宋辰

紡織廠的設備操作、汽車制造流水線和手機制造流水線，這些以往工業(yè)革命帶來的制造流程仍然還有大量重復性的日常工作。但是，由人工智能推動的此次變革，最明顯的一個不同就是，人工智能將在幾乎每個方面提升自動化水平，因此大量的重復性日常工作崗位需求將大幅度縮減。

與此對應的是，對數據科學工作崗位的需求增加，比如數據科學家、具備一般性數據科學能力的數據科學工程師等。這些崗位的數量將遠遠少于當前重復性日常工作崗位。

也就是說，未來的組織人員構成可能是菱形的，其中大量處于底部的基礎性、重復性日常崗位將會被AI所取代。

華為輪值董事長徐直軍在2018全聯接大會上，從技術、人才和產業(yè)三個方面分享了人工智能將會帶來的十大重要變革方向。

這十個改變，一定不是AI技術、人才、產業(yè)發(fā)展的全部，但都是未來發(fā)展的重要基礎。

改變之一：縮短訓練模型的時間

按照目前的技術水平，訓練某些復雜模型時往往需要數天甚至數月。

我們認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

改變之二：充裕經濟的算力

算力是AI的基礎，但目前的算力非常昂貴，是一種稀缺資源。

我們認為，算力應該是充裕且經濟的，并且這種需求應該盡快實現。

改變之三：人工智能要適應任何部署場景

混合云已經成為企業(yè)采用云服務的主要模式，當前的AI主要在云，少量在邊緣，與企業(yè)的業(yè)務環(huán)境的結合有待進一步深入。

我們認為，未來AI將無處不在，要能夠部署在任何場景，并確保用戶隱私得到尊準和保護。

改變之四：更高效更安全的算法

算法是推動AI發(fā)展的另一個主要動力，但目前運用的主要算法多誕生于1980年代。隨著AI的廣泛普及，這些算法的不足愈發(fā)明顯。

我們認為，未來的算法，要能夠基于更少的數據需求，即數據高效。也要能夠基于更低的算力和能耗，即能耗高效。同時要解決自身的安全問題，并實現可解釋等，這都是AI全面發(fā)展的重要技術基礎。

改變之五：更高的自動化水平

今天的人工智能，自身還需要大量的人工。

我們認為，應該大大提升AI自身的自動化水平，比如在數據標注、數據獲取、特征提取、模型設計和訓練等環(huán)節(jié)，要實現自動化或半自動化。

改變之六：模型要面向實際應用

當前很多優(yōu)秀的模型算法，更多的是“考試”優(yōu)秀，還未達到“工作”優(yōu)秀。

我們認為，未來的模型必須實現工業(yè)級的優(yōu)秀，即滿足工業(yè)生產的需要，而不僅僅滿足于測試集上的“考試”優(yōu)秀。

改變之七：模型更新

模型的準確率并非是一成不變的，始終保持準確率在期望的范圍內對于企業(yè)應用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環(huán)的系統(tǒng)。

我們認為，未來的模型要能及時適應各種變化，實時更新，實現閉環(huán)系統(tǒng)，保證企業(yè)AI應用始終處于最佳狀態(tài)。

改變之八：人工智能要多技術協(xié)同

每一個通用目的技術，只有與其他技術充分協(xié)同配合，才能發(fā)揮到極致，創(chuàng)造巨大的經濟價值。AI也不例外。

我們認為，AI需要與云、物聯網、邊緣計算、區(qū)塊鏈、大數據、數據庫……等技術充分協(xié)同，如此才能發(fā)揮更大價值。

改變之九：人工智能要成為由一站式平臺支持的基本技能

今天，AI還是一項只有具備高級技能的專家才能完成的工作，獲得一個AI模型還是一個非常復雜、耗時耗力的事情。

我們認為，應該有一站式平臺，提供必需的自動化工具，讓AI應用開發(fā)更容易，更快捷。從而，使AI成為所有應用開發(fā)者甚至所有ICT技術從業(yè)人員的一項基本技能。

改變之十：以AI的思維解決AI的人才短缺

解決之道應該是，以AI的思維解決AI的人才短缺。通過著力發(fā)展智能化、自動化、簡單易用的AI平臺和工具服務，以及提供培訓教育，培養(yǎng)大量的數據科學工程師，使他們能完成大量基本的數據科學相關工作。

通過這些大量的數據科學工程師與數據科學家和各領域專家相互配合的梯形結構，來解決AI人才稀缺問題。