或许，人工智能比你还要老

如今，据大多数研究公司预测，人工智能将在不远的未来发挥越来越重要的作用，因此，以人工智能为核心的各类宣传也令人眼花缭乱。

虽然企业领导者们都对机器学习技术非常感兴趣，但却不得不面对人才短缺的困境。 事实证明，全球范围内，只有少数开发者拥有开展新人工智能项目所需的必备技能。这也意味着，能够掌握这些技能的开发人员就变得非常抢手。既然如此，我们就来了解一下开发者在将重点转向“机器学习、人工智能以及深度学习和神经网络”之前需要了解的有关人工智能的事实吧。

或许，人工智能的年龄比你还要大

据现有记录显示，人工智能(artificial intelligence)一词是由美国计算机科学家、该学科创始人之一约翰•麦卡锡(John McCarthy)首次提出的。他在斯坦福大学度过了自己的大部分学术生涯，并于20世纪50年代末发明了Lisp。Lisp以λ演算(lambda calculus)为基础，在1960年一经发表，便很快成为了人工智能应用程序的首选编程语言。

不过，尽管斯坦福大学和麻省理工学院都创建了人工智能部门，但该领域却并没有像其创始人想象的那样取得巨大进展。这在很大程度上是因为科学家们遇到了各种难题：有限的计算机能力(即完成任务所需的内存或处理速度)、难解性、组合爆炸、缺少数据库、以及缺少训练算法所需必要的常识和推理。

上世纪70年代出现了所谓的“人工智能寒冬”，当时，大量资金被搁置，人工智能的发展进入瓶颈期。直到21世纪初，计算能力和数据才得以广泛使用。2009年，由斯坦福大学李飞飞教授领导的ImageNET数据库项目(该项目存储了1500万张图片)终于打破了坚冰。与此同时，数据存储速度的迅速增加也为更多的人工智能投资奠定了基础。

人才储备不足

人工智能行业的人才严重短缺，据各类报告显示，全球市场中有数百万个相关职位亟待填补。由于全球普遍缺乏与AI技能相关的教育，因此缺少训练有素的实用型人才。事实上，由初创公司Element AI(总部位于蒙特利尔)估计，全球拥有创建机器学习系统所需专业知识的人还不足22000人。

此外，中国腾讯研究院的另一项研究估计，目前全球有30万人工智能研究人员和从业者，其中约10万人仍处于学习阶段。腾讯称，美国在培养相关人才方面具有绝对优势，在全球2600所教授机器学习及相关学科的大学中，有1000多所位于美国。

该报告还称，美国在开发人工智能技术的初创企业数量方面也遥遥领先。有趣的是，各种学术会议正逐渐变成企业招聘者的狩猎场，而各知名大学的人工智能研究部门却都被转移到了部署人工智能的私营企业中。

AI工程师的薪酬十分可观

无论在任何行业中，就业市场的稀缺性必然会带来可观的薪水。例如，据报道，2014年被谷歌以6.5亿美元收购的DeepMind在400名员工身上花费了1.38亿美元。《纽约时报》对该公司最近在英国公布的年度财务报表进行了研究，发现其员工基本年薪在30万至50万美元之间。

根据Monster.com的分析显示，在2019年，数据科学家、高级数据科学家、人工智能顾问和机器学习经理的工资中值为12.7万美元。

在过去的四年里，全球对人工智能领域人才的需求增加了74%，而60%的人工智能人才都聚集在了科技和金融服务公司中。

AI/ML专业人员需要具备多种技能

现在，人工智能领域的从业人员大多都身兼数职，预计未来也会持续这种趋势。目前，市场上很受欢迎的三个人工智能职位是数据科学家兼算法开发人员、机器学习工程师、和深度学习工程师。据求职网站Indeed显示，软件开发人员在人工智能项目中需要熟练掌握包括数学、代数、统计、大数据、数据挖掘、数据科学、机器学习、认知计算、自然语言处理(NLP)、Hadoop、Spark在内的多种主要技能和工具。AI开发人员最常用的编程语言是Phyton、c++、Java、LISP和Prolog。此外，企业还要求求职者必须具备使用开放源码开发环境的经验。例如，熟练使用Spark、MATLAB和Hadoop就是必备技能之一。

围绕人工智能进行的各类宣传炒作都是值得的

Gartner在2018年的预测称，此后三年内，80%的新兴技术将涉及人工智能基础。此外，市场研究公司Markets and Markets预测，到2025年，人工智能市场将发展成为价值1900亿美元的强势产业。此外，埃森哲(Accenture)也曾预言称，人工智能技术将推动企业劳动生产率提高近40%。根据IDC的数据，2019年投资最多的人工智能用例分别是自动化客户服务代理(全球45亿美元)、销售流程推荐和自动化(27亿美元)以及自动化威胁情报和预防系统(27亿美元)。

综上所述，围绕人工智能而进行的一切宣传炒作都是值得的。

AI为各行业带来了多种影响

在担心“软件开发人员是否会被人工智能取代”之前，我们先来看一看人工智能到底能做什么。

在过去的几年中，部署人工智能的行业和用例激增。

2018年12月，纽约佳士得拍卖行以4.32万美元的价格拍出了一幅名为《Edmond de Belamy》的肖像画，这幅19世纪欧洲肖像画风格的画作由算法生成。如今，各种各样由人工智能生成的艺术作品被频频展出，纽约的《超越时间的无脸肖像》系列收藏就是一个典型的例子，Ahmed Elgammal博士及其AICAM AI也成为了第一个举办个人画廊展览的人工智能艺术家。

与人工智能相关的艺术热情也在影响着音乐行业。你可以点击下方链接，播放由ASCII编码生成的古典和摇滚乐。该作品名为“Recurrence”，由于这张“唱片”是五年前创作的，所以你可能会觉得它的音乐风格有些老派、不够新颖。(https://soundcloud.com/optometrist-prime/recurrence-music-written-by-a-recurrent-neural-network?ref=hackernoon.com)

与此同时，人工智能工具也被用于解决各类医疗问题，为我们带来了更具实质性的社会影响——在医疗研究中识别、预防和治疗机体紊乱和疾病。预计到2026年，这些应用每年将为医疗经济节省1500亿美元。

以人工智能为基础的输入模式匹配算法可以根据用户的输入行为来验证用户的身份。2016年推出的TypingDNA技术能够通过分析人与键盘间的互动，从而进行准确的身份验证。这一突破性的发现基于以下事实：每个人都是不同的，其行为方式也各不相同。以下链接演示了其工作原理，你可以和朋友一起玩玩这款挑战游戏，看看是否能通过模仿彼此的打字行为来骗过系统的眼睛。

(https://www.typingdna.com/?ref=hackernoon.com#demo)

此外，谷歌的深度学习、机器学习程序在检测乳腺癌方面的准确率高达89%，而人类病理学家的准确率仅为73%。这也是机器学习和人工智能被视为健康卫生领域新神经系统的原因。

最后，人工智能也十分聪明地展现了自己未来的潜力。例如，AlphaGo Zero——谷歌深度思维项目，就以超水平的表现，完美地击败了卫冕冠军AlphaGo(第一个击败世界顶级围棋选手柯洁的人工智能机器人)。有趣的是，AlphaGo Zero是在仅仅给定基本规则的情况下，自学成才的。

AI不会取代人类，但会取代人类的工作

25年前，杰夫•迪恩(Jeff Dean)开始研究模仿神经网络来分析信息并进行学习的“大脑”，但当时神经网络能力十分有限。直到2012年，神经网络才被成功地应用于机器学习、记忆、感知和符号处理等领域。

而杰夫•辛顿(Geoff Hinton)也开创了一个新时代，他带来的神经网络可以通过分析大量的数据自行学习。迪恩和辛顿现在都是谷歌人工智能研究团队的成员。2017年，谷歌宣布其AutoML项目成功自学了机器学习软件编程。AutoML能够完成基本的编程任务这一事实或许会带来一轮新的恐慌：既然机器具备了自学能力，那么它们是否会取代人类?

欢迎来到本世纪的终极恐慌问题。

与限定领域人工智能或弱人工智能(Narrow/Weak AI)指定处理人类也能完成的单一或有限的任务不同，通用人工智能或强人工智能(General/Strong AI)一旦失控，其强大的能力将造成人类的巨大恐慌。目前，人工智能主要作用是辅助开发人员进行作业，也在增强人类团队能力方面发挥着作用。我们身边随处可见它的身影——帮助编写文档、测试代码、甚至能够识别并解决bug。

Open AI及其Generative Pre-trained Transformer 3 (GPT-3)——一个具有1750亿参数的自回归语言模型，在许多NLP数据集上都实现了强大的性能：包括翻译、问题回答和完形填空、以及一些需要即时推理或领域适应的任务。这表示，它生成的新闻文章或许能够媲美由人类撰写的文章，甚至连人类评估员都难以区分二者的区别。

麻省理工学院的研究人员创建了一个程序，可以通过其他程序的工作行替换错误代码行来自动修复软件bug。以下这几个工具都可以在构建软件产品时为我们提供适当的帮助：DeepCode、Synopsys Logojoy和UIzard。

开发者们是如何看待人工智能及其潜在威胁的?

或许你存在这样的担忧：人工智能是否终将会取代我的角色。其实，这也是世界上大多数开发者的内心独白。

埃文斯数据公司(Evans Data)的研究显示，当被问及职业生涯中最担忧的事情时，绝大多数软件开发人员都提到了这一点：我和我的开发工作都被人工智能取代了。

但从积极的方面来看，Stack Overflow研究显示，相比于担心人工智能或许会带来的潜在危险，70%的受访者更为其无限的可能性感到兴奋。大多数开发人员都热切期待着自动化将带来的新可能。