-
1 # 幸福撲克iI
-
2 # 數理土豆餅
這個 人工智慧人才 只有短缺,沒有多餘。人工智慧上的一個突破,將代替 幾百萬人力,比如圖片和短影片自動分類推薦,如果沒有機器學習,完全人力搞,根本不經濟,就沒有這個行業了。
如果 真能取得突破,有多少也不多,因為創造的價值遠遠大於投入的時間和人力。多餘的是跟著起鬨打醬油跟風的。
-
3 # 魚廠磨刀人
研究生是要做研究的,做研究就是搞別人沒搞過的東西。
一個新領域可以搞的東西很多,所以在裡面隨便搞搞就能出來點新東西,順利畢業。
如果你扎進去一箇舊領域,就會發現:每一個想法都已經有人搞過了,你拿什麼畢業?!
讀研究生不是做工程,做工程最主要的是穩定,而穩定的東西往往就那麼幾樣,大家鬥拿來用(抄襲)。
-
4 # 渥濱小亭
資訊行業裡的問題分兩類:一類是確定性的問題,比如加密、網路通訊、資料庫、計算機結構(cpu/gpu/dsp以及儲存系統)、訊號調製解調等等。 另一類是帶有不確定性因素的問題,比如影象語音的分析理解、資料探勘、有界博弈、大樣本空間中區域性最佳化,自學習互動等等。所謂機器學習包括深度學習通常在不確定性的問題裡有比較不錯的應用效果,而在確定性的問題領域中鮮有建樹。機器學習這一波熱度是由深度學習帶起來的。學校蹭熱度,可以多招學生。學生蹭熱度,是因為當下聽著時髦。絕大多數學生,最終都會進入業界成為某個企業的員工。在企業裡,企業的經營發展方向是第一位的,個人的興趣永遠從屬於企業的需要。絕大多數企業裡解決的問題都是確定性的。一窩蜂到機器學習裡扎堆,最終一定會有很多人失望,因為行業的技術問題的分佈成形已久,不會因為當下一時的熱度而而出現大的調整。
-
5 # 望治成龍
當什麼時候大陸企業開始數字化轉型,才是機器學習和深度學習發力的時候……無論是傳統加工製造行業還是金額服務行業,數字化轉型過程都需要這些
-
6 # 清酒3G6c
需要 畢竟人工智慧將來會在很多很多領悟都是涉及到的 不僅僅是製造業 服務業 還是網際網路行業等 目前也都是慢慢地依賴著人工智慧的方式來生活了 相信在不久的將來 會在這一個層次上再上一個層次的 需求大了 肯定也需要擁有更加多的專業人員來開發跟研究和維護啊
-
7 # ProfMCD
任何的科學理論和天才的想法在成為技術之前,還是要世界上最領先的技術科學家的技術化的。無頭蒼蠅般的湧上去,浪費人才。幾十年前的神經元,還有其它一些學習演算法,發展到現在不也是如此?還得需要幾十年吧。但發論文,成為教師可以,因為與工業經濟無直接關係。
-
8 # 計算主義
研究生,顧名思義,就是為今後從事學術研究而培養的人才。按道理說,不會有很多人畢業後去從事學術研究工作,所以研究生不需要那麼多。但是,隨著科技的進步和競爭的加劇,很多高階企業發現需要一些有研究功底的人來企業做研發工作,這就導致研究生氾濫。解決辦法是,把研究生分層,一些搞應用研究的是為企業培養的,另一些少數人應打好更深的理論基礎,是為以後真正從事學術研究而培養的。
計算機理論發展到現在,絕大部分領域已經在理論上比較成熟,今後的發展就是修修補補或者在應用上搭積木,在規模和複雜性上進行擴充套件。但是這裡面還是有很多工作可以做的,而且一些看似成熟的理論也許還別有洞天,除了少數真正的大師級人物,多數的研究生導師的洞察力是不足的。人工智慧應該區分為強人工智慧和弱人工智慧。強人工智慧是個重大理論問題,弱人工智慧則是個對現有計算理論的修修補補的應用技術拓展和在規模和複雜度上迭代的問題。即使是搞腦機介面技術,也只是個計算機與生物技術結合的弱人工智慧問題。弱人工智慧只是要進行實用化,並沒有什麼理論上的重大創新,但是實用化的工作細節繁雜,是需要靠人多堆起來的,現在很多研究生搞人工智慧確實是有原因的,因為確實是有市場需求的。
計算機理論上現在真正的烏雲就是量子計算和強人工智慧了。強人工智慧的終極目標就是逼近人的大腦,而人的大腦的最主要的一項功能就是學習。所以搞機器學習和深度學習,是個在弱人工智慧和強人工智慧上都可以涉及到的工作,如果是做一些實用化、應用場景拓展、搭積木、提高效率提升效能的工作,就是弱人工智慧,如果是研究如何突破人工智慧奇點的機器學習理論和有關意識的本質機制,那就是強人工智慧的工作了。資訊的本質、計算的本質、意識的本質、生命的本質、宇宙複雜性的本質,也許這些不同學科的終極理論與強人工智慧是殊途同歸的。
人的大腦是個強人工智慧的機器。自然界的基因製造出生物體,來達到保護基因、複製基因、消滅和攻擊敵對基因(捕食)的目的。基因只是個資訊,而生物體、生物圈的運轉都是資訊和計算機制在起作用。比如細胞間、器官間、激素分泌、神經系統、感官都是採集或傳遞的資訊,生物群體、生物圈也靠資訊機制維持,生物體內體外及生物圈,都是各種生物化學演算法(計算)機制,比如食物消化演算法、捕食演算法、求偶演算法等。物理世界中,也是一切都是資訊,一切過程都是計算(演算法)。大腦是基因進化過程中為適應和處理不確定性的外部環境資訊而製造出來的生物體中的高階部件,為適應不確定性的環境,大腦的最主要功能就是學習、對虛擬現實的模擬和受基因委託並作為基因的代理人進行決策。
學習就是為預測和應對不確定性資訊而構建模型的計算機制。這是自然界和人工構造界的一個大類的資訊機制,因為不管是生物還是機器,都會碰到大量的不斷隨時間變化的不確定性環境資訊的處理。我們人類可以認為是人類1.0,未來突破奇點後的人工智慧機器可以定義為人類2.0。將來能夠去探索深空宇宙的,必然是人類2.0,我們人類1.0所需要的生命保障系統太複雜、壽命太短、思維太慢(化學反應級別的速度)、學習太慢,是幾乎不可能走出太陽系的。
-
9 # 傳媒大學楊老頭
目前,機器學習和深度學習以及人工智慧領域發展的非常快,特別是現在又提出元宇宙。所以,對於以上專業領域人才的需求特別迫切,而且需求量很大。那與此相關的現實專業,其實主要就是計算機專業以及自動化專業,所以這些專業畢業的學生目前是非常受歡迎。
另外,題主提到似乎現在學計算機專業的研究生,包括自動化、電子資訊的,“基本都搞”人工智慧了。這個說法實際上是不準確的,這只是一種假象。實際上對計算機專業領域和自動化領域,電子資訊領域還有大量的研究和實踐工作需要許多計算機專業和電子資訊專業自動化專業的碩士研究生去任職,所以,真正進入到人工智慧領域來開展研究和開發工作的研究生佔畢業生總體的人數還是少的。
-
10 # 春在溪頭3
一個時代有一個時代的發展方向,新的事物總會引領新的潮流,所以說進入的人多可以理解,但畢竟不是每個人都適合這個行業併成為優秀的人才,經過多年慢慢地沉澱後,也就跟其它的專業一樣了。
-
11 # 免疫網路
可能這就是市場需求吧,如果你的文章不和人工智慧掛上鉤就很難有創新,如果你的專案沒有人工智慧就很難獲得資助!學術跟風也很嚴重
回覆列表
因為人工智慧是交叉學科,除了計算機軟體程式設計,積體電路,資料科學,演算法,資訊傳輸,控制都要涉及。所以要想做好人工智慧這些全都要學。