全部

人工智能风口下，全球人工智能人才在哪？

 ·  2018-03-22 17:00:15  ·  北京瑞铭安普科技有限公司
从人工智能人才的集聚度来看，我国的情况是，前三名雇主中有一名是高校（清华大学），前十名中有四名是高校（清华大学、北京大学、中科院和浙江大学），高校占比32%；美国前六名雇主均为企业，占比84%；后四名中有三名是高校，占比16%（表1）。中美两国都表明，人工智能人才主要集中在知名高等院校和大企业。
 
从当前人工智能人才整体培养实力上看，虽然我国与美国有差距，但是我国在理工科，特别是基础学科人才培养方面有深厚的底蕴，例如计算机相关专业、电子与电气工程、物理、数学等专业教学水平在全球保持领先地位，而这些学科都是从事人工智能和机器学习应用开发的核心基础。
 
近年来，美国已从国家层面制定相关计划大力培养人工智能人才。其中，《美国国家人工智能发展与研究战略计划》认为“人才战略”是最关键的七个战略方向之一，提出需要开展更多研究，以更好地了解人工智能研发对当前和未来的劳动力需求，从而保障整个人工智能领域的人力资本队伍。同时，两大核心建议之一是从国家层面上创建和维持可持续发展的人工智能人才队伍。
 
二、人工智能人才的市场竞争
 
随着越来越多的高科技公司开设机器人或者人工智能业务分部，人工智能或机器学习类专业人才正在变得炙手可热，人才价格也是水涨船高。甚至在硅谷，刚毕业的人工智能领域博士能拿到超过百万美元的年薪。
 
目前国内人工智能相关技术岗位，主流年薪也在30-60万元。计算机世界研究院调研采访的多位业内专家普遍认为，人工智能人才价格近年来暴涨，一方面是人工智能正处在风口，企业纷纷担忧在激烈的竞争中输在起跑线上，因此加大人才投入；另一方面则是人工智能人才市场尚处在成长期，能挑大梁的人才稀缺。
 
相关数据统计，目前中国人工智能研究方向的一流高校实验室总共约二三十个，平均每个实验室每年能产出1.5名博士生，4名硕士生，总人数不足200人——这还不够10家公司去分。
 
人才、数据和架构是做好人工智能的三大要素，而人才更是企业的生命之源，在人工智能人才市场存在巨大缺口的情况下，高校成为这场博弈的主战场。
 
2015年，Uber直接挖走了卡耐基梅隆大学国家机器人研究所140名研究人员的中40人。从2014年起，谷歌旗下DeepMind公司开始人才攫取，《自然》杂志搜集的数据显示，这家公司现有研究人员至少有144位，其中几乎2/3来自大学，很多来自于创始人Demis Hassab和Shane Legg在2010年共同工作过的伦敦大学。
 
三、建设上海人工智能人才队伍的建议
 
1、以宽口径培养人工智能人才
 
许多专家表示，中国必须花大力气培养更为广泛的创新文化，方可实现人工智能领域的突破。途径之一就是引入和设计人工智能与其他学科相结合的交叉课程。斯坦福和麻省理工等美国高等院校已经开设了计算机科学与人文学科的联合专业，旨在寻求激发创造力的新方法，此类课程能够激发人工智能在医疗、法律、金融和媒体等各领域的应用。
 
在国内，不久前，教育部发布了《教育部高等教育司关于开展“新工科”研究与实践的通知》，“新工科”的专业设置将以互联网和工业智能为核心，再融入其他相近理工学科。建议上海高校院所的改革步伐可以更大一点，把人文艺术设计类学科也纳入新工科建设范畴，培养拥有更丰富知识背景的人工智能人才。
 
2、以政府数据开放和大数据企业发展来带动人工智能人才集聚
 
百度人工智能团队前负责人吴恩达指出：领先的科技公司对于人工智能人才来说有两大吸引力——强大的计算能力和大量的数据资产，这对于从事机器学习领域的人才来说非常重要。
 
因此，政府要进一步开发开放拥有的数据，鼓励企业和创业者在数据公共服务创新平台上开发满足多元化人工智能的各种应用。与此同时，积极培育国内大数据企业，特别是加强上海本土领域企业发展状况的调查研究，在摸清家底的基础上，制定中长期发展规划、滚动发展计划及重点支持对象，为本土企业发展提供更好条件。
 
3、加强与全球顶尖数据科学家合作
 
在人工智能赛道上，算法为天、计算能力为地、芯片为核心。中国能否在人工智能实现弯道超车，首先要看在核心阵地是否有所作为。上海在芯片设计和制造方面是有优势的，是国内集成电路产业起步最早、产业链最完整、综合技术水平最高的地区。
 
根据上海市集成电路行业统计网（SICS）的统计，2015年浦东从事集成电路产业的企事业单位共248家，从业人员60995人，占全上海的46.61%。但上海目前还存在着“高端难承接、低端被转移”的尴尬。
 
因此，除了培养国内人才，还需要利用上海全球科创中心、张江综合性国家科学中心建设的契机，参与到国际协作之中，包括大力引进国际人工智能专家来沪工作、鼓励人工智能领域的科研人员出国学习全球最新的科学技术等。这些要求政府进一步加大落实人才落户政策和对外交流政策，并出台奖励和支持措施。
 
4、着力加强数据和人工智能在各个阶层的教育
 
虽然目前人工智能对劳动力就业的影响尚未完全清楚，但从长远来看，未来一项挑战是帮助受到人工智能冲击的行业劳动力重新适应并获得新技能。学校需要更重视科学、技术、工程和数学教育，基础教育和职业培训也需要增加数据教育的内容，以让劳动者更了解数据价值，培养数据应用技能。