能里面,叫超大规模的数据集。主要是互联网公司对数据的收集占有和利用。

第二个是计算力,主要是GPU图形处理器为代表的计算能力的喷发。

第三个是深层神经网络算法和理论的提出,代表性的一篇paper是在2012年发表的,感兴趣的同学可以去搜一下。

这三点都是工业界产业界公认的。

一些见解&感想:

其实,我个人还有一个观点,就是我们学术性和工业学术界几十年的卧薪尝胆,苦苦坚持,为什么叫卧薪尝胆?人工智能从五六十年代开始,他经历了几起几落。

有一帮科学家在人工智能最寒冬的时候,他们仍然在研究这件事儿,保持研究团队,我觉得很不容易。

说到工业学术界,不得不说一说微软。其实,微软在人工智能最冷门的时候,它仍然在他的研究院体系里面保持上千人的人工智能研究团队。这些研究团队做出来的东西,跟他盈利的产品没有任何的关系。但他就是用WINDOWS 和office赚来的钱,去养了这个团队。

经常的做做研究发发paper,到全世界的大学里面去讲课,带带一些大学里面过来的一些博士生那么等到人工智能开始爆发之后,你想象一下微软的人工智能科学家保有量有多大

这个时候,他的这样一个优势,就体现出来了。

人工智能,它究竟是一个被炒起来的概念,还是已经实实在在的?

人工智能应用情况究竟如何?

人工智能现在在我们各行各业已经得到了比较多的应用。

这些例子对深度学习来讲,已经是比较成熟的应用了。

科研领域人工智能的发展

我们来看看深度学习和机器学习,在一些科研的技术领域,它的应用情况怎么样。

在纳米材料凝聚态物理计算化学领域:

这是一个很大的一个门类,几乎中国的顶尖高等院校里面都有相关的专业,有的放在物理系,有的放在化学系,有的可能放在一些计算机和物质科学交叉的学科。

其实,深度学习已经和材料凝聚态物理里面主要的计算方法,第一性原理全面结合。

我们大家可以去搜一下这个综述,综述里面从分子动力学到量子化学都说得非常全,深度学习怎么去跟他去结合起来。

在通信技术领域:

在目录里面列出了通信技术的一些主要研究方向,有很多涉及机器学习和深度学习应用的文献。

在生物医学领域:

我们在来看生物医学领域。我下面列了一些文献、一些综述,清晰的展示出了深度学习技术在不同类型的生物医学领域的应用,可以发现这里面主要侧重于基因数据的分析和利用。

在医学方面人工智能已经能够帮助医生去做大量的病例分析以及病理研究了。

在金融领域:

在金融层面,下图是一个咨询公司对全世界金融行业高管做的调研。人工智能,机器学习,深度学习,可以应用的最大的场景,就是风险评估。

其实,今后也会运用到投资组合管理,金融研究,交易系统,信贷审批等等。

在医院医疗领域:

在医疗里面,其实前几年AI结合医疗是非常好的。

第一个是医学图像处理,医学图像与各种CT、RCT、数字X光等。

第二个是电子病历,电子病历更多的就自然语言处理。

机械工程领域:

机械工程算非常老的一个学科,机械工程非常庞大。

我们以计算机辅助工程CAE为例,仿真模拟机械工程里面AI用到什么程度,大家也可以去详细看下这个综述。

仿真会产生大量的数据,机器学习,深度学习的模型需对仿真产生的大量数据进行分析,产生预测性的结果。

简单来说下次不需要做仿真分析,就能预测到一个新的产品或者产品升级之后的机械力学的性能。

时间预测:

这个不能算一个行业,几乎在所有工业结合社会的系统里面,根据时间对未来做些预测都是一个非常普适性的应用场景。

无论是工业设备的运行维护,还是经济里面的股票价格、期货价格,房价,出生率,人口流动量,天气预报,包括经济系统里面国民经济预测等等都算。

在时间序列,预测场景里深度学习的应用已经非常成熟,当然其中也包括很多传统的机器学习方法。

深度学习应用判断

深度学习在各个行业各个领域的应用,可以认为它是处在爆发的前夜,已经开始起来了,大规模的爆发,指日可待。

深度学习在目前来讲它有一个弊端,就是它的可解释性比较差。几百层的神经网络数据喂进去,出来一个结果非常好,确实非常好,但是算法工程师很难说得出来他为什么这么好。

这情况在一些可靠性要求非常高的场合里面会受到一些限制。因深度学习的主要理论体系,还没有到达一个自洽闭环,可以证明的阶段。

由于人工智能泡沫的存在,在全世界范围里非常多的优秀计算机顶级人才投身于人工智能研究。所以深度学习的理论,它还在非常快速的迭代更新和发展,甚至有一天会革命。

人工智能,无论机器学习,还是深度学习,“吃进去的是数据”,“吐出来的是知识”,一切关于面向数据的应用,都不可避免地应用或将要应用人工智能算法。

人工智能知识和技能对于有志于从事研究开发、运营、市尝供应链、战略管理等行业的人来讲,都将是必不可少的一个核心技能,如同二三十年前的计算机技能一样。

人工智能有泡沫,必须辩证地看,因为人工智能正全面渗透从互联网到基础科学、工业、社会、经济等领域......

下期看点:AI/AI+科研和就业形势 关注学姐别错过!