Select Language

AI社区

数据要素产业

这群人学做AI架构师,目标却是让人们感知不到AI的存在

前言

成为AI架构师需要哪些能力?又该如何成为一名AI架构师呢?如果您有困惑,不妨来看看本文

在手机上刷脸、刷指纹已成为日常生活的一部分,太过寻常以至于会忘记背后是AI在发挥作用。

接下来将被“开除AI籍”的,大概轮到语音助手和美颜相机App了。

相似的故事,正在各行各业发生。

比如全国超过20个城市已部署智能红绿灯系统,可根据实时车流量调整,减少拥堵时间20%-30%。

卫星遥感图像也不再靠人力去分析,据中国资源卫星应用中心人士介绍,2014年马航MH370失踪时还是人每天在遥感图像上寻找飞机的踪影,到今天已经逐步使用上图像分类、目标识别、图像分割等AI技术等AI技术。

据权威市场研究公司IDC预测,到2022年75%的企业将把智能自动化嵌入到技术和流程开发中。

到2024年,AI将成为所有企业不可或缺的组成部分,届时有25%的AI投入会以结果即服务(Outcomes-as-a-Service) 的形式规模化推动创新。

正所谓“一个AI技术一旦真的成功了,人们便感知不到它是AI”。

推动创新的表面上是AI,背后靠的还得是人。

随着工业制造、物流、能源、交通、农业等越来越多的行业智能化转型需求迸发,一种新兴复合型人才开始紧缺。

他们既要融会贯通人工智能前沿理论和方法,又要深入应用场景融合创新,正在成为产业化落地应用的关键角色。

他们的名字是AI架构师。

AI架构师需要掌握什么能力?

与传统架构师相似,AI架构师需要参与项目开发的全部过程,从整体上构建以AI为核心的技术体系,充分发挥AI技术对业务的助力作用。

具体来说,需要掌握三大基本能力。

第一个是对业务本身的深刻理解。

先是熟悉所在行业面临的真实场景,在此基础上才能将业务逻辑正确抽象,再映射成对应的机器学习问题,进行技术选型。

宏观的技术选型之后就是选择具体的模型。直接套用成熟的模型?还是针对业务特点开发匹配的新模型?

这就需要第二个能力,对AI技术和开发应用流程的整体掌握。

主流的模型算法和网络结构各自有什么特点,分别适合解决什么问题。各类AI框架、开发套件使用上有什么特点,分别适合什么样的团队,都需要AI架构师从广度上进行掌握。

开发之后就是部署,架构师需要掌握的第三个能力就是高效可落地的工程能力。

从开发环境来到生产环境,要面对时间要求、成本限制、质量要求等现实因素,不可能都在理想状态下解决问题,需要做出折中的选择。

业务不断的发展,意想不到的情况随时可能出现,技术方案如何做到可扩展、可迭代,也是对AI架构师的一大考验。

如何成为合格的AI架构师?

从上面三个方面提出的高要求,让AI架构师的成长注定是一个艰难的过程。

传统工程师出身要做AI业务应用,和AI算法出身来到具体的行业分别如何转型?

为了让AI架构师的成长有“技”可循,由深度学习技术及应用国家工程实验室与百度联合发起创办的AICA首席AI架构师培养计划特别推出《AI架构师》白皮书。

这是国内首个基于产业实践视角,对AI架构师进行精准定性和分析的行业报告。

多维度、多角度拆解了当代“业务+算法+架构”三位于一体的AI架构师转型路径,带业界AI人才一同预见AI产业述落地前瞻变量。

白皮书从“AI架构师”的角色定义、核心能力、培养方式等多个维度,结合百度在AI应用中的创新经验和赋能计划,为行业内AI复合型技术人才的培育提供全面、系统、有效的解决方案和借鉴思路。

从中可以了解到成为AI架构师的三大核心能力,传统架构师转型AI架构师的挑战和破局之路,企业如何引入AI架构师,以及AI架构师如何借助AI产业落地技能方法实现快速转型,以此推动AI技术高效落地业务应用。

自2019年起,AICA首席AI架构师培养计划致力于为行业输送复合型AI人才。

通过四期的发展,AICA已向业界输送190名AI架构师,遍布工业、农业、金融、交通、能源等数十个行业。

沉淀了如京东亚洲一号物流园“无人智慧园区应用系统”、地铁轨道缺陷边缘实时智能检测、刑侦实景空间三维重建、遗传病病例自动挖掘以及能源行业的放电超声波声纹识别等诸多实际落地的学员课题与方案。

目前,AICA首席AI架构师培养计划第五期正在进行中,共有来自13个行业的66名学员入学。

其中企业CTO与科学家等高级技术管理者占比91%,500强企业学员占比较往期提高一倍,学员的背景经验和能力模型向着更AI专业化、工程化方向的交叉融合扩展。

科技创新,关键在人。越来越多的企业将面临从应用AI技术走入AI工业大生产的产业升级,AICA首席AI架构师培养计划也将持续为企业学员提供强有力的知识、经验与资源支撑。

助力中国AI领域高端复合型AI人才培养,与AI技术一起推动产业智能化变革的洪流滚滚向前。

免责声明

文章来源:AI科技评论

凡资讯来源注明为其他媒体来源的信息,均为转载自其他媒体,并不代表本网赞同其观点,也不代表本网对其真实性负责,转载请联系原出处。您若对该文章内容有任何疑问或质疑,请立即与后台小编联系,平台将迅速给您回应并做处理。注明本公司原创内容,转载请与我们联系哦!

 
更多>数据要素产业相关信息
最新发布
点击排行