0
“說(shuō)實(shí)話，我很不喜歡「人工智障」這個(gè)詞?！?br/>
在與掘金志的聊天中，一位從事計(jì)算機(jī)視覺(jué)方向的算法工程師多次表示，他討厭這個(gè)詞很久了，幾乎是本能的反感，即便只是一種調(diào)侃，在他看來(lái)都是一種嘲諷。
這種嘲諷就好像是，一名路人，對(duì)著自己剛剛學(xué)會(huì)爬的孩子冷嘲熱諷：這孩子真笨，連路都不會(huì)走。
他甚至坦言，如果身邊有同事使用這個(gè)詞自嘲，他會(huì)刻意與之保持距離，因?yàn)檫@種自嘲實(shí)屬對(duì)自己的工作、對(duì)專業(yè)知識(shí)的“不尊重”。
擁有他這種技術(shù)性癖好的工程師不在少數(shù)，在掘金志詢問(wèn)的多個(gè)從業(yè)人員之中，都表達(dá)了類似觀點(diǎn)：通常被問(wèn)及人工智能水平時(shí)，類似表述以「弱人工智能」為準(zhǔn)。
某負(fù)責(zé)品牌傳播與公關(guān)的業(yè)務(wù)專員透露，如果在對(duì)外交流中使用了「人工智障」之類的詞，被舉報(bào)或是被公司發(fā)現(xiàn)，“直接影響績(jī)效考核”，因?yàn)檫@類不專業(yè)的表述很可能導(dǎo)致負(fù)面的傳播效果。
在與這些人的談話中，掘金志發(fā)現(xiàn)，在AI圈內(nèi)，從業(yè)者對(duì)于AI有著清晰的認(rèn)知，在外宣的時(shí)候，對(duì)AI的負(fù)面化表述都較為嚴(yán)謹(jǐn)。
然而，在圈外，接二連三發(fā)生的各種AI事故，讓大眾對(duì)AI的真實(shí)能力產(chǎn)生諸多懷疑，關(guān)于人工智能變成人工智障的言論甚囂塵上，唱衰人工智能的聲音時(shí)常見(jiàn)諸報(bào)端。
表面上，這只是一場(chǎng)關(guān)于AI的輿論爭(zhēng)議。但，其實(shí)質(zhì)卻是企業(yè)與大眾對(duì)AI話語(yǔ)權(quán)的爭(zhēng)奪，并會(huì)直接影響到AI的推廣、落地與應(yīng)用。
“如果大眾無(wú)法對(duì)新技術(shù)形成有效的認(rèn)知，那么新技術(shù)的推廣則是非常緩慢的?！?/strong>某傳媒大學(xué)在讀研究生表示，大眾對(duì)于新技術(shù)的接受能力是逐層遞進(jìn)的，這個(gè)進(jìn)程很容易受到輿論影響，而負(fù)面輿論則存在一種「爆破效應(yīng)」，可能會(huì)直接摧毀此前建立起的「信任基礎(chǔ)」。
比如自動(dòng)駕駛，公眾對(duì)其的信任基礎(chǔ)很薄弱，出現(xiàn)多次事故之后，這種信任實(shí)際上已經(jīng)消耗殆盡。
相關(guān)調(diào)研報(bào)告顯示，自動(dòng)駕駛一哥——特斯拉FSD在國(guó)內(nèi)的激活率不足10%，甚至相當(dāng)一部分人沒(méi)有開(kāi)通AP服務(wù)，即便在開(kāi)通的人群中，也很少有人會(huì)使用AP功能。
這種現(xiàn)象固然有其客觀原因（比如路側(cè)數(shù)據(jù)不夠、算法能力有限），但從輿論傳播的角度看，自動(dòng)駕駛的一次失誤，比起傳統(tǒng)汽車的十次車禍更加嚴(yán)重，從而也給自動(dòng)駕駛的進(jìn)一步落地，帶來(lái)阻礙。
那么，如何給大眾建立起對(duì)AI的有效認(rèn)知，推動(dòng)AI更快、更廣泛地落地？
掘金志通過(guò)采訪之后認(rèn)為：媒體報(bào)道、企業(yè)外宣、大眾知識(shí)普及教育，是三個(gè)最主要的途徑。而圍繞著大眾展開(kāi)的各種「認(rèn)知教育」，也注定是一場(chǎng)曠日持久的「攻堅(jiān)戰(zhàn)」。
人工智能應(yīng)用有一個(gè)有趣的悖論：當(dāng)一種AI技術(shù)已經(jīng)非常普及的時(shí)候，人們普遍不會(huì)認(rèn)為這就是AI。
好比上世紀(jì)八九十年代，一臺(tái)黑白電視機(jī)可能是劃時(shí)代的象征，需要手動(dòng)調(diào)頻；但現(xiàn)在遙控型的彩色電視機(jī)成為標(biāo)配，人們也不覺(jué)得這就算智能。又比如，小區(qū)停車場(chǎng)通過(guò)車牌識(shí)別進(jìn)出、刷臉進(jìn)入小區(qū)等，在近幾年開(kāi)始普及，但人們很少將之與AI聯(lián)系起來(lái)，即便這里面實(shí)際上用了各種識(shí)別算法、芯片等等。
在大眾的認(rèn)知里，人工智能理所應(yīng)當(dāng)達(dá)到電影里機(jī)器人的水平，或者近似人一樣地思考、行動(dòng)。
“大眾有時(shí)對(duì)于人工智能過(guò)于樂(lè)觀，甚至高估?！?/strong>中國(guó)計(jì)量大學(xué)信息學(xué)院副教授、人工智能專業(yè)負(fù)責(zé)人楊力認(rèn)為，作為走向社會(huì)的新技術(shù)，人們對(duì)AI的理解并不全面，認(rèn)為AI應(yīng)該無(wú)所不能，這種認(rèn)知與實(shí)際并不相符。
在掘金志看來(lái)，大眾對(duì)于人工智能的認(rèn)知比較淺層，這主要表現(xiàn)在兩個(gè)方面：
不了解、不清楚，對(duì)于什么是人工智能，沒(méi)有直接的印象；
有一定了解，但無(wú)法理解AI的深層邏輯（原理結(jié)構(gòu)）。
這種淺層認(rèn)知很容易被誘導(dǎo)，而在一些不著邊際的宣傳之下，AI本身的能力被過(guò)分夸大，大眾對(duì)AI產(chǎn)生盲目「自信」或高估。
“外行看熱鬧，內(nèi)行看門道?！?/strong>
楊力表示，以人臉識(shí)別為例，5年前可能人們會(huì)覺(jué)得很神秘、先進(jìn)，但在經(jīng)過(guò)消費(fèi)類電子的普及之后，許多人覺(jué)得人臉識(shí)別已經(jīng)沒(méi)什么難度了。當(dāng)他給學(xué)生們授課講人臉識(shí)別時(shí)，同學(xué)們都覺(jué)得這已經(jīng)是很成熟的技術(shù)，“并不新鮮，難度不大?！?/p>
但其實(shí)人臉識(shí)別距離高度智能化還有很長(zhǎng)一段距離，在許多復(fù)雜場(chǎng)景下，很難捕捉到有效的人臉信息。并且，人臉識(shí)別在小規(guī)模（數(shù)據(jù)庫(kù)較?。﹫?chǎng)景下效果很好，但當(dāng)數(shù)據(jù)庫(kù)非常大的時(shí)候，識(shí)別的準(zhǔn)確率就沒(méi)那么高了。
“大眾由于缺少專業(yè)知識(shí)，很容易把復(fù)雜問(wèn)題簡(jiǎn)單化，但從事AI研究的人對(duì)此卻非常謹(jǐn)慎，普通人覺(jué)得簡(jiǎn)單的技術(shù)，從業(yè)者可能會(huì)覺(jué)得‘這個(gè)做不了，那個(gè)做不了’，簡(jiǎn)單而言，就是望山跑死馬的感覺(jué)。”
掘金志發(fā)現(xiàn)，由于缺少專業(yè)的通識(shí)教育，大眾對(duì)于人工智能的了解渠道比較單一，多數(shù)是通過(guò)媒體報(bào)道、企業(yè)宣傳這兩種途徑來(lái)觸及AI，只有小部分人會(huì)自發(fā)研讀相關(guān)書(shū)籍、學(xué)習(xí)課程，以增進(jìn)了解。
從傳播的角度看，如果受眾獲取信息的渠道有限，那么該信息渠道的控制人將具有信息傳遞的「控制權(quán)」，形成一種「輿論壟斷」的局面，而信息在經(jīng)過(guò)多次傳播之下，極易「失真」。
實(shí)際上，這種「失真」是在所難免的。在AI的傳播過(guò)程當(dāng)中，形成了圈內(nèi)和圈外兩大群體，由于人工智能本身屬于較高門檻的專業(yè)，圈內(nèi)（企業(yè)）和圈外（普通受眾）之間的連接，主要通過(guò)媒體來(lái)實(shí)現(xiàn)。
但媒體宣傳存在問(wèn)題是，許多從業(yè)者要么科班出身，要么跨界轉(zhuǎn)型，真正懂AI的媒體人只有少數(shù)。并且媒體本身隨著大數(shù)據(jù)、互聯(lián)網(wǎng)技術(shù)的變化，進(jìn)一步下沉到各平臺(tái)，又造就了無(wú)數(shù)自媒體，形成了媒體界良莠不齊的局面。在流量導(dǎo)向的環(huán)境下，各種消息報(bào)道層出不窮，而這類信息又存在「放大效應(yīng)」（比如標(biāo)題過(guò)于驚乍），以至于大眾接受到的信息與實(shí)際信息存在「誤差」。
在人工智能最為火熱的時(shí)候，不少AI企業(yè)為了拿融資、打知名度，紛紛投放廣告、軟文，宣傳產(chǎn)品，造成人工智能已經(jīng)能夠大規(guī)模落地的假象。后來(lái)AI遇冷，大眾對(duì)AI的調(diào)侃某種程度上可以看作是前期宣傳過(guò)于猛烈的一種「反噬」。
當(dāng)然，圈內(nèi)也注意到大眾傳媒存在的局限，不少企業(yè)在重要的社交平臺(tái)上都開(kāi)辟了宣傳渠道，但由于內(nèi)容差異（比如太垂直、產(chǎn)品推廣）或渠道差異，并不符合C端屬性，多數(shù)AI企業(yè)無(wú)法直接建立起與大眾的有效連接。
因此，在“企業(yè)-媒體-大眾”這一傳播鏈條下，由于大眾傳媒本身存在機(jī)制缺陷，導(dǎo)致大眾很難在參差不齊的信息中，建立起對(duì)AI的有效認(rèn)知。然而企業(yè)又不得不依賴大眾傳媒來(lái)宣傳AI，這種內(nèi)在矛盾，是造成圈內(nèi)與圈外對(duì)AI產(chǎn)生「認(rèn)知差異」的重要原因。
“歸根到底，還是AI人才太少?！痹跅盍磥?lái)，人才是推動(dòng)產(chǎn)業(yè)發(fā)展的核心力量，當(dāng)前AI處于爬坡階段，技術(shù)本身的問(wèn)題是造成大眾對(duì)AI產(chǎn)生質(zhì)疑的根本因素，輿論傳播一定程度上加劇了這種影響。
解鈴還須系鈴人，不論是AI縱深發(fā)展，還是橫向傳播，只有AI人才，可以給AI「正名」，但現(xiàn)階段的情況是，國(guó)內(nèi)AI人才極度緊缺。
“應(yīng)用型人才真的太少了。”楊力感嘆道，當(dāng)AI從空中樓閣走向田間地頭，懂技術(shù)又懂行業(yè)的人“真的不多”。
而在工信部《人工智能產(chǎn)業(yè)人才發(fā)展報(bào)告（2019-2020）》（下稱“報(bào)告”）里，預(yù)計(jì)我國(guó)人工智能產(chǎn)業(yè)內(nèi)有效人才缺口達(dá) 30 萬(wàn)，而這僅是兩年前的數(shù)據(jù)。實(shí)際上，在過(guò)去的兩年里，根據(jù)掘金志觀察，AI企業(yè)對(duì)人才的需求持續(xù)旺盛，整個(gè)AI產(chǎn)業(yè)的應(yīng)用人才缺口進(jìn)一步拉大。
作為技術(shù)/知識(shí)密集型產(chǎn)業(yè)，AI的人才準(zhǔn)入門檻較高，對(duì)學(xué)歷、工作經(jīng)驗(yàn)非?？粗?。
根據(jù)報(bào)告，2019年AI企業(yè)發(fā)布的崗位中，僅有11.9%的崗位接受專科學(xué)歷；也僅有5.4%的崗位接受1年以下工作經(jīng)驗(yàn)的求職人才；接受提供應(yīng)屆生的崗位僅占3.3%。
這意味著要從事AI行業(yè)，基本上要求本科學(xué)歷，同時(shí)，由于多數(shù)AI企業(yè)缺乏人力、資金和動(dòng)力去培養(yǎng)應(yīng)屆畢業(yè)生（至少一年以上），企業(yè)對(duì)應(yīng)屆畢業(yè)生的需求并不旺盛，而更青睞那些擁有知識(shí)儲(chǔ)備和實(shí)踐經(jīng)驗(yàn)的人才，這種“排新”性質(zhì)的招聘需求，又加重了人才短缺情況。
除此之外，AI對(duì)人才的專業(yè)性要求極強(qiáng)，尤其是算法研究、應(yīng)用開(kāi)發(fā)等崗位，60%以上崗位要求具備計(jì)算機(jī)、數(shù)學(xué)相關(guān)專業(yè)背景。
各種線性條件約束下，原本就短缺的AI人才，顯得更加「緊俏」。
一位AI初創(chuàng)公司HR告訴掘金志，招人是一件很困難的事，“專業(yè)、學(xué)校、工作經(jīng)歷篩選下來(lái)，符合條件的人很少，加上公司要的是進(jìn)來(lái)立馬能產(chǎn)出的人，還要考慮薪資這些因素，優(yōu)秀的人才很難招到；而走校招的話，優(yōu)秀的畢業(yè)生早早被互聯(lián)網(wǎng)、明星AI公司簽下，剩下的也更青睞大公司。篩選去篩選來(lái)，選擇真的不多?！?/p>
除了缺少與行業(yè)相結(jié)合的應(yīng)用型人才以外，在楊力的觀察之中，AI的另一個(gè)人才缺口，是能夠“扎下心來(lái)做基礎(chǔ)性工作”的理論研究型人才。
根據(jù)斯坦福發(fā)布的《2022年人工智能報(bào)告》，雖然我國(guó)在AI 期刊論文的引用數(shù)、會(huì)議論文發(fā)表數(shù)量以及在人工智能專利申請(qǐng)數(shù)量上排名世界第一，但在AI會(huì)議論文被引數(shù)上卻遠(yuǎn)落后于歐美。并且，一些創(chuàng)新性的基礎(chǔ)理論、前沿科技的研究仍以歐美為主。
“很多人工智能的基礎(chǔ)理論，都是由外國(guó)人/機(jī)構(gòu)提出來(lái)的，比如現(xiàn)在比較火熱的深度學(xué)習(xí)?！?/p>
楊力表示，這與我國(guó)人工智能起步較晚有很大關(guān)系，要彌補(bǔ)這樣的差距，除了要加強(qiáng)對(duì)基礎(chǔ)理論研究的資金、人才投入以外，也應(yīng)該建立起標(biāo)準(zhǔn)的AI人才培養(yǎng)體系，為AI研究提供源源不斷的人才活力。
“學(xué)校是培養(yǎng)人才的搖籃，理想的情況是，一部分學(xué)生畢業(yè)以后從事理論研究，更多的畢業(yè)生進(jìn)入行業(yè)，通過(guò)產(chǎn)學(xué)研聯(lián)動(dòng)，來(lái)推動(dòng)AI的落地?！?/strong>
掘金志了解到，當(dāng)前我國(guó)人工智能產(chǎn)業(yè)已經(jīng)初步形成“政產(chǎn)學(xué)研一體化”人才培養(yǎng)生態(tài)體系，但仍然處于起步階段。2019年，人工智能專業(yè)正式獲批列入本科專業(yè)名單，國(guó)內(nèi)諸多高校開(kāi)始自建或與企業(yè)共建人工智能學(xué)院（研究院），并開(kāi)設(shè)AI專業(yè)。
然而，對(duì)于如何培養(yǎng)專業(yè)的AI人才，各大高校也正處于摸索之中，尚未形成行之有效的范式。
2019年，國(guó)內(nèi)人工智能專業(yè)正式獲批，被列入本科專業(yè)名單，但開(kāi)辦專業(yè)需要經(jīng)過(guò)課程建設(shè)、實(shí)驗(yàn)條件、專業(yè)申報(bào)等流程，多數(shù)學(xué)校于近兩年才開(kāi)始正式招生。
換句話說(shuō)，距離最早的一批AI本科生畢業(yè)，離畢業(yè)也還需要大概一到兩年的時(shí)間。
如何把這一批新生培養(yǎng)成才，來(lái)填補(bǔ)當(dāng)前存在的人才缺口，是一件并不容易的事情。此外，未來(lái)的第一批畢業(yè)生，其綜合能力是否達(dá)標(biāo)也極具象征意義。
“一方面，人工智能專業(yè)學(xué)的內(nèi)容很難，以前很多研究生階段才開(kāi)設(shè)的課程，現(xiàn)在放到本科階段來(lái)學(xué)了，對(duì)學(xué)生是一種壓力，對(duì)老師的教學(xué)方式、技巧也帶來(lái)挑戰(zhàn)；另一方面，如何將人才培養(yǎng)與社會(huì)需求結(jié)合起來(lái)，讓學(xué)生能夠?qū)W以致用，也是難點(diǎn)。”
作為人工智能領(lǐng)域的資深學(xué)者，楊力在多年的執(zhí)教生涯中，除了對(duì)AI有著深入的研究與思考外，也探索出了一些關(guān)于培養(yǎng)AI人才的「方法論」。
“首先要尊重學(xué)習(xí)規(guī)律?！?/strong>楊力告訴掘金志，AI本身對(duì)實(shí)踐能力的要求較高，這就不能照搬傳統(tǒng)學(xué)科的培養(yǎng)模式，即大一大二側(cè)重于理論，大三大四側(cè)重于專業(yè)。而應(yīng)該理論和實(shí)踐并用，先學(xué)習(xí)、再實(shí)踐，在實(shí)踐中學(xué)習(xí)，然后呈“螺旋式上升”。
在具體舉措方面，他表示，可以通過(guò)成立「科創(chuàng)小組」的模式，鼓勵(lì)學(xué)生以團(tuán)隊(duì)協(xié)作的方式參加各種學(xué)習(xí)競(jìng)賽、研究課題。
這種小組模式的優(yōu)勢(shì)在于：小組覆蓋全體學(xué)生，通過(guò)團(tuán)隊(duì)協(xié)作，形成內(nèi)部互幫互助的學(xué)習(xí)氛圍，讓成員都能參與到實(shí)踐之中，成為一個(gè)「利益團(tuán)體」；并且，小組的持續(xù)時(shí)間覆蓋學(xué)生的整個(gè)大學(xué)生涯，所有成員都能共享「利益成果」。同時(shí)，小組成員之間互相幫助，從某種程度上也能給老師減輕壓力。
“其次要因材施教，激發(fā)學(xué)生對(duì)AI的求知欲、探索欲。”
楊力表示，學(xué)生對(duì)AI的學(xué)習(xí)興趣也呈現(xiàn)出明顯的「二八定律」，即20%的學(xué)生求知欲很強(qiáng)，而80%的學(xué)生興趣一般。
“對(duì)于這20%的學(xué)生，你只需要告訴他怎樣做到最好，并且告訴他這個(gè)過(guò)程中需要注意的事項(xiàng)、細(xì)節(jié)，其余的無(wú)需太過(guò)關(guān)心；而對(duì)于80%的學(xué)生，他們的興趣沒(méi)那么高，就需要比較細(xì)致的指導(dǎo)，并且需要搭配一些「強(qiáng)制指派」，例如直接分配任務(wù)讓他們參加。”
“再而，通過(guò)激勵(lì)機(jī)制來(lái)刺激學(xué)生的創(chuàng)作靈感?！?/strong>
比如，在課程設(shè)計(jì)時(shí)，將創(chuàng)新性納入評(píng)分標(biāo)準(zhǔn)之中，以課程成績(jī)來(lái)驅(qū)動(dòng)學(xué)生進(jìn)行創(chuàng)新。
例如，在做某個(gè)案例時(shí)，如果學(xué)生只是根據(jù)老師列的步驟照貓畫(huà)虎，其成績(jī)最高可能也就剛好及格，而剩下的分?jǐn)?shù)則全靠個(gè)人創(chuàng)意和發(fā)揮。
“大多數(shù)學(xué)生需要老師給一些推力，而成績(jī)就是最好的激勵(lì)?！睏盍Ρ硎?，學(xué)生為了拿更高的績(jī)點(diǎn)，便不得不“多費(fèi)心思”，而不是敷衍了之，最終交上來(lái)的作品“往往有很多意想不到的亮點(diǎn)”。
“最后，教師與學(xué)生之間要形成良性互動(dòng)的正循環(huán)?！?/strong>
本科教學(xué)存在的一個(gè)普遍問(wèn)題是，學(xué)生與教師之間的互動(dòng)較弱，或者只存在于課堂之上，課外的聯(lián)系非常少，“上課是師生，下課是路人”的情況并不少見(jiàn)。
在楊力看來(lái)，如果老師僅僅把教學(xué)當(dāng)作是一種工作任務(wù)來(lái)完成，那么學(xué)生也會(huì)采取應(yīng)付的態(tài)度。相反，如果老師富有責(zé)任感，學(xué)生也會(huì)受到其“以身作則的影響“，更有進(jìn)取意識(shí)。
因而，老師可以通過(guò)帶項(xiàng)目、線上線下互動(dòng)等方式與學(xué)生溝通，來(lái)了解學(xué)生的需求，給自身的教學(xué)工作進(jìn)行反饋，而這種反饋?zhàn)罱K又將通過(guò)教學(xué)的方式來(lái)觸及學(xué)生，形成「師生共贏」的局面。
除了培養(yǎng)AI人才方法論外，楊力也指出，培養(yǎng)人工智能專業(yè)人才需要破除「唯研究生論」。
“讀人工智能專業(yè)必須讀研究生，不讀研究生就沒(méi)有前途。”
不少人持有這樣的觀點(diǎn)，但楊力卻堅(jiān)決表示反對(duì)。他認(rèn)為，原來(lái)很多研究生的課程已經(jīng)下放到本科來(lái)學(xué)，本科階段的人才培養(yǎng)成體系之后，學(xué)生的理論、實(shí)踐能力將能夠滿足AI行業(yè)的基本需求，一味追求研究生教育，只會(huì)造成AI圈越來(lái)越卷，無(wú)助于緩解行業(yè)人才短缺情況。
“當(dāng)然，研究生教育也很重要，但研究生人才培養(yǎng)可能更應(yīng)該傾向于基礎(chǔ)理論方面，而AI的規(guī)?；涞?，需要更多應(yīng)用型人才去推動(dòng)。”
舉個(gè)例子：很多傳統(tǒng)制造業(yè)引進(jìn)了人工智能，比如機(jī)械臂、自動(dòng)化生產(chǎn)設(shè)備等，但由于缺少應(yīng)用型人才，企業(yè)買回去的設(shè)備不知道該怎么使用，也不知道如何做到效益最大化，更不懂運(yùn)營(yíng)維護(hù)。
這樣的崗位，并不需要從業(yè)者非常深厚的理論功底，而是有AI基礎(chǔ)，又懂行業(yè)的人才。而在傳統(tǒng)產(chǎn)業(yè)智能化升級(jí)過(guò)程中，類似的人才缺口非常大。
“實(shí)際上，當(dāng)AI走向各行各業(yè)、落地之后，對(duì)人才的需求也會(huì)發(fā)生變化，而在本科階段，通過(guò)理論學(xué)習(xí)加上與專業(yè)相關(guān)的社會(huì)實(shí)踐，也能培養(yǎng)出優(yōu)秀的人才?！?/p>
在剛結(jié)束的冬奧會(huì)上，楊力教授帶領(lǐng)他的團(tuán)隊(duì)做了一個(gè)智能輔助技術(shù)，可通過(guò)視頻來(lái)實(shí)現(xiàn)對(duì)選手動(dòng)作進(jìn)行回顧與分析，給裁判打分給予參考。
雖然只是一個(gè)比較簡(jiǎn)單的行為識(shí)別，模型并不精巧，市場(chǎng)上有很多AI公司具備開(kāi)發(fā)該技術(shù)的能力。但讓人欣慰的是，這個(gè)項(xiàng)目一經(jīng)提出，學(xué)生們便踴躍參加，在導(dǎo)師的指引下，一步步挖掘數(shù)據(jù)、標(biāo)注、建模、訓(xùn)練、測(cè)試，整個(gè)過(guò)程持續(xù)兩周之久，大部分工作由學(xué)生完成，而且是在春節(jié)期間，有同學(xué)甚至因?yàn)槌隽Σ粔蚨罡斜浮?/p>
“Talk is cheap.”在楊力看來(lái)，這個(gè)項(xiàng)目別人有能力做，然而只有他們?nèi)ヂ涞貙?shí)踐了，并且整個(gè)項(xiàng)目由大一學(xué)生完成，過(guò)程遠(yuǎn)重于結(jié)果，他們“代表著AI領(lǐng)域的新生力量?！?/strong>
做這個(gè)項(xiàng)目也并非一帆風(fēng)順。
該項(xiàng)目的成員，中國(guó)計(jì)量大學(xué)信息學(xué)院 21級(jí)人工智能專業(yè)學(xué)生，蔣正陽(yáng)告訴掘金志，小組在建模的時(shí)候，要么網(wǎng)絡(luò)太大訓(xùn)練太慢，要么網(wǎng)絡(luò)太小而不適合要求，難以達(dá)到預(yù)期目標(biāo)。同時(shí)，訓(xùn)練也會(huì)遇到算力不夠的情況。
經(jīng)過(guò)多次失敗嘗試之后，小組不得不求助于楊力教授，后者補(bǔ)充了一種網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)下，模型變得相對(duì)“較輕”，訓(xùn)練也可以符合預(yù)期。
最終，小組成功研發(fā)出“單板滑雪AI裁判技術(shù)”。該技術(shù)可在畫(huà)面模糊、相機(jī)高速運(yùn)動(dòng)、長(zhǎng)距離全景畫(huà)面等復(fù)雜場(chǎng)景下，對(duì)運(yùn)動(dòng)員是否抓板進(jìn)行精準(zhǔn)識(shí)別，從而為裁判打分提供依據(jù)，助力「冬奧公平」。
“我們的專業(yè)知識(shí)有限，需要繼續(xù)加強(qiáng)理論學(xué)習(xí)。通過(guò)這個(gè)項(xiàng)目，我們了解了從零開(kāi)始做項(xiàng)目的過(guò)程、方法、難度，積累了經(jīng)驗(yàn)。當(dāng)然，最后看到項(xiàng)目跑出來(lái)的結(jié)果，內(nèi)心還是很欣喜的?！笔Y總結(jié)道。
楊力認(rèn)為，遇到問(wèn)題很正常，關(guān)鍵在于去行動(dòng)、實(shí)踐了。“人在學(xué)走的路上，會(huì)跌倒很多次，但不能因?yàn)榈?，就只學(xué)爬，這樣永遠(yuǎn)也不會(huì)走?！?/p>
這何嘗不是國(guó)內(nèi)AI發(fā)展的縮影。
在經(jīng)歷無(wú)人問(wèn)津的韜光養(yǎng)晦期之后，國(guó)內(nèi)AI于10年開(kāi)始蓬勃發(fā)展，商湯、曠視、云從、依圖等一眾AI公司先后誕生，受到資本熱捧，撐起國(guó)內(nèi)AI的希望。但激情燃燒之后，隨之而來(lái)的是行業(yè)落地難、商業(yè)化難、變現(xiàn)難等各種質(zhì)疑。
如今的AI，正處于從爬到走的摸索期，磕磕碰碰、跌倒摔倒等時(shí)有發(fā)生，也被大眾調(diào)侃成「人工智障」。
但楊力對(duì)此并不沮喪，反而感到樂(lè)觀，因?yàn)椤坝性絹?lái)越多的企業(yè)、越來(lái)越多的人才參與到AI的發(fā)展、推廣、落地之中”，在“政產(chǎn)學(xué)研”模式的推動(dòng)之下，AI也將被掀開(kāi)神秘面紗，顯露出最真實(shí)的樣子，而大眾在未來(lái)也會(huì)對(duì)AI形成一個(gè)“全面、客觀”的認(rèn)知。
在掘金志與多位AI從業(yè)者的交流過(guò)程中，幾乎所有人都對(duì)AI充滿希望，即便AI仍然處于「弱人工智能」階段，他們?nèi)匀粓?jiān)信，AI有著光明的未來(lái)。
“AI的浩海不止于邊邊角角，而在于改變世界?！遍_(kāi)篇吐槽「人工智障」的那位工程師告訴掘金志，即便改變世界的路途，充滿坎坷，但“因?yàn)闊釔?ài)，所以堅(jiān)持?！?/strong>
而對(duì)于大眾的一些調(diào)侃和質(zhì)疑，他遲疑了一下，回道：
“請(qǐng)給AI一些包容?！?span style="color: #FFFFFF;">雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
