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
|
3天前
|
人工智能 Java Serverless
阿里云函数计算助力AI大模型快速部署
随着人工智能技术的快速发展,AI大模型已经成为企业数字化转型的重要工具。然而,对于许多业务人员、开发者以及企业来说,探索和利用AI大模型仍然面临诸多挑战。业务人员可能缺乏编程技能,难以快速上手AI模型;开发者可能受限于GPU资源,无法高效构建和部署AI应用;企业则希望简化技术门槛,以更低的成本和更高的效率利用AI大模型。
33 12
|
1天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2天前
|
人工智能 Kubernetes 安全
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
30 13
|
1天前
|
人工智能 Cloud Native 调度
阿里云容器服务在AI智算场景的创新与实践
本文源自张凯在2024云栖大会的演讲,介绍了阿里云容器服务在AI智算领域的创新与实践。从2018年推出首个开源GPU容器共享调度方案至今,阿里云容器服务不断推进云原生AI的发展,包括增强GPU可观测性、实现多集群跨地域统一调度、优化大模型推理引擎部署、提供灵活的弹性伸缩策略等,旨在为客户提供高效、低成本的云原生AI解决方案。
|
2天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
1天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
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。
4485 0
|
6天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
|
7天前
|
机器学习/深度学习 人工智能 TensorFlow
探索AI技术在医疗健康领域的应用
随着人工智能技术的不断发展,其在医疗健康领域的应用也日益广泛。本文将介绍AI技术在医疗健康领域的应用,包括医学影像分析、智能诊断和治疗建议、药物研发等方面。通过代码示例,我们将展示如何使用Python和TensorFlow构建一个简单的神经网络模型来进行医学影像分析。
34 13