伍大勇|为机器注入智慧力量(经济聚焦·新职业看新需求③)( 二 )


“今天完成的部分还不是人工智能工程师的全部 , 我个人的工作也只是人工智能浩繁领域中的一小部分 。”伍大勇说 , 写完模型构建的代码后 , 要导入之前准备好的数据 , 在机房里大规模服务器上进行模型训练 。其间 , 往往是漫长的等待 , 有时候训练过程要好几天 。
然而初次等到的结果 , 大多数是不理想的 。“你输入‘我被别人打了 , 要怎么办?’ , 它反馈的答复可能是不太相关的法律条文 。”真正做到有模有样 , 让用户满意 , 要持续优化模型 , 反复训练机器 , 直到它能给出精准的法条 。在伍大勇看来 , 优化才是人工智能工程师的工作本质 , 也是夜以继日不断追逐的职业目标 。
模型的精准度越高 , 越能体现这一职业的技术含量 。说到这里 , 伍大勇不觉语速加快 , “机器精准度不可能达到百分之百 , 我要做的就是每天不停优化算法 , 让机器更通人性 , 有时提升一个点 , 要耗费好几个月 , 但也足够兴奋好几天!”
【伍大勇|为机器注入智慧力量(经济聚焦·新职业看新需求③)】学习新知 , 练就“最强大脑”
当好一名人工智能工程师不容易 。对机器的训练既检验着计算机等基础设施的算力 , 更考验着工程师自身的脑力 。
“要想让人工智能程序回答得更精准 , 必须大量学习和积累新的算法模型 , 从而更好地训练人工智能 。”伍大勇认为 , 这一行最突出的特点就是更新迭代非常快 , 五六年前的一些方法在今天看来已经有些过时 , 这就要求从业者不停学习、不断更新知识体系 。
夕阳西下 , 伍大勇走到办公室墙角处 , 靠墙立着的书架上摆满一系列跟算法和编程相关的工具书 。“这些只是基础 , 还要参加各类人工智能学术会议与论坛 , 翻阅行业内最前沿的研究论文 , 知晓学界和业界提出的新算法模型 。”
从大学毕业进入中国科学院计算技术研究所从事自然语言处理研究工作 , 到3年前转入科大讯飞北京研究院做人工智能工程师 , 在行业的浸染中 , 伍大勇如今已是人工智能领域的行家里手 。
“成为一名人工智能工程师需要具备数学计算能力、对人工智能技术的理解能力以及系统科学和软件工程专业背景知识 。”除此之外 , 伍大勇每天都要抽出2—3个小时学习和吸收新知识 , 让自己处在不断充实的过程中 。
晚上6点左右 , 格子间工位上的员工纷纷散去 , 伍大勇合上电脑 , 查看手机上明天的日程安排:早上9点 , 部门有一场电视在线会议 , 继续讨论小程序在法律法条检索与自动推荐方面可能的优化方向 。他说 , 疫情防控期间 , 远程办公、视频会议成为主要工作方式 , 更多远程在线庭审系统的运用 , 也促使人工智能工程师不断调整研究工作 。
不远处 , 在办公室的玻璃墙上 , 下一款新产品的设计流程图清晰可见:从研究、开发到测试、部署 , 形成一条以人工智能工程师为主导的生产线 。
“在科幻电影里 , 人工智能可以与人类展开自由交流 , 那是人工智能的未来 , 也是我们努力的方向 。”伍大勇说 , 虽然那样的场景还很遥远 , 但在人工智能这个新兴产业中 , 有越来越多的人才加入其中 。在一个个具体任务中 , 在一次次优化训练中 , 未来值得期待 。
■采访人员手记
新职业助推新升级
人工智能是什么?身处这个行业多年 , 伍大勇给出自己的答案——不单单是一项前沿技术 , 更是一种趋势 , 而人工智能工程技术人员则是实现这一趋势的重要动力 。
如今 , 从生产线上的工业机器人到高速路上的智能导航仪 , 从语音转化翻译器到面部识别摄像头 , 以人们对智慧生活的需求为驱动力 , 越来越多的人工智能应用落地成真 。
可以看到 , 在相关应用层出不穷的背后 , 人工智能工程技术人员这个新职业群体已经逐渐趋于稳定 。同时 , 一条从数字化到智能化的产业升级路径也逐渐清晰 。


推荐阅读