前兩天，新智元報道了美國雇主評價網(wǎng)站 Glassdoor 公布的一份2017年度 “美國薪酬最高企業(yè) Top 25“，其中顯示，AI公司多數(shù)職位年薪超10萬美元。 在 Glassdoor 網(wǎng)站上，可以看到，根據(jù)員工匿名提交的16個報告估計的人工智能從業(yè)者的薪酬范圍，平均薪酬總額(包括基本薪資、獎金等)超過10萬美元的職位有人工智能研究科學家、人工智能工程師主管、人工智能與過程控制主管、高級人工智能工程師等，其他職位的平均薪酬總額也在61k~93k美元之間。 國內(nèi)的AI 相關(guān)職位薪酬如何?我們來看一份幾家主流招聘網(wǎng)站上 AI 相關(guān)技術(shù)崗位的抓取結(jié)果： 在總共231份樣本中，年薪60萬人民幣以上的職位達到了56個。 可以看到，AI相關(guān)的技術(shù)崗位中，30萬-60萬的年薪占據(jù)主流。在所有 231 份樣本數(shù)據(jù)中，只有24份年薪在 30萬以下。其中，30-60萬年薪88份，60-100萬25份，100萬以上年薪31份，年薪面議63份。這里還有一個局限在于，很多年薪數(shù)百萬的崗位不會被獵頭發(fā)布出來。 上圖顯示，AI領(lǐng)域目前在招的初級崗位較多，行業(yè)很缺資深人士。231份招聘崗位需求中：1-3年工作經(jīng)驗要求占比62%，4-5年的21.7%，6-10年只占比15.8%。 AI 領(lǐng)域人才難求，收入水平水漲船高。那么，作為剛剛接觸或打算進軍AI 和機器學習領(lǐng)域的開發(fā)者們，又應該如何在這一領(lǐng)域起步呢?針對這個很多開發(fā)者都比較關(guān)注的問題，英特爾軟件與服務事業(yè)部在其 AI 開發(fā)者社區(qū)里分享了幾篇文章，給出了一些相關(guān)的見解和建議。 感知、推理、行動、適應““英特爾的 AI “四步走“ 首先，英特爾介紹了它自己對于人工智能的理解，認為人工智能是一種解決方案。 站在開發(fā)者的角度上，我們不妨暫時拋開 AI 豐富的內(nèi)涵，借用一下英特爾對AI 的定義。英特爾并未將人工智能看作最終結(jié)果和定義人類理解能力的方式，而是將其視為解決人類問題的計算工具。英特爾認為人工智能的目標并不是要定義實現(xiàn)人類智能水平需要哪些條件，或必須要讓機器通過某些基準的“智能“水平測試，而是要采取四個步驟：感知、推理、行動、適應，即對輸入進行分析(感知)，得出結(jié)果(推理);然后根據(jù)結(jié)果選擇適當舉措(行動)，并根據(jù)實施成效改進輸入的收集和選擇方式，進而改進針對這些輸入的計算(適應)。 英特爾這一四步走方案不同于那些大費周章，旨在確定機器是否具備人類智能水平的方案，它可滿足開發(fā)者通過編程創(chuàng)建出色的人工智能解決方案的所有需求。 盡管人們對人工智能有很多不同看法，而且實現(xiàn)人工智能的技術(shù)也是多種多樣，但機器智能的關(guān)鍵在于，它必須能夠感知、推理和行動，然后再根據(jù)經(jīng)驗進行適應。 “感知“從大量數(shù)據(jù)中發(fā)現(xiàn)和識別有意義的對象或概念。比如識別出交通信號燈;判斷組織是腫瘤還是正常組織。 “推理“了解更大范圍的背景環(huán)境信息，并制定實現(xiàn)目標的計劃。如果目標是避免碰撞，汽車必須根據(jù)車輛行為、距離、速度和路況計算碰撞的可能性。 “行動“推薦出或直接啟動最佳的行動方案。根據(jù)車輛和路況的分析，汽車可以執(zhí)行剎車、加速或準備安全機制等行動。 “適應“最后，我們必須能夠根據(jù)經(jīng)驗調(diào)整每個階段的算法，對它們進行重新訓練，使它們變得更智能。自動駕駛汽車的算法應該進行再訓練，以識別更多盲點，考慮更多的環(huán)境變量，并根據(jù)以前的事件調(diào)整應對措施。 今天，人工智能的最大能力仍處于“感知“階段，同時其在推理和行動方面的能力也在持續(xù)增強。它使用的多數(shù)技術(shù)都涉及到數(shù)學或統(tǒng)計算法，包括回歸、決策樹、圖論、分類、聚類等。然而，有一種深度學習算法正在快速興起，它能利用深度神經(jīng)網(wǎng)絡模擬人類大腦神經(jīng)元的基本功能。英特爾指出，機器學習和深度學習，是今天的開發(fā)者讓機器能夠具備智能或執(zhí)行人工智能的兩種主要方式。 “在機器學習中，學習使用算法基于數(shù)據(jù)構(gòu)建模型，并隨著數(shù)據(jù)量的增加而不斷改進。機器學習有四種主要類型：監(jiān)督式學習、非監(jiān)督式學習、半監(jiān)督式學習和強化學習。在監(jiān)督式機器學習中，算法通過處理和分類大量的標記數(shù)據(jù)來學習如何識別數(shù)據(jù)。在非監(jiān)督式機器學習中，算法能夠以超過人類大腦的速度，快速識別大量未標記數(shù)據(jù)中的模式和類別。 “深度學習是機器學習的一個子集，是指多層神經(jīng)網(wǎng)絡從大量數(shù)據(jù)中進行學習。 根據(jù)英特爾對人工智能的理解，即它要能感知、推理和行動，然后根據(jù)經(jīng)驗進行適應。但它運作起來到底是什么樣子呢?下面是英特爾分享的機器學習在通常狀況下的工作流： 1數(shù)據(jù)采集“首先，您需要大量數(shù)據(jù)。這些數(shù)據(jù)來源有很多，包括可穿戴設備中的傳感器以及其他設備，還有云和 web; 2數(shù)據(jù)聚合和管理“收集數(shù)據(jù)后，數(shù)據(jù)科學家將對數(shù)據(jù)進行聚合和標記(在監(jiān)督式機器學習中); 3模型開發(fā)“接下來，將數(shù)據(jù)用于開發(fā)模型，然后對其進行精確度訓練并針對性能進行優(yōu)化; 4模型部署和評分“將模型部署在應用中，用于針對新數(shù)據(jù)進行預測; 5使用新數(shù)據(jù)產(chǎn)出的結(jié)果做更新“隨著數(shù)據(jù)量的增加，模型的精細度和準確度將得到不斷優(yōu)化。例如，在自動駕駛汽車的行駛過程中，應用將通過傳感器、GPS、360 度視頻捕捉等功能獲取實時信息，然后使用這些信息來更好地預測即將發(fā)生的場景。 開發(fā)者應該從哪個領(lǐng)域著手 根據(jù)這些定義和理解，針對開發(fā)者應該從哪個領(lǐng)域著手這個問題，英特爾給出了一些建議，原文如下： 人工智能最令人興奮的一點在于，它具有無限的潛力，不僅能夠引領(lǐng)計算行業(yè)或軟件行業(yè)內(nèi)的變革，而且還能夠改變與我們的生活息息相關(guān)的每個行業(yè)。就像工業(yè)革命、技術(shù)革命和數(shù)字革命改變了我們生活的方方面面一樣，人工智能也將以同樣的方式改變整個社會。 下面以幾個領(lǐng)域為例，簡述一下人工智能在這些領(lǐng)域的發(fā)展狀況： 醫(yī)療行業(yè) “影像分析 “ 醫(yī)療初創(chuàng)公司正在努力開發(fā)能幫助解讀X 射線、MRI、CAT 等生成的醫(yī)療影像的技術(shù)。 “Dulight* “ 這是一種可穿戴設備，可幫助視障人士識別食物、貨幣等。 汽車領(lǐng)域 “自動駕駛汽車 “ 人工智能可幫助自動駕駛汽車識別路標、行人及其他車輛。 “車載信息娛樂 “ 改進的語音識別功能可幫助司機更有效地與音樂、地圖等功能或應用進行交互。 工業(yè) “維修和維護 “ 人工智能系統(tǒng)可預測維修需求，并改進預防性的維護。 “精準農(nóng)業(yè) “ 借助高效的施肥方法，人工智能可幫助提升農(nóng)作物產(chǎn)量，優(yōu)化其上市時間。 “銷售和上市時間 “人工智能可預測出在一年的不同時節(jié)，產(chǎn)品在特定地區(qū)的銷售速度和銷量，以及從效率的角度出發(fā)，推測出在特定時間，是要將產(chǎn)品轉(zhuǎn)化為庫存，還是應該直接發(fā)運給客戶。 體育產(chǎn)業(yè) “提高競技表現(xiàn) “ 人工智能系統(tǒng)可幫助指導運動員加強鍛煉、保持營養(yǎng)均衡以及提高競技技能。 “預防傷病 “ 用于改善器材設計，優(yōu)化戰(zhàn)略戰(zhàn)術(shù)，甚至預測規(guī)則的要求，以保障運動員的安全。 金融 “創(chuàng)建算法以處理投資產(chǎn)品組合，執(zhí)行股票交易等。 英特爾認為人工智能領(lǐng)域的擴展意味著開發(fā)者可以將自己在人工智能領(lǐng)域的知識，運用到其感興趣的行業(yè)中。當其在探索人工智能的世界時，要認真思考一下自己感興趣的其他領(lǐng)域有哪些，以及如何以有意義的方式，使用人工智能為該領(lǐng)域做出貢獻。在這方面，創(chuàng)意是永無止境的。 選擇一個好的開源深度學習框架也是個不錯的選擇 對于開發(fā)者來說，選擇一個合適的開源深度學習框架也能夠大大降低進入 AI 世界的門檻。比如英特爾的 BigDL，對于現(xiàn)在已經(jīng)比較熟悉大數(shù)據(jù)，特別是數(shù)據(jù)分析應用的開發(fā)者們來說，就是一個不錯的選擇。 BigDL 是針對ApacheSpark的分布式深度學習庫。使用BigDL，用戶可以像編寫標準的Spark程序那樣來編寫深度學習應用程序，并可以直接運行在現(xiàn)有的 Spark 或Hadoop 集群之上。 BigDL全面支持深度學習，包括(通過Tensor)數(shù)值計算和高層次的神經(jīng)網(wǎng)絡;此外，用戶可以使用BigDL加載預先經(jīng)過培訓的Caffe或Torch模型到Spark 程序中。 為實現(xiàn)高性能，BigDL在每個Spark任務內(nèi)使用英特爾MKL和多線程的編程。因此，它比原封不動的開源Caffe，Torch或單節(jié)點至強處理器上的TensorFlow性能上有數(shù)量級的提升(可以比擬主流GPU的性能)。 BigDL可以有效地橫向擴展，以匹配“大數(shù)據(jù)規(guī)模“的能力執(zhí)行數(shù)據(jù)分析，因為它有效利用了Apache Spark(閃電般快速的分布式的數(shù)據(jù)處理框架)，有效實施了Spark上的同步SGD和 all-reduce通信。 人工智能正快速為各行各業(yè)帶來革新，并日益成為重要的競爭優(yōu)勢之源。對于有志于這個領(lǐng)域的人來說，不論是尋找相關(guān)的技術(shù)工作職位，還是準備自己創(chuàng)業(yè)，現(xiàn)在都是最好的時機。

« 螞蟻競購速匯金引發(fā)游說戰(zhàn) | 共享單車×大數(shù)據(jù)：ofo定位功能引領(lǐng)精細化運營新時代 »