AI 时代需要怎样的技术人才？

在刚刚过去的 11月27日 TechCrunch 国际创新峰会 2017 上海站主论坛中，Leap.ai 联合创始人及 CTO 周云凯和蚂蚁金服人工智能商业决策总监盛子夏同台，在TechCrunch资深记者 Matthew Lynley 的主持下，共同探讨了 “AI 人才的挖掘和培养” 的相关问题。他们的对话回答了这样一个问题：AI 时代需要怎样的人才？

人工智能：自动驾驶？融资热词？More than that...

参与讨论的嘉宾盛子夏所带领的团队，支持着蚂蚁金服的各个业务部门，包括银行、支付宝业务、保险理赔，也包括蚂蚁积分等等。毕业于CMU的他，加入蚂蚁金服前在美国 Discover 信用卡公司工作了5年，专注于信用管理这块业务。

人工智能在蚂蚁金服的运用，撼动了整个金融服务行业。盛子夏分享道，“对蚂蚁金服而言，人工智能帮助我们成为行业中的技术领先者，驱动着整个金融领域的发展。”

值得相信的是，未来 5 - 10 年，汽车驾驶和出行体验会被技术完全改变。自动驾驶现在是个很热的话题，很多人都进入到了这个行业当中，不少基于人工智能技术发展的自动驾驶技术创业公司也如雨后春笋般出现，这其实是个好现象。目前 Leap.ai 也在硅谷和滴滴出行美研、景驰科技等需要人工智能和自动驾驶人才的公司合作。

云凯说道，“我跟之前谷歌研究自动驾驶的朋友经常交流，他们做了很多工作，有一些已经被拿出来讲和分享，也有一些是还没有面世的技术。这一领域的进步非常巨大，也有不少人对于这样的新生行业和技术非常感兴趣。”

与此同时，机器学习和人工智能可以改变的领域远远超出汽车、驾驶和出行，会为我们生活的方方面面带来改变。这个拼图当中，还有很多其他的板块也是人工智能人才的机会所在。因此云凯对于人工智能人才的建议是，“事实上，我们每个人都有着不同的热忱，我们感兴趣的东西是不一样的。”比起追求热点，更重要的是找到自己感兴趣的技术，并且找到你感兴趣的、可以运用这个技术的行业。

比如盛子夏对于 AI 的热情，就远不止汽车这一项。

“我觉得 AI 最酷的一件事情，是你可以把它应用到实际生活当中的任何一件事上。目前我们看到的一些情况，人比机器要做得好多了。但如果 AI 领域有一些巨大的进展的话，可能就会比人的效果要好很多。”

蚂蚁金服人工智能商业决策总监 - 盛子夏

他用 FACE++ 这一初创企业举例，这是一家运用人工智能做人脸识别、探测和搜索的技术公司，今年10月刚完成C轮超1亿美金的融资，获得蚂蚁金服、富士康集团的资金支持。几年之前，他们对于人工识别和整个面部识别的的准确率是80%，现在提升到了99%。蚂蚁金服通过和 FACE++ 合作，希望能解决证明“约翰是约翰”这个现在看起来对人而言无比简单的问题。这一技术上的挑战和提升，会对各个领域产生贡献，最终成为系统化的一个决策方案。

“强烈推荐学术界和工业界进行密切合作”

Matthew Lynley问：“如何把实践科学和基础科学之间的进展结合在一起呢？比如博士生、硕士生，他们该如何进入这个领域？他们是不是准备好了？”

盛子夏使用蚂蚁金服作为例子：“我强烈推荐学术界和工业界进行密切合作，我觉得这是将来的一个趋势。”

蚂蚁金服目前在海外和中国都和多个知名高校进行了合作，比如斯坦福大学、伯克利大学，以及清华大学和上海大学。通过分享业界的实际案例和一些具体的运用，给基础科学一个潜在的发展方向，让学界了解到真正这些科学的实际运用场景。

Leap.ai 联合创始人 & CTO - 周云凯

这一观点得到了一致的认同。

云凯认为，AI技术的发展，要从实际应用的角度出发，因为产业应用中的一些进展，比学术领域更快。学术界可以获得的外部实际运用数据是有限的，而工业和产业界有着很多的数据，AI的进步最需要的就是数据，这部分双方都可以受益。同时，学术界可以解决的问题，拿到实际运用中来会遇到新的挑战。其中一个挑战就是如何让模型持续地进步。每一年的 ImageNet 的赢家都不一样。赢家靠一个巧妙的办法冲到前面就行了，但在应用领域，解决问题并不是一次性的挑战，而是需要持续地改进：比如谷歌，目标就是每个月、每个季度，都需要提高我们模型的效率5%，希望明天比今天好。

他同样用了 FACE++ 来举例，“最开始的时候，实验数据获得80%的准确率已经非常好了。但实际运用中，这就意味着识别五个面部的话，可能一个就会错。这在实际运用中就变得不可接受了，于是需要不停地改进，下一个目标是90%，直到99.9%。所以，我们应积极推动学术界和工业界的合作，以便我们能受益于学术界的新思维和工业界的持续进步。”

热门技术人才：深度理解技术＋管理才能

目前我们所处的人工智能时代，其实并不是一个新词了。人工智能（AI）这个名词在1956年，就在达特茅斯学院的一个论坛上被提出，目前我们所在的已经是第三次机器学习和人工智能的浪潮了。人工智能发展相关的技术是可以快速习得的。

云凯分享说，“我们可以看到一些中学生，都能非常快的应用这些AI模型了。但是如果我们把这些平台的运用、识别和背后的原理拆分开来，其实有非常大的区别。比如，在AI这个领域，我们现在还有各种各样的挑战。我们都讲到深度学习，深度学习非常好，现在阿尔法狗已经一而再再而三地打败人类，但是我们并没有完全地了解为什么阿法狗可以做得这么好。学术界也一直在探讨这个问题。为什么深度学习做得这么好？我们只知道深度学习很有效，但并不了解它为什么如此有效。”

这些能够追根溯源，把一个技术领域的纵向深度探索清楚的人才，对于AI行业的发展会起到至关重要的作用。另外，对于科技和互联网企业来说，向新技术的转型，面临的人才挑战其实和别的技术并没有太大差别－－技术的艰深程度并不是主要瓶颈，而要找到懂技术并且懂管理的人，能够组一支技术强大、并且可以一起工作的团队，才是真正的困难所在。

“我觉得对于一个刚刚毕业的学生，技术对于他们而言并不难。但从企业角度而言，我们希望不仅需要技术过硬的，还要有做商业领袖和管理团队的潜力。能带领团队把产品做得非常好，能创造一个很好的环境，使团队里来自各种技术背景的同事都能人尽其才，引领整个团队不断发展。” 盛子夏说：“这是我们希望能找到的目标人才，他们可能是刚毕业的学生，通过历练慢慢成长为AI方面领袖。但光有技术方面的优势是远远不够的。”

从产业角度而言，单单了解一方面的技术，不能看到全局，或者不懂商业的技术人才就可能会遇到瓶颈。

对此，云凯也总结了实践中遇到的 AI 人才问题：“Leap.ai 希望能通过跟不同的公司进行合作，了解各个公司的实际需求。我们遇到各种各样的人才，但现实中，企业仍然很难找到和留住符合需求的人。为什么呢？因为一些人在技术上符合招聘需求，却不适合公司文化。所以我们我们才有了Leap.ai 的这个想法和模型，我们希望能够分析个人背景和公司的技术背景，然后看一下这两者是否匹配，以帮助打算在科技领域寻求职业发展机会的人才，找到最适合他们的公司和领域。如果有人非常擅长做人工智能为基础的自动驾驶项目，我们把他们送去蚂蚁金服，这个找工作的人不会开心，蚂蚁金服也不会满意；同样的，如果这个人有人工智能的技术能力，我们也会看这个人是不是真的对于汽车有热情，也有的是其他领域，比如蚂蚁金服这样的金融技术可以让他发挥，要把这个人跟公司的背景结合在一起，双方才会都开心嘛。”

如果你对这篇文章有感触，或是有话要说，欢迎转发分享和给我们留言，参与到讨论中来。你觉得AI时代，热门的技术人才是怎么样的？要如何成长？

对于 AI 人才的求职问题，云凯提到的核心一点在于 “匹配” - match。Leap.ai 正是致力于寻找并完成这样 match 的一家公司。在 Leap.ai，我们利用机器学习结合我们的经验，根据每个人的价值取向、工作喜好、专长和经验，来匹配和推荐最适合个体的工作机会，通过内推，帮助我们的用户进入到理想的工作岗位。

蚂蚁金服也是我们的合作伙伴，Leap.ai 平台上有其在硅谷和总部的职位与工作机会。

如果对蚂蚁金服感兴趣，请登录 https://leap.ai/welcome 或者点击左下角【阅读原文】到我们平台上注册，就有机会 match 到蚂蚁金服的工作机会。除了蚂蚁金服，目前 Leap 的合作伙伴已达70多家，很多都是在硅谷高速发展的公司，也包括近20家独角兽公司。无论你在谋求新的就业机会，亦或是着重于现有岗位的升职、影响力拓展、学习新技术、扩展人脉，我们都希望祝你一臂之力。