很多人習慣將人工智能比作行駛中的汽車，數(shù)據(jù)是燃料，人才是引擎，算力是底盤，任何一個環(huán)節(jié)存在缺口，這輛車注定是跑不快的。
文｜張賀飛
很多人習慣將人工智能比作行駛中的汽車，數(shù)據(jù)是燃料，人才是引擎，算力是底盤，任何一個環(huán)節(jié)存在缺口，這輛車注定是跑不快的。
算力和數(shù)據(jù)雖然也是問題的關鍵，但在人工智能領域的玩家中，大多數(shù)巨頭在數(shù)據(jù)和算力上都還算糧草充足，即便是創(chuàng)業(yè)系公司，也可以通過花錢來解決。人才反而成了最大的不確定性，決定了算法的水平，左右了發(fā)展方向。
正因為人才的緊缺，在人工智能領域，往往不乏濫竽充數(shù)之輩。也有不少在線學習平臺上線了零基礎入門的課程，似乎只需要花幾十個小時聽完課，就可以為自己的簡歷貼上“人工智能”的標簽。也恰恰是缺少了人才標準，人工智能的亂象和其關注度一樣熱鬧了起來。
好在有人觀察到了亂象并做出了行動——10月10日，深度學習工程師認證發(fā)布會暨人工智能人才發(fā)展論壇在京召開。深度學習國家工程實驗室、中國軟件行業(yè)協(xié)會、百度公司聯(lián)合發(fā)布了中國AI領域第一個深度學習工程師認證考試方案——《深度學習工程師能力評估標準》，也是第一個體系化的深度學習人才培養(yǎng)方案。
AI人才荒
Element AI公布過這樣一份調查數(shù)據(jù)：全球約有22000名接受了博士教育的AI領域研究者，其中不到1萬人具備創(chuàng)建機器學習系統(tǒng)的專業(yè)知識，但只有3000人正在找工作。
而從各大公司招聘的崗位來看，除了深度學習、人工神經網絡、計算機視覺、自然語言處理或機器人等技術術語，Python、Theano等編程語言也是必備技能。即使沒有博士學位的限制，全球符合條件的人才也僅有9萬人左右。
與之對應的卻是百萬級的人才需求，巨大的供需差導致的一個現(xiàn)象就是：突如其來的AI人才荒和水漲船高的薪酬體系。比如說高級算法工程師動輒百萬級年薪；BAT等互聯(lián)網巨頭不惜代價挖人；人工智能相關的投資者也學會了“看人下菜碟”，創(chuàng)始人的資歷幾乎決定了公司的價值……
同時人工智能相關的人才也是階梯型的，最頂層的是算法科學家，有能力做框架和前沿性研究，數(shù)量上自然鳳毛麟角；第二層是工程師型人才，或許沒有能力獨創(chuàng)框架，卻可以在流行的框架上做適配、改進，進而為項目做定制化調整；最底層的就是AI入門級人才，大多是在人工智能爆發(fā)后轉型的“門外漢”，利用公開課或者培訓學會一些皮毛知識。
AI的人才困境已經出現(xiàn)了諸多不和諧的信號，不同公司的AI水平良莠不齊，諸如百度等前沿研究者牢牢占據(jù)第一梯隊，大多數(shù)人工智能公司對AI的研究仍處于初級階段。同時也在影響AI大牛們的擇業(yè)觀，大牛們選擇和同樣出色的人才協(xié)作，留給創(chuàng)業(yè)公司乃至傳統(tǒng)企業(yè)的人才困境越發(fā)嚴重。
人工智能連同量子技術、虛擬現(xiàn)實等被稱為“第四次工業(yè)革命”，當前面臨的人才荒無疑是最大的短板，畢竟人工智能的使命不是少數(shù)幾家巨頭的“一枝爭春”，而是整個行業(yè)的“百花齊放”，像前三次工業(yè)革命一樣對社會進行顛覆性改造。
如何構建合理的AI人才成長體系，如何讓相關人才培養(yǎng)標準化，業(yè)已成為人工智能行業(yè)最為強烈的呼聲。
標準落地
規(guī)范化早已成為一種社會規(guī)則，IT行業(yè)尤為如此，一些企業(yè)標準儼然成為行業(yè)發(fā)展風向標。如同在PC時代，培養(yǎng)系統(tǒng)網絡管理和應用開發(fā)人才的“微軟認證”，在網絡工程領域權威的“思科認證”等等。同樣，人工智能的飛奔自然離不開標準的確立。
百度又一次成為國內的先行者，率先落地中國軟件行業(yè)協(xié)會發(fā)布的《深度學習工程師能力評估標準》，計劃對深度學習工程師進行權威測試和考核，以填補國內人工智能產業(yè)中相關人才缺少標準的空白。
比起AI人才招聘中的“階梯型”分類，標準中對“深度學習工程師”的能力認證要更為詳細，依次是深度學習工程師高級、中級、初級，分別對應的是應用經驗、實操能力和理論知識。評估要素包括專業(yè)知識、工程能力、業(yè)務理解與實踐，涵蓋編程、機器學習、神經網絡、深度學習、代碼規(guī)范能力、 算法模型實現(xiàn)等等。
百度也順勢成為第一家落地《深度學習工程師能力評估標準》，進行人才培訓和認證體系的企業(yè)。亦或者說，標準的誕生與百度在人工智能領域的實踐不無關系。
早在2012年的時候，百度就開始對深度學習進行布局，2013年成立了深度學習研究院，于2016年推出了國內唯一的深度學習開源平臺PaddlePaddle，如今的PaddlePaddle，包括完整的核心框架，以及AI Studio、AutoDL、EasyDL等可以讓開發(fā)者平等便捷獲取頂尖AI能力的組件。
其實縱觀全球AI領域，深度學習開源框架并不少，尤其是谷歌、亞馬遜、微軟等巨頭，他們依靠深度學習開源平臺+人工智能芯片”的模式牢牢握住了話語權。在經歷了中興事件之后，中國企業(yè)開始意識到自主知識產權對企業(yè)安全和穩(wěn)定發(fā)展的重要性，而百度的PaddlePaddle則完成了從芯片到文檔、從框架到應用工具的全面自主化，是名符其實的“中國標準”。
可以看到，百度想要的并非是為AI人才出一份試卷，而是一套完整的，適合中國開發(fā)者的培養(yǎng)方案，不盲目給AI人才設門檻，反而是給開發(fā)者架一座橋，如此才是解決AI人才荒的正確方式。
黃埔軍校
坊間一直流傳著這樣的觀點：百度已經是人工智能領域的黃埔軍校。
百度是國內最早向人工智能轉型的互聯(lián)網巨頭，知名科技媒體TOPBOTS在2017年評選出的“20位驅動中國人工智能改革的科技領導者”名單中，王海峰、景鯤、徐偉等百度系占了10個名額，足以印證其行業(yè)地位。
當然也有另一個角度，后續(xù)發(fā)力人工智能的公司中，大多養(yǎng)成了從百度挖人的“習慣”，此外在人工智能相關的創(chuàng)業(yè)者中，有百度背景或被百度投資的也占了大半。
不過百度正在重新定義AI的“黃埔軍?！?。倘若各AI企業(yè)一直持續(xù)不計成本挖人的局面，各家開出的籌碼越來越高，無疑將逐漸演化成一場惡性競爭，對于國內人工智能的研究將并無益處。人才終歸是人工智能的引擎，相比于AI大牛頻繁跳槽的八卦故事，值得關注的是如何持續(xù)性培養(yǎng)出更多的AI人才。
率先落地人才認證標準是百度給出的答案，PaddlePaddle是百度為深度學習人才搭建的橋梁，通過它，開發(fā)者可以迅速取得實踐經驗，直接為企業(yè)服務。
從技術細節(jié)上來看，PaddlePaddle集成了所有主流算法、支持海量數(shù)據(jù)訓練、CPU/GPU單機和分布式并行運算，具有易用、高效、靈活和可伸縮等特點。且與谷歌、Facebook不同的是，PaddlePaddle在中文自然語言處理、中國人臉、中文語音處理等方面有著無可比擬的優(yōu)勢，最大程度地滿足了中國開發(fā)者。
而在應用層面上，PaddlePaddle致力于打造自主可控的人工智能生態(tài)，最大程度地滿足企業(yè)、高校和開發(fā)者的需要，讓深度學習為各行各業(yè)賦能。從智慧城市、智慧零售到智慧農林等領域PaddlePaddle的落地案例更不勝枚舉——招聘網站簡歷智能篩選、樓宇機電系統(tǒng)智能調控、生鮮進貨量智能預測、智慧農林AI識蟲……這些都是基于PaddlePaddle進行的應用。
回到“黃埔軍校”的說法上，絕非是因為匯聚了太多AI人才而得名，相反是完整的人才架構，既有頂尖的科學家，也有專業(yè)的工程師，以及完善的人才培養(yǎng)和福利。由此百度才有了牽頭制定人才標準的機會，打造AI“教材”的能力。
或許可以打這樣一個比方：人工智能的競爭就像是一場汽車競速賽，其他選手仍在思考該如何提高發(fā)動機馬力，百度這輛車已經遠遠跑在了最前面，并在沿途建設起“加油站”，讓其他選手的發(fā)動機也能夠保持動力輸出。
中美之間人工智能的競爭可能體現(xiàn)在很多方面，可能是產品的較量，也可能是論文數(shù)量上的PK。但只有確定的人才標準，并建立起成熟的認證和培養(yǎng)體系，讓AI成為一種通用技術，中國人工智能行業(yè)才真正具備比肩世界的機會。
聯(lián)系客服
