科技行者 12月2日 北京消息:
以上结论来自Udemy for Business发布的《2020年职场学习趋势报告:未来技能(Udemy for Business’ 2020 Workplace Learning Trends Report: The Skills of the Future)》。此份报告列举一系列极具说服力的证据表明,“在AI时代,劳动力的第一要务就是为未来的全新工作方式做好准备”。援引《经济学人》最近发表的一篇文章,Udemy预计2020年将成为AI技术全面成为主流的一年。报告中指出,“在金融领域,由AI及计算机管理的投资基金在当今美国股市中占比高达35%。”下面一起来看本份报告的要点汇总:
1、Python、React(web)、Angular、机器学习以及Docker将成为2020年市场需求最为旺盛的五大技能。
TensorFlow、OpenCV以及神经网络,已经成为众多数据科学家为提升自身AI水平而必须掌握的基础性技能与学习方向。只有精通这些技能,从业者们才有可能进一步理解并开发AI应用程序及相关平台。
TensorFlow是一套免费开源软件库,可跨越多种应用场景处理数据流并实现差异化编程。TensorFlow在本质上属于一套符号数学库,适用于神经网络等多种机器学习应用。
▲ 图:2020年十大最具人气技术 vs 2016-2019年十大最具人气技术。图片来源/UDEMY FOR BUSINESS《2020年职场学习趋势报告:未来技能》。
2、2020年,十大新兴技术性技能包括Web开发、量子计算以及物联网。 Udemy对目前超过4000万用户的学习内容进行整理分析,发现Gatsby.js(一款新型Web开发框架工具)正在快速崛起。包括React Hooks、Next.js以及SwiftUI(苹果的应用程序用户界面工具)在内的其他Web开发工具也同样人气高涨。另外,量子计算以及物联网开发领域的ESP32等也将在2020年成为最值得关注的新兴技术性技能。
▲ 图:2020年十大新兴技术。图片来源/UDEMY FOR BUSINESS《2020年职场学习趋势报告:未来技能》
3、2020年,SAP企业软件专业知识、ISO/IEC 27001标准相关知识、信息安全以及微软Dynamics 365预计将成为增长最快的四大流程与工具类技能。 Udemy还发现,市场对于机器人流程自动化(RPA)以及业务流程管理(BPM)类技能非常关注。机器人流程自动化(RPA)是指利用流程自动化工具复制人类操作,从而自动使用各类主流生产力应用程序(包括微软Excel、数据库乃至Web应用程序等)处理日常工作的新型技术方案。
▲ 图:2020年办公场所内增长速度最快的十大流程/工具相关技能。图片来源/UDEMY FOR BUSINESS《2020年职场学习趋势报告:未来技能》
4、2020年,Chef软件专业知识、网络安全、渗透测试、Linux安全以及AWS云认证将成为IT专业人员群体内增速最快的技能。 Chef软件目前在IT部门当中应用广泛,主要负责简化企业服务器的配置与维护类任务。Chef还与多种流行云平台相集成,包括Rackspace、微软Azure以及Amazon Elastic Compute Cloud等,继续在云端为新设备的设置与配置贡献力量。
▲ 图:2020年IT部门内增长速度最快的技能。图片来源/UDEMY FOR BUSINESS《2020年职场学习趋势报告:未来技能》
好文章,需要你的鼓励
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。
上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles,系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%,远低于人类93.6%的表现,揭示了当前AI在三维空间理解和多步序列推理方面的重大不足,为机器人、自动驾驶等应用发展提供重要参考。
字节跳动团队突破了AI图像生成领域的三大难题:身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略,能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案,并具备出色的兼容性,为个性化内容创作开辟了新道路。