大牛跳槽的故事填不上人才缺口 百度这次为AI人才培养做出了表率

    很多人习惯将人工智能比作行驶中的汽车，数据是燃料，人才是引擎，算力是底盘，任何一个环节存在缺口，这辆车注定是跑不快的。
    算力和数据虽然也是问题的关键，但在人工智能领域的玩家中，大多数巨头在数据和算力上都还算粮草充足，即便是创业系公司，也可以通过花钱来解决。人才反而成了最大的不确定性，决定了算法的水平，左右了发展方向。
    正因为人才的紧缺，在人工智能领域，往往不乏滥竽充数之辈。也有不少在线学习平台上线了零基础入门的课程，似乎只需要花几十个小时听完课，就可以为自己的简历贴上“人工智能”的标签。也恰恰是缺少了人才标准，人工智能的乱象和其关注度一样热闹了起来。
    好在有人观察到了乱象并做出了行动——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。深度学习国家工程实验室、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——《深度学习工程师能力评估标准》，也是第一个体系化的深度学习人才培养方案。
    AI人才荒
    Element AI公布过这样一份调查数据：全球约有22000名接受了博士教育的AI领域研究者，其中不到1万人具备创建机器学习系统的专业知识，但只有3000人正在找工作。
    
    而从各大公司招聘的岗位来看，除了深度学习、人工神经网络、计算机视觉、自然语言处理或机器人等技术术语，Python、Theano等编程语言也是必备技能。即使没有博士学位的限制，全球符合条件的人才也仅有9万人左右。
    与之对应的却是百万级的人才需求，巨大的供需差导致的一个现象就是：突如其来的AI人才荒和水涨船高的薪酬体系。比如说高级算法工程师动辄百万级年薪；BAT等互联网巨头不惜代价挖人；人工智能相关的投资者也学会了“看人下菜碟”，创始人的资历几乎决定了公司的价值……
    同时人工智能相关的人才也是阶梯型的，最顶层的是算法科学家，有能力做框架和前沿性研究，数量上自然凤毛麟角；第二层是工程师型人才，或许没有能力独创框架，却可以在流行的框架上做适配、改进，进而为项目做定制化调整；最底层的就是AI入门级人才，大多是在人工智能爆发后转型的“门外汉”，利用公开课或者培训学会一些皮毛知识。
    AI的人才困境已经出现了诸多不和谐的信号，不同公司的AI水平良莠不齐，诸如百度等前沿研究者牢牢占据第一梯队，大多数人工智能公司对AI的研究仍处于初级阶段。同时也在影响AI大牛们的择业观，大牛们选择和同样出色的人才协作，留给创业公司乃至传统企业的人才困境越发严重。
    人工智能连同量子技术、虚拟现实等被称为“第四次工业革命”，当前面临的人才荒无疑是最大的短板，毕竟人工智能的使命不是少数几家巨头的“一枝争春”，而是整个行业的“百花齐放”，像前三次工业革命一样对社会进行颠覆性改造。
    如何构建合理的AI人才成长体系，如何让相关人才培养标准化，业已成为人工智能行业最为强烈的呼声。
    标准落地
    规范化早已成为一种社会规则，IT行业尤为如此，一些企业标准俨然成为行业发展风向标。如同在PC时代，培养系统网络管理和应用开发人才的“微软认证”，在网络工程领域权威的“思科认证”等等。同样，人工智能的飞奔自然离不开标准的确立。
    百度又一次成为国内的先行者，率先落地中国软件行业协会发布的《深度学习工程师能力评估标准》，计划对深度学习工程师进行权威测试和考核，以填补国内人工智能产业中相关人才缺少标准的空白。
    比起AI人才招聘中的“阶梯型”分类，标准中对“深度学习工程师”的能力认证要更为详细，依次是深度学习工程师高级、中级、初级，分别对应的是应用经验、实操能力和理论知识。评估要素包括专业知识、工程能力、业务理解与实践，涵盖编程、机器学习、神经网络、深度学习、代码规范能力、 算法模型实现等等。
    百度也顺势成为第一家落地《深度学习工程师能力评估标准》，进行人才培训和认证体系的企业。亦或者说，标准的诞生与百度在人工智能领域的实践不无关系。
    早在2012年的时候，百度就开始对深度学习进行布局，2013年成立了深度学习研究院，于2016年推出了国内唯一的深度学习开源平台PaddlePaddle，如今的PaddlePaddle，包括完整的核心框架，以及AI Studio、AutoDL、EasyDL等可以让开发者平等便捷获取顶尖AI能力的组件。
    其实纵观全球AI领域，深度学习开源框架并不少，尤其是谷歌、亚马逊、微软等巨头，他们依靠深度学习开源平台＋人工智能芯片”的模式牢牢握住了话语权。在经历了中兴事件之后，中国企业开始意识到自主知识产权对企业安全和稳定发展的重要性，而百度的PaddlePaddle则完成了从芯片到文档、从框架到应用工具的全面自主化，是名符其实的“中国标准”。
    可以看到，百度想要的并非是为AI人才出一份试卷，而是一套完整的，适合中国开发者的培养方案，不盲目给AI人才设门槛，反而是给开发者架一座桥，如此才是解决AI人才荒的正确方式。
    黄埔军校
    坊间一直流传着这样的观点：百度已经是人工智能领域的黄埔军校。
    百度是国内最早向人工智能转型的互联网巨头，知名科技媒体TOPBOTS在2017年评选出的“20位驱动中国人工智能改革的科技领导者”名单中，王海峰、景鲲、徐伟等百度系占了10个名额，足以印证其行业地位。
    当然也有另一个角度，后续发力人工智能的公司中，大多养成了从百度挖人的“习惯”，此外在人工智能相关的创业者中，有百度背景或被百度投资的也占了大半。
    不过百度正在重新定义AI的“黄埔军校”。倘若各AI企业一直持续不计成本挖人的局面，各家开出的筹码越来越高，无疑将逐渐演化成一场恶性竞争，对于国内人工智能的研究将并无益处。人才终归是人工智能的引擎，相比于AI大牛频繁跳槽的八卦故事，值得关注的是如何持续性培养出更多的AI人才。
    率先落地人才认证标准是百度给出的答案，PaddlePaddle是百度为深度学习人才搭建的桥梁，通过它，开发者可以迅速取得实践经验，直接为企业服务。
    从技术细节上来看，PaddlePaddle集成了所有主流算法、支持海量数据训练、CPU／GPU单机和分布式并行运算，具有易用、高效、灵活和可伸缩等特点。且与谷歌、Facebook不同的是，PaddlePaddle在中文自然语言处理、中国人脸、中文语音处理等方面有着无可比拟的优势，最大程度地满足了中国开发者。
    而在应用层面上，PaddlePaddle致力于打造自主可控的人工智能生态，最大程度地满足企业、高校和开发者的需要，让深度学习为各行各业赋能。从智慧城市、智慧零售到智慧农林等领域PaddlePaddle的落地案例更不胜枚举——招聘网站简历智能筛选、楼宇机电系统智能调控、生鲜进货量智能预测、智慧农林AI识虫……这些都是基于PaddlePaddle进行的应用。
    回到“黄埔军校”的说法上，绝非是因为汇聚了太多AI人才而得名，相反是完整的人才架构，既有顶尖的科学家，也有专业的工程师，以及完善的人才培养和福利。由此百度才有了牵头制定人才标准的机会，打造AI“教材”的能力。
    或许可以打这样一个比方：人工智能的竞争就像是一场汽车竞速赛，其他选手仍在思考该如何提高发动机马力，百度这辆车已经远远跑在了最前面，并在沿途建设起“加油站”，让其他选手的发动机也能够保持动力输出。
    中美之间人工智能的竞争可能体现在很多方面，可能是产品的较量，也可能是论文数量上的PK。但只有确定的人才标准，并建立起成熟的认证和培养体系，让AI成为一种通用技术，中国人工智能行业才真正具备比肩世界的机会。