追趕人工智能的年輕人

張麗娟

正在以空前速度“催熟”的人工智能產(chǎn)業(yè)，正在鞭撻人們做出選擇和改變。

摸著自己“羞澀”的錢包，看著眼前培訓(xùn)班門口顯示屏上的紅色喜報，李天跨出了他走進(jìn)人工智能培訓(xùn)班的第一步。七拐八拐，長長的走廊上掛著滿滿當(dāng)當(dāng)?shù)膬?yōu)秀學(xué)員照片展示。

這是一個很平常的周末早上，連9點(diǎn)都不到，但讓李天想象不到的是，培訓(xùn)班外面的走廊上已經(jīng)傳出了教室里講師高亢的講課聲。

培訓(xùn)班的咨詢師小張自信地為李天介紹，這個人工智能培訓(xùn)班已經(jīng)“有5年歷史，成功舉辦了無數(shù)屆”。宣傳單頁上，就連生物工程背景的學(xué)生，也藉由這個培訓(xùn)班，成功搭上了開往人工智能的專列，甚至拿到了李天夢想中的薪水。

培訓(xùn)班上的打拼者

李天已經(jīng)無數(shù)次研究網(wǎng)上招聘信息和培訓(xùn)課程，心里反復(fù)不停地掂量著。培訓(xùn)班咨詢老師小張對此則不以為然——現(xiàn)在，他的生意并不缺。

“我們分兩種，一種是全日制培訓(xùn)班，一般每期至少會有30多個人報名。最近一期，我們有60多個學(xué)生。另一種是周末培訓(xùn)班，大概在20人左右。很不巧，我們最近一期的周末班已經(jīng)開班1個多月了，如果你著急上，要看你能不能跟上課。否則你就得等下一期?！毙垶槔钐旖榻B著培訓(xùn)班近期的狀況。

這讓李天很吃驚。他完全沒想到過來上培訓(xùn)班還報不上名，甚至報名之后，還要等。就算順利上了，之后的求職還是個未知數(shù)。

小張看出了李天的心思，緊跟著對他繼續(xù)說：“職業(yè)教育培訓(xùn)，不僅是單一講技術(shù)，我們會安排就業(yè)。有相關(guān)合作企業(yè)會過來招聘，是免費(fèi)推薦。最近的一個班，11月畢業(yè)，已經(jīng)有十幾家企業(yè)預(yù)定了30多個學(xué)生，這些都不用擔(dān)心?！?/p>

李天決定去試聽一節(jié)課再說。

在試聽的課堂上，李天遇到了與他一樣用渴望的眼神看著講師的其他30多名學(xué)生——學(xué)生物工程的玲玲，學(xué)測試的珍珍……

試聽后，李天躊躇著。“比起其他培訓(xùn)班的魚目混雜，這個領(lǐng)域還是比較看重學(xué)歷的。老師的說法是，這個培訓(xùn)班上30%是本科學(xué)歷，48%是大專學(xué)歷?！崩钐鞂Α敦斀?jīng)天下》周刊說，“我是普通本科畢業(yè)，之前也算是一個碼農(nóng)吧，算是有些基礎(chǔ)。再說了，這個班要教的Python語言，80%的技術(shù)崗位都可以用到?！?/p>

最終，李天報了這個學(xué)費(fèi)接近2萬元的80天速成班。盡管這筆不菲的培訓(xùn)費(fèi)已是他兩個月的薪水，但想想自己年近30依然月入不到1萬，萬一培訓(xùn)后，獵頭口中動輒幾萬元的月薪工作向自己招手了呢？

李天并不是個例，他在的1個多小時內(nèi)，來報名咨詢的人絡(luò)繹不絕，培訓(xùn)班的5間咨詢室中，業(yè)務(wù)就沒有絲毫的空閑及間斷。咨詢的人游移著、權(quán)衡著，即使下了決心，也還是迷茫著。就如水木上那個匿名網(wǎng)帖描述的一樣矛盾：“人工智能各方面人才其實(shí)都是需要的，難道只有算法大牛能成事？但是未來的出路也需要考慮考慮。”

暴增的科班在校生

和李天不同，陳龍是一名北大在讀博士。今年2月，他和隊(duì)友們在首屆阿里聚安全算法大賽中奪魁，也算是和安全領(lǐng)域的人工智能結(jié)緣了。

陳龍并不是人工智能科班出身，而是在專業(yè)探索之中接觸到人工智能的?！拔冶究茖W(xué)的是電子信息科學(xué)與技術(shù)，碩士專業(yè)是通信工程，博士專業(yè)是軟件工程?！?/p>

2013年前后，恰逢大型開放式網(wǎng)絡(luò)課程（MOOC）剛剛興起，新鮮感加上求知欲，促使陳龍?jiān)谥_在線課程項(xiàng)目Coursera上學(xué)習(xí)了很多課程?！捌渲?，用R語言做數(shù)據(jù)分析的課程，為我打開了通往數(shù)據(jù)科學(xué)的大門。”陳龍說。

和很多人一樣，陳龍?jiān)贑oursera上學(xué)了人工智能領(lǐng)域權(quán)威學(xué)者吳恩達(dá)的機(jī)器學(xué)習(xí)入門課程，并且滿分通過，這也更加堅(jiān)定了他把數(shù)據(jù)科學(xué)作為專業(yè)的選擇。

不過，跟李天迫切想提高薪水不同，陳龍更多的還是想要用技術(shù)創(chuàng)造價值，成為一名數(shù)據(jù)科學(xué)家。但讓陳龍感到困惑的是，在如今人工智能這個異常熱鬧的領(lǐng)域中，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)、大數(shù)據(jù)……光是這些熱門詞就讓人覺得分不清，它們所涉及到的技術(shù)更是讓人眼花繚亂。

“學(xué)習(xí)R還是Python？Spark那么火，Hadoop還要不要學(xué)？Caffe、Tensorflow、PyTorch、Keras、MXNet等流行的深度學(xué)習(xí)框架，該學(xué)哪一個？”陳龍說。

與陳龍相比，人工智能科班出身的學(xué)生，困惑一點(diǎn)也不少。一位2012年報考了某校第二屆人工智能專業(yè)的人士，在本科畢業(yè)后總結(jié)說，人工智能專業(yè)似乎與“自動化”那個萬金油專業(yè)很像，與電子、信息、計(jì)算機(jī)、數(shù)學(xué)、自動化專業(yè)都有關(guān)。“我自己學(xué)的東西基本介于電子工程和計(jì)算機(jī)科學(xué)之間。模式識別學(xué)了一些，但都是皮毛?！辈粌H如此，人工智能對數(shù)學(xué)要求也比較高，特別是離散數(shù)學(xué)、優(yōu)化那塊，但又跟理論數(shù)學(xué)差別非常大。

他為自己的學(xué)弟學(xué)妹總結(jié)了一條人工智能的求學(xué)之路——學(xué)好計(jì)算機(jī)科學(xué)，拿到美國大學(xué)要求的GPA高分，念好外語，然后出國?！爱吘谷斯ぶ悄芎蜋C(jī)器學(xué)習(xí)的核心研究都在那邊?！?/p>

不過，一邊是還在形成之中的學(xué)科教育體系，一邊是學(xué)科在校生的暴增。在北大信科學(xué)院，學(xué)生在大二會有專業(yè)分流，可選電子、微電子、計(jì)算機(jī)、人工智能四個系中的一個?！?0年前，2007級那會兒，選擇電子系的學(xué)生數(shù)達(dá)到了巔峰，近110名。而選擇人工智能的學(xué)生只有區(qū)區(qū)30人左右。”陳龍說，之后幾年，選擇電子系的人數(shù)逐年下降，而人工智能的學(xué)生逐年攀升，到了2011年前后，兩個系的學(xué)生數(shù)幾乎翻轉(zhuǎn)過來。

“人工智能近10年飛速發(fā)展，越來越多的學(xué)生選擇了相關(guān)專業(yè)，IT職場人士也有很多在轉(zhuǎn)型?！标慅堈f。

領(lǐng)英前不久的人才報告也印證了這個潮流。相比美國，在人工智能領(lǐng)域，中國年輕一代的占比更高，28歲～37歲中青年（80后）是AI領(lǐng)域發(fā)展的主力軍，占AI發(fā)展總?cè)藬?shù)的50%以上。相較而言，美國AI人才在各年齡段分布得更加平均，48歲及以上的資深人才占比為16.5%，遠(yuǎn)高于中國的3.7%。endprint

千軍萬馬的創(chuàng)業(yè)者

不僅是暴增的求學(xué)者，創(chuàng)業(yè)者也紛踴踏至。

據(jù)《烏鎮(zhèn)指數(shù)：全球人工智能發(fā)展報告（2017）》中的數(shù)據(jù)顯示，2000年以來，全球平均每天誕生約1.39家人工智能企業(yè)。而過去5年是人工智能創(chuàng)業(yè)的重要階段——全球60%以上的人工智能企業(yè)誕生于這一階段;在288億美元的融資中，超過70%集中在這段時間發(fā)生。

這么多的創(chuàng)業(yè)者，首先要面對的就是人才搶奪戰(zhàn)。前有今日頭條創(chuàng)始人張一鳴放話：“人才的水平有多高，我們的薪酬就有多高?！焙笥猩虦萍?“按圖索驥”畫出“博士人才名單”，但凡有人即將畢業(yè)，就馬上找上門，不讓任何魚兒漏網(wǎng)。

依圖科技也加入了這場人才的搶奪戰(zhàn)之中。隨著人工智能要在行業(yè)中落地，跨界人才成為最好的人選。

“以依圖醫(yī)療骨齡產(chǎn)品研發(fā)為例，項(xiàng)目負(fù)責(zé)人林強(qiáng)做了十幾年的醫(yī)生，idea比較新，能夠接受新事物，是最合適把醫(yī)療跟人工智能技術(shù)結(jié)合起來的人。”依圖醫(yī)療副總裁倪浩說。

倪浩本身的發(fā)展也詮釋了這類跨界人才的成長路徑。他高考報考了醫(yī)學(xué)院，后來又因興趣改學(xué)計(jì)算機(jī)，在計(jì)算機(jī)行業(yè)從業(yè)后，現(xiàn)又在依圖科技做起人工智能和醫(yī)療相關(guān)的創(chuàng)業(yè)。

而當(dāng)人才和技術(shù)都有了，怎么進(jìn)行商業(yè)變現(xiàn)也是人工智能創(chuàng)業(yè)者正在探索的。

“我們目前還沒有一個完整的答案，還在一個探索過程中?？赡芑ヂ?lián)網(wǎng)中大家常說的，我們不知道哪里是豬，哪里是羊毛，但只要人工智能可以有所幫助，就一定是能收到錢?！蹦吆普f，“而錢不能是從原來的收費(fèi)體系里來。盯著國家的收費(fèi)，非要從原有收費(fèi)體系里扣一塊的思路特別不正確。因?yàn)獒t(yī)院最近10年變化非常大，比如藥品平價化。目前，我們最重視的是人工智能要帶來價值?！?/p>

當(dāng)然，作為人工智能領(lǐng)域的先行者，具體到某個應(yīng)用場景，還有相關(guān)的困擾在等待著這些創(chuàng)業(yè)者。

在被提及到發(fā)展中遇到的一些困惑時，倪浩這樣說道：“到現(xiàn)在為止，人工智能醫(yī)療企業(yè)沒有一個獲得‘食藥監(jiān)許可證的。3類許可證要企業(yè)創(chuàng)辦滿兩年才可以拿到。但中國還沒有哪家人工智能醫(yī)療公司真正做滿兩年的。監(jiān)管和創(chuàng)新要有一個度的把握，希望可以有一個利于行業(yè)發(fā)展的監(jiān)管環(huán)境。”倪浩說。

跨界兩年小試牛刀

顏水成拉過一把探路者的帆布椅，坐在我們面前，身子前傾，像是和朋友或同事討論事情一樣，他語調(diào)平和而誠懇。辦公室的淺綠磨砂玻璃窗上用黑碳素筆列著一些研究事項(xiàng)和公式。

顏水成是360集團(tuán)副總裁、人工智能研究院院長，兩年前，從學(xué)界跨入產(chǎn)業(yè)界?！霸谖遗c企業(yè)接洽的時候，人工智能學(xué)界還未形成后來紛紛跨入產(chǎn)業(yè)界的風(fēng)潮。”他對《財經(jīng)天下》周刊說。

在進(jìn)入360前，顏水成在學(xué)界做得風(fēng)生水起，獲得超過30項(xiàng)學(xué)術(shù)榮譽(yù)，其團(tuán)隊(duì)在多個頂級學(xué)術(shù)會議上是單次發(fā)表論文最多的團(tuán)隊(duì)。“新加坡是個世外桃源，非常適合做學(xué)術(shù)，經(jīng)費(fèi)充足，又不受雜事干擾?！彼f。他和他的團(tuán)隊(duì)在7年間共發(fā)表了400多篇論文，所有論文已被引用了3萬多次，并獲的了IEEE Fellow、IAPR Fellow殊榮?！皩W(xué)術(shù)上該做的事情已到了一個階段”。

2014年利用學(xué)術(shù)休假，顏水成幫助一家國內(nèi)大型電商平臺成功上線一款基于計(jì)算機(jī)視覺技術(shù)的商品搜索應(yīng)用?！翱粗栈盍坎洳渫蠞q，沒多久就到了50萬，現(xiàn)在已經(jīng)是千萬級日活了，那種感覺是不一樣的?！鳖佀筛械?，技術(shù)就應(yīng)該以產(chǎn)品化的方式來推動，自己應(yīng)該到工業(yè)界走一走。在2015年，他接過了360拋來的橄欖枝，從學(xué)界跨越到工業(yè)界。

進(jìn)入360后，顏水成要找到人工智能技術(shù)與這家企業(yè)的業(yè)務(wù)結(jié)合點(diǎn)。實(shí)際上，他也花了很長時間跟我們分析一些智能化技術(shù)的產(chǎn)品化前景?！氨热缰悄芤粝?，對整個人工智能的發(fā)展非常關(guān)鍵，但這種人機(jī)對話還未達(dá)到心靈層面的交流，用戶是否買賬還是存疑的。包括AR、VR、對話機(jī)器人和自動駕駛，還需要足夠時間才能看到大爆發(fā)的可能。”

現(xiàn)在，顏水成做出了自己的判斷，人工智能技術(shù)產(chǎn)品化要看4個條件：一是有沒有高頻剛需;二是技術(shù)是否成熟;三是技術(shù)是否有壁壘，如果技術(shù)有可能被大廠免費(fèi)開放，你的投入就要非常小心了;四是有沒有清晰的商業(yè)變現(xiàn)模式。

根據(jù)這4個標(biāo)準(zhǔn)，顏水成也逐步摸索出360的人工智能產(chǎn)品化戰(zhàn)略。比如計(jì)算機(jī)視覺技術(shù)，在360目前主推的快視頻產(chǎn)品中，能對視頻進(jìn)行精細(xì)分析，像視頻質(zhì)量分析、視頻內(nèi)容分析等。這些信息能實(shí)現(xiàn)智能推薦或內(nèi)容二次編輯，產(chǎn)生更酷的短視頻，在360花椒直播、花椒相機(jī)、奶糖等急速上升的平臺上發(fā)揮重要作用。

顏水成組織團(tuán)隊(duì)進(jìn)行了技術(shù)攻堅(jiān)和產(chǎn)品化，取得了成效。而因?yàn)?60本身業(yè)務(wù)比較多，“專注在哪些方向是需要經(jīng)常思考和調(diào)整的”。

從學(xué)界跨入產(chǎn)業(yè)界，顏水成看到兩個領(lǐng)域的不同。學(xué)界是先定義了問題和數(shù)據(jù)，你可以不停地增加資源、改進(jìn)算法來提升精度，但工業(yè)界是另一回事，它只有場景是確定的，其他都是動態(tài)的，資源也是受限的，因此，兩者解決問題的方法論完全不同。“這也是從學(xué)界跨界而來的人士必須要做出的轉(zhuǎn)變?！?/p>

在360這家中等規(guī)模的企業(yè)，顏水成就需要在有限的資源中，在某個項(xiàng)目上，“用好10到20人，做到比超大公司上百人更好或者相當(dāng)?shù)男Ч?。”如何協(xié)調(diào)好這些人才就變得異常重要。

“我們在計(jì)算機(jī)視覺技術(shù)上有優(yōu)勢，組建時招聘了一批這個領(lǐng)域的頂尖人才，很多是從世界級大賽中鍛煉的學(xué)生，再加上之前360內(nèi)部的一批精兵，就變得非常適合攻堅(jiān)，也具備了跟其他機(jī)構(gòu)比拼的實(shí)力?！?/p>

今年7月，360人工智能團(tuán)隊(duì)在有著人工智能“世界杯”稱號的ImageNet大規(guī)模視覺識別挑戰(zhàn)賽上奪得總冠軍，刷新了此前谷歌、微軟、牛津大學(xué)等機(jī)構(gòu)保持?jǐn)?shù)年的世界紀(jì)錄，也讓團(tuán)隊(duì)更有信心和底氣。endprint

如今，研究院已從剛開張的六七個人變成了可以打攻堅(jiān)戰(zhàn)的60多個人。領(lǐng)域也從計(jì)算機(jī)視覺擴(kuò)展到3D和SLAM技術(shù)、對話式人工智能、金融風(fēng)控等方面。

顏水成還發(fā)揮了自己來自學(xué)界的優(yōu)勢，與新加坡國立大學(xué)建立了聯(lián)合實(shí)驗(yàn)室。這些實(shí)驗(yàn)室的負(fù)責(zé)人曾是他的學(xué)生或同事，兩者因而能親密無間地合作。“中型公司要在剛需和長期戰(zhàn)略之間做一個平衡。我們更多地瞄準(zhǔn)短期（一個季度）和中期（半年）看到結(jié)果的產(chǎn)品。短期項(xiàng)目在公司內(nèi)部進(jìn)行團(tuán)隊(duì)攻堅(jiān)，中期技術(shù)，就會由內(nèi)部團(tuán)隊(duì)和聯(lián)合實(shí)驗(yàn)室進(jìn)行合作。但這種機(jī)制并不是所有企業(yè)能建立的，也并不適用于所有公司，恰好是我們的優(yōu)勢。”

炙手可熱的硅谷派

在人工智能人才大潮中，硅谷派有著更多的光環(huán)。

阿里云首席科學(xué)家閔萬里就是其中一位?！?4歲被中科大少年班錄取，19歲赴美攻讀物理學(xué)碩士，后獲得芝加哥大學(xué)統(tǒng)計(jì)學(xué)博士學(xué)位。先后在IBM TJ Watson Research Center及 Google 擔(dān)任研究員。”這是閔萬里在2013年加入阿里之前的履歷。

一路順風(fēng)順?biāo)拈h萬里在IBM跟自己的伙伴一起研發(fā)了針對肌肉萎縮癥患者的腦電波產(chǎn)品，研究效果非常好，也發(fā)表了相關(guān)的文章，但遺憾的是，因?yàn)閼?yīng)用場景過于小眾，商業(yè)化受到了巨大的挑戰(zhàn)。

反而是閔萬里之前關(guān)于交通流相關(guān)的論文，雖然沒有腦電波的技術(shù)難度大，但因?yàn)閷?shí)用性，成為該領(lǐng)域過去5年被引用最多的文章之一，并開發(fā)出很大應(yīng)用空間。

兩者一相比，閔萬里感覺到，一定要去一個數(shù)據(jù)體量較大、場景相對比較新的地方?！岸?dāng)我得知，一家中國企業(yè)的客戶數(shù)據(jù)量，比eBay、亞馬遜、PayPal加起來還要多的時候，這句話就足夠了。”閔萬里堅(jiān)信，這里將有一個巨大的發(fā)展空間。

此時，一位回國僅待了一年又重返硅谷的朋友給了閔萬里一些個人建議，勸閔萬里三思而行。

但這沒有動搖閔萬里的決心，他還是在2013年回國正式加入阿里。

“我回來后拉了一批人回來，包括原來的同行和同事。有人在那邊到了一個天花板的階段，我身先士卒，大家也就回來了?！彼f，“當(dāng)時阿里還沒上市，大家對阿里的發(fā)展前景疑問比較多?，F(xiàn)如今，關(guān)于阿里的疑問越來越少，反而是對自己的疑問越來越多，自己是否適合這里？”

“到阿里之后，我們面對的是商業(yè)化場景，這就需要把技術(shù)落實(shí)到具體的場景之中，抽絲剝繭，哪些技術(shù)可解，哪些問題可以抽象得出，哪些數(shù)據(jù)可以利用，分解成一連串的好問題，才可以真正解決問題?！?/p>

閔萬里也坦承，“硅谷回來的不一定是都是創(chuàng)新者，硅谷也有很多螺絲釘，如果硅谷都是創(chuàng)新者， 那么Facebook已經(jīng)復(fù)制幾千家了。所以硅谷回來的也不一定就是專家，不一定是一個加分項(xiàng)，落地過程中還會遇到很多的挑戰(zhàn)?！?/p>

閔萬里自己也是從基礎(chǔ)研究轉(zhuǎn)型到實(shí)際場景的應(yīng)用中去的?！稗D(zhuǎn)型并不好轉(zhuǎn)，因?yàn)檫@涉及到的不單單是對算法的理解，還要求對目標(biāo)問題的理解，這已經(jīng)超出了算法的原始范疇，我也經(jīng)歷了很多挫折，開展了很多嘗試，但這一步必須要走。如果不走，跟業(yè)務(wù)問題就有一個巨大的鴻溝?！?/p>

在實(shí)踐的過程中，他發(fā)現(xiàn)，人工智能人才一定是能夠創(chuàng)造算法的人。因?yàn)橹挥谐浞至私馑惴ǖ牡滋N(yùn)，才能把分解完的問題匹配到正確的算法上，“懂得背后的原理就不會在選擇時只是擲骰子，沒有根基的浮萍就是以貌取人?！?/p>

但光有算法還不行，他們好在是“自下而上”的人，理解實(shí)際場景。“這好比拿著一把刀去找實(shí)際場景，但如果碰到的是金絲楠木，反而就發(fā)現(xiàn)拿錯了武器。我們有很多人一上來就談技術(shù)細(xì)節(jié)，而忘記了這是解一個整體問題的一環(huán)。”

再加上如果有人一知半解，只能人云亦云，拿別人的配方復(fù)制而不提供新的配方。“愛因斯坦的司機(jī)也能講相對論”，但解決不了問題。這樣的人一旦多起來，就會沖擊市場，劣幣驅(qū)逐良幣，高精尖產(chǎn)業(yè)白菜化，反而對行業(yè)不利。

因此，他更喜歡從研究中培養(yǎng)人才，一起分解，一起探索，引導(dǎo)大家往新的方向走，使優(yōu)秀的人才脫穎而出。endprint