知乎李大海对话阿里云贾扬清:透视AI应用难题与未来趋势

本文涉及的产品
模型训练 PAI-DLC,100CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: “AI行业接下来可能有哪些发展?” “一线从业者如何看待其中的机会?”近日,知乎合伙人、CTO李大海与阿里巴巴副总裁、阿里云智能高级研究员贾扬清亮相知乎直播,与网友分享了他们对AI时代下行业趋势、技术应用、个人成长等多个层面的洞察和思考。

自AlphaGo接连战胜李世石与柯洁后,越来越多从业者将AI看做科技行业的未来。大大小小的AI公司兴起,国内外巨头公司纷纷加速向AI转型。但经历祛魅后的AI,在过去几年间却并未获得观察者们预想的火箭式爆发。

“AI行业接下来可能有哪些发展?” “一线从业者如何看待其中的机会?”近日,知乎合伙人、CTO李大海与阿里巴巴副总裁、阿里云智能高级研究员贾扬清亮相知乎直播,与网友分享了他们对AI时代下行业趋势、技术应用、个人成长等多个层面的洞察和思考。

谈海内外异同,国内关注技术落地,海外试错造就新机会

AI浪潮席卷全球,但国内外发展则各有所长。贾扬清在入职阿里巴巴前,曾在Facebook担任研究主任,领导研究团队为所有Facebook的应用程序构建大型通用AI平台。李大海则于2006~2010年在Google任职高级工程师。两位嘉宾均在国内外科技公司任职多年,这一经历也造就了两人宽阔的横向视野。
image.png
正因如此,在面对主持人开场提出的“在AI研发和应用方面,国内科技企业和硅谷公司有哪些差别?”这一问题时,贾扬清、李大海观点一致:国内科技公司和硅谷同行们的相近之处在于从业者都很用功,对前沿技术突破都有追求。差异点在于,国内公司较关注把方法和业务结合起来,更为看重技术落地;而硅谷公司为员工纯粹的技术好奇心提供了更大试错空间,“不经意洒下的种子”往往创造出意想不到的产业机会。

谈发展趋势, 从AI感知到AI决策的螺旋前进

AI相关话题持续火热,仅在知乎上,“人工智能”话题就有超过150万人关注。

但对于“AI行业目前发展到哪一阶段,是否看好”,吃瓜群众们一直众说纷纭,甚至就连一线从业者也有不同观点。有人认为目前行业概念先行,充满泡沫。也有人认为AI已有长足进步,未来3-5年发展可期。
image.png
对于这一话题,李大海表示,如果要判断AI的发展阶段,那么首先需要了解发展的全景是什么,而现在还很难预测人工智能最终能发展到什么程度。对人工智能是否能达到“强人工智能”(即完全通过图灵测试,有意识、能进行情感层面的表达)他本人也持悲观态度。但他更看好AI作为生产工具的应用空间,“大家所认为的泡沫其实是AI企业在探索商业模式过程中困境,但AI作为生产工具越来越强大,这是毋庸置疑的”。

贾扬清认为,AI发展最开始试图绕过“感知”层面直接解决“决策”层面的问题,但事实上这条路走不通。随后,AI行业开始专攻“感知”领域,发展到现在已经较为成熟,比如,AI的图像识别能力已经远超人类;眼下,如何解决“决策”层面的问题,再次成为攻克的方向。“比如说,自动驾驶领域已经进化到可感知到周围的人与车,但难点则在于,怎么在不同条件下做出决策,规避感知到的障碍,这些问题更有挑战性”。

谈个人成长,上手能力很重要,AI人才正在“业务化”

AI作为最有前景的高科技行业,也创造了大量就业岗位,并且吸引了众多程序员“转型”。在直播中,AI行业的职业成长问题也成为网友关注焦点。

对于网友“工程AI与算法AI哪个更有从业前景?”的提问,李大海表示,随着技术迭代,未来AI的从业能力门槛会越来越低,相比“选A或者选B”这样的算法积累,工程师的基础能力和学习能力更加重要。工程师需要具备 “T字形思维”,一横代表处于平均水平线之上的动手能力,一竖则代表快速学习能力,能根据业务需求进行针对性的技能提升,才是工程师的立身和进阶之本。

贾扬清则借此提出一个大胆的观点。他认为行业不存在算法工程师的角色。换言之,未来行业只有两个角色,一个是算法研究人员,一个是应用工程师。而只会做简单适配的“调参侠”是没有市场的。

针对“AI工程师如何进阶,如何能够脱颖而出”的问题,贾扬清表示,当下的算法已经像工具一样普惠化,AI在算法层面的创新正在变缓。因此实现AI的突破,需要算法、系统、应用并行。如何找到实际应用场景,往往最能体现个人价值。

李大海则认为,在实际工作过程中AI是一个系统工程,“往往工程师90%的工作都跟算法无关”。当下,业界较为成功的人或者团队都在“业务化”,相比单纯钻研算法,更重要的是了解用户需求,并解决实际问题。

两位大咖在知乎的这场直播对话吸引了众多科技圈及AI圈从业者的关注,也引发知乎用户在站内的二次讨论。事实上,在知乎直播平台,活跃着大量各领域专业人士与多元话题,从毕志飞与王瑞恩的直播辩论,到张亮与许先哲的文化对谈,他们在文字分享之外,通过直播形式讲述见解,分享真知,直播也成为了知乎专业内容生产与消费的重要场景。

来源 | IT168
作者 | 姜惠田

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
5天前
|
人工智能 Java API
Java也能快速搭建AI应用?一文带你玩转Spring AI可落地性
Java语言凭借其成熟的生态与解决方案,特别是通过 Spring AI 框架,正迅速成为 AI 应用开发的新选择。本文将探讨如何利用 Spring AI Alibaba 构建在线聊天 AI 应用,并实现对其性能的全面可观测性。
|
3天前
|
人工智能 边缘计算 运维
容器化浪潮下的AI赋能:智能化运维与创新应用
近年来,容器技术以其轻量、高效、可移植的特性成为云原生时代的基石,推动应用开发和部署方式革新。随着容器化应用规模扩大,传统运维手段逐渐力不从心。AI技术的引入为容器化生态带来新活力,实现智能监控、自动化故障诊断与修复及智能资源调度,提升运维效率和可靠性。同时,AI驱动容器化创新应用,如模型训练、边缘计算和Serverless AI服务,带来更多可能性。未来,AI与容器技术的融合将更加紧密,推动更智能、高效的运维平台和丰富的创新应用场景,助力数字化转型。
|
20天前
|
人工智能 开发框架 数据可视化
Eino:字节跳动开源基于Golang的AI应用开发框架,组件化设计助力构建AI应用
Eino 是字节跳动开源的大模型应用开发框架,帮助开发者高效构建基于大模型的 AI 应用。支持组件化设计、流式处理和可视化开发工具。
193 27
|
1天前
|
人工智能 自然语言处理 搜索推荐
【活动报名】​AI应用启航workshop:AI内容创作——释放智能创意体验、驱动业务创新增长
【活动报名】​AI应用启航workshop:AI内容创作——释放智能创意体验、驱动业务创新增长
|
4天前
|
存储 人工智能 开发框架
Spring AI Alibaba 应用框架挑战赛圆满落幕,恭喜获奖选手
第二届开放原子大赛 Spring AI Alibaba 应用框架挑战赛决赛于 2 月 23 日在北京圆满落幕。
|
12天前
|
存储 人工智能 程序员
通义灵码AI程序员实战:从零构建Python记账本应用的开发全解析
本文通过开发Python记账本应用的真实案例,展示通义灵码AI程序员2.0的代码生成能力。从需求分析到功能实现、界面升级及测试覆盖,AI程序员展现了需求转化、技术选型、测试驱动和代码可维护性等核心价值。文中详细解析了如何使用Python标准库和tkinter库实现命令行及图形化界面,并生成单元测试用例,确保应用的稳定性和可维护性。尽管AI工具显著提升开发效率,但用户仍需具备编程基础以进行调试和优化。
163 9
|
18天前
|
存储 人工智能 NoSQL
Airweave:快速集成应用数据打造AI知识库的开源平台,支持多源整合和自动同步数据
Airweave 是一个开源工具,能够将应用程序的数据同步到图数据库和向量数据库中,实现智能代理检索。它支持无代码集成、多租户支持和自动同步等功能。
88 14
|
11天前
|
人工智能 BI
【瓴羊数据荟】 AI x Data :大模型时代的数据治理与BI应用创新 | 瓴羊数据Meet Up第4期上海站
瓴羊「数据荟」Meet Up城市行系列活动第四期活动将于3月7日在上海举办,由中国信息通信研究院与阿里巴巴瓴羊专家联袂呈现,共同探讨AI时代的数据应用实践与企业智能DNA的革命性重构。
【瓴羊数据荟】  AI  x Data :大模型时代的数据治理与BI应用创新 | 瓴羊数据Meet Up第4期上海站
|
13天前
|
数据采集 人工智能 安全
阿里云携手DeepSeek,AI应用落地五折起!
近年来,人工智能技术飞速发展,越来越多的企业希望借助AI的力量实现数字化转型,提升效率和竞争力。然而,AI应用的开发和落地并非易事,企业往往面临着技术门槛高、成本投入大、落地效果难以保障等挑战。
65 1
|
20天前
|
人工智能 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.4 应用实践之 AI大模型外脑
PolarDB向量数据库插件通过实现通义大模型AI的外脑,解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量,存储在向量数据库中,并创建索引以加速相似搜索。当用户提问时,系统将问题向量化并与数据库中的向量进行匹配,找到最相似的内容发送给大模型,从而提高回答的准确性和相关性。此外,PolarDB支持多种编程语言接口,如Python,使数据库具备内置AI能力,极大提升了数据处理和分析的效率。
53 4

热门文章

最新文章