科技行者 10月11日 北京消息: 中国AI人才的培养和发展即将迎来新机遇。10月10日,深度学习工程师认证发布会暨人工智能人才发展论坛在京召开。会上,基于中国软件行业协会发布的国内AI领域第一个专业技术人才培养标准——《深度学习工程师能力评估标准》(以下称《标准》),深度学习技术及应用国家工程实验室、中国软件行业协会、百度公司联合发布了中国AI领域第一个深度学习工程师认证考试方案和第一个体系化的深度学习人才培养方案。
“深度学习的发展推动了人工智能在各行各业的广泛应用,而深度学习的发展离不开深度学习工程师,未来深度学习工程师也会成为各行各业的主力军。”百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰表示,百度希望通过落实深度学习工程师认证标准,培养更多、更高水平的工程师,加速推动产业发展,为社会发展变革带来更大价值。
百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰致辞
当前,人工智能的发展正遭遇“人才荒”。根据领英大数据显示,全球AI人才整体340万人左右,而全球深度学习人才只有9.5万左右,并且这些深度学习的人才换工作的频率较高,人才的流动,也加大了相关岗位的缺口。
人才的培养需要体系化的人才教育、认证标准作为指导。中国软件行业协会常务副秘书长陈宝国介绍,中国软件行业协会发布的国内首个人工智能产业专业技术人才培养标准,参考中国软件行业多家企业、多位高校教授和企业技术专家的意见建议制定,主要面向人工智能行业的企业员工及社会开发者,对于深度学习工程师能力的评估分为初级,中级,高级三个级别。深度学习工程师能力评估要素主要包括专业知识,工程能力,业务理解与实践共3大类9小类。
中国软件行业协会常务副秘书长陈宝国演讲
陈宝国表示,行业需要深度学习人才去推动其应用、转型,中国软件行业协会将与深度学习国家工程实验室、百度公司一起,基于《标准》进行认证及培训,借助深度学习国家工程实验室和百度公司在AI技术及应用领域的深厚积累,充分发挥中国软件行业协会在软件行业领域的平台优势,共同为行业培养人才,推动行业变革转型。
人才标准的制定只是第一步,标准落地被认可及应用,同样重要。
据介绍,百度将《标准》中划分的初、中、高三个认证等级与百度工程师职级进行对标,每一个认证等级所代表的能力与岗位职责都能够与百度工程师不同职级水平充分对齐,让企业方对于AI人才选育用留能有统一的标尺和参考。此外,百度还将针对《标准》设置培训课程,发布全套培训资料,并邀请资深深度学习工程师作为特邀讲师,共同投入到深度学习人才建设中来。
“创业公司没有时间和精力在人事问题上反复试错,《标准》的发布让技术基础水准明晰化,认证和培训让人才培养和鉴别有章可循,这对创业公司来说很有价值。”晶兆科技CEO吕家平表示。
“深度学习工程师认证是人才评价与培养的有效依据。“百度技术学院院长陈尚义认为,AI领域发展迅猛,行业对于AI人才,尤其是深度学习人才需求旺盛,求职者学习动力十足。而AI行业龙头企业对行业趋势和人才需求了解最为深刻,行业领军企业的参与对于人才培养的价值深远,最为适合作为核心力量,深度参与到行业人才建设中来。
百度在深度学习领域深耕已久。2012年,百度就开始对深度学习进行研究和应用,先后验证了其在语音和图像识别上的效果。2013年,百度成立了深度学习研究院IDL,并在世界上率先将深度学习技术应用于大规模搜索引擎。2016年,百度开源了国内最早的、也是目前唯一的深度学习框架——PaddlePaddle。2017年,百度承建了“深度学习技术及应用国家工程实验室”。
在深度学习人才培养方面,百度也早已开始布局。此前,百度已通过师资培训教学研讨、深度学习公开课、深度学习布道师沙龙、AI算法赛等比赛等多种路径,推动深度学习人才培养。百度此前还推出了集合AI教程、代码环境、算法、算力和数据集的线上一站式开发平台AI Studio,为深度学习人才提供实训平台。目前,AI Studio已上线400节免费课程、100个样例工程和数据集,提供100GPU集群算力,帮助开发者训练了超过7000个实验项目。借助这些工具,无论是零基础的初学者,还是资深的AI开发者,都可以提升自己深度学习技术水平,并能让自己的学习成果落地。百度AI技术生态部总经理喻友平表示,让每一位开发者都能平等便捷地获取AI能力是百度AI的愿景,百度产教结合推动深度学习教育,用产业应用经验指导教学,通过教学为产业提供实用型人才。无论是零基础的初学者,还是资深的AI开发者,都可以提升自己深度学习技术水平,并能让自己的学习成果落地。
深度学习技术和背后蕴藏的思维方式,已经成为当下人工智能产业的基石,也是AI技术从业者、AI项目管理者必备的基础能力和认知方式。业内人士分析认为,随着人工智能产业的飞速发展,人才对产业的拉动和支撑作用将更加明显,百度基于领先、严谨的技术实力切入人才建设,将为AI落地带来一个新的加速力。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。