知乎对话阿里云:透视AI应用难题与未来趋势

简介: 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。

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。
1.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。
2.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。
机器智能技术结尾二维码.png

文章来源:https://yqh.aliyun.com/detail/19468
文章转自云栖号,本文一切观点和《机器智能技术》圈子无关

目录
相关文章
|
7天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
15天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
11天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
12天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
53 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
3天前
|
存储 人工智能 缓存
官宣开源 阿里云与清华大学共建AI大模型推理项目Mooncake
近日,清华大学和研究组织9#AISoft,联合以阿里云为代表的多家企业和研究机构,正式开源大模型资源池化项目 Mooncake。
|
7天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
29 4
|
10天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
机器学习/深度学习 人工智能 算法
面向开发者的2018年AI趋势分析
本文从开发者的角度分析2018年AI的趋势:拿来即用的AI领域、算法与技术。例如GANs、ONNX、Zoo、AutoML、语音识别、时间序列分析、NLP、高智能机器人等。
4483 0
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
40 1
|
17天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
54 10