极光开发者大会圆桌讨论:数据、技术、未来

极光开发者大会
标签: #<Tag:0x00007fb84cd24f18>

#1

2018年11月17日,深圳——首届极光开发者大会在深圳召开,近千位互联网公司技术领袖、合作伙伴、开发者齐聚一堂,围绕大数据、人工智能、移动开发等广受关注的热点话题,共同探讨移动开发的下半场,构建健康的开发者生态。

在极光开发者大会上,甲子光年创始人张一甲主持圆桌论坛,与WiFi万能钥匙万能事业群CTO谭振林、极光CTO黄鑫和爱因互动创始人兼CTO洪强宁共同探讨了智能互联网时代下的数据、技术与未来。

本次圆桌论坛主要探讨了以下几个问题:

  1. 过去几年间大数据发生的变化
  2. 大数据应用中的难点
  3. 关于人才的讨论
  4. 对开发者的建议

以下为极光开发者大会圆桌论坛重点摘录:

张一甲:大家好,我是张一甲。我们今天聊的大数据其实和几年前聊的大数据不太一样。当时我们需要花很多的时间进行教育,而如今大数据已经成为了高频词。2018年,当我们再次讨论大数据的价值的时候,你们觉得跟过去几年相比有什么变化。

谭振林:大数据的概念已经出现很长时间,这几年AI也火起来了。接下来的5G和互联网时代将产生更大规模的数据,以后的商业模式已经不能单纯凭借定性或定量分析,必须借助数据的帮助。

黄鑫:从最近几年的发展来看,我觉得大数据更重要的价值是通过大数据和AI的结合、通过产业互联网,更有效地改善效率,也是现在的大数据跟2007年往后相比非常不一样的地方。

洪强宁:我觉得之前的十年里发生了几件重要的技术革命。一个是苹果带来的移动互联网,一个是亚马逊带来的云服务,还有一个是谷歌带来的大数据处理技术。每个人通过移动互联网不断的产生数据,我们必须处理大量的数据,而云计算使得处理数据成本大量下降。经过十年的发展,大数据的技术基本上已经成熟,现在我们在算法上也有突破了。在我看来,大数据的关键词就是和AI结合。

张一甲:今年有一个感觉,涉及到的大数据、云计算、AI、物联网等概念都是组团出现的,很少单独说大数据。各个主流的DT技术之间的排位次序相对明了。想请问大家你们觉得大数据应用最难的点是什么?

谭振林:关于大数据,首先要做好数据采集。有很多公司说我要用大数据、要用算法,等到做的时候却发现没有有效的数据,数据不够多或者不够准确。大数据的应用是一个系统化的工程,是牵一发而动全身的。首先要有一定的规划去获取数据,有了数据之后,要有数据的使用模型,同时还要需要配合很多事情,比如组织架构的调整等等。

张一甲:牵一发而动全身是很精准的概括。我们不是给商业加一个衣服,而是给整个的打法做神经系统,神经系统换不好的话造成的后果是非常可怕的。

黄鑫:第一个层面,其实我们过往的数据中有1%是结构化的数据,更多的99%是非结构化的数据。这个过程中有太多人工经验,但这并不是大数据的核心,未来会产生一种技术让机器学习或者AI的算法能够直接应用在非结构化数据上面,这是可能存在一定突破的。第二个层面,虽然说机器学习的成本在日益下降,但是很多模型现在还是没有办法做足够的定型化,这就导致有很多很理想的模型无法应用到现实的生产环境里。第三个层面,虽然有很大的数据,每一个领域的大数据怎样为这个领域产生非常实际深入的价值,这是每个领域都需要去思考的一个问题。如何将业务和机器算法结合,这种思考还是非常匮乏的。

张一甲:大数据在非结构数据上有所作为,已经有一定的进展了吗?

黄鑫:我觉得目前还没有。比如说地理位置经纬度,经纬度本身是没有意义的数据,如果把经纬度抽取成一个街道,再转化成各种各样的属性,或者转换成一个WiFi或者店面。这就已经加入了太多人工的经验在内,而没有办法完全还原非结构化数据原本应有的含义。我们目前仍然无法跳过人工,这是我认为可以提高的地方。

洪强宁:语言本身是人的思维的表达,现在的技术没有办法让机器人像人类一样理解语言。所以要像刚才黄总说的,我们要找到一个场景,在这个场景下,虽然技术还不完善,但是它通过和其他技术的结合可以发挥价值。在一个封闭的场景之下,机器人可以像人一样自然的回答问题,或者推荐产品,或者引导你理解自己到底要的是什么。我们需要有大量的行业知识背景,通过这些知识补充机器学习理解能力不足的情况。希望随着技术的进步,有新的算法的出现,使得机器学习更有效率,可以更多从现有素材上学习,而当它场景的受到限制的时候,可以利用机器的强计算能力、强存储能力进行弥补。

张一甲:我们来谈谈人才这件事情。我记得在2015年、2016年的时候,随着AlphaGo的出现,人工智能被推上一个神坛,市场进入到了人才严重的供不应求的状况。今年你们招揽人才的时候,大家有没有感觉到对于人才需求,包括架构体系发生的变化,这可能是有点敏感的话题。

谭振林:在人工智能领域,谷歌、微软等都在积极推动开源框架,可以说把通用的AI应用的门槛已经降得很低了,这对整个行业来说是一个非常好的局面。也就是说,AI人才的培养难度,或者说他能够达到某个水平的难度应该是降低了很多。

张一甲:您觉得更大的痛点还是在于招不到更多的人吗?

谭振林:对于企业的实际应用来讲,招人确实比较难,但是有没有足够量的数据,也是一个痛点。

黄鑫:首先人肯定是不好招的。很多的开源框架降低了做深度学习的门槛。在面试过程中会发现初级的人好招了很多,因为随着门槛的降低,很多人非常容易进入AI领域,但问题在于,AI真正做到复杂的领域,或者真正想为企业创造更高的价值,则需要非常高的学术素养,需要更深的数学层面的知识和对于优化算法理解,需要对产业本身有很强的业务知识。当这些结合起来的时候,就会发现这并不是开源框架所能解决的问题。随着大数据的发展,对人才的要求也越来越高,以前做推荐只要达到30%也好,现在30%达到了,我需要50%的准确率,而这种高端人才目前来看还是很匮乏的。

张一甲:很多的开源框架和平台是为了让AI能够更好的平民化,更好地改变世界。

洪强宁:我们在实际的招聘过程中,明显感受到了越来越多的人进入了这个行业。很多院校开设了相关的课程,我们也收到了很多相关人才的简历。

张一甲:大家觉得人工智能人才的薪资跟去年比涨了还是降了?

黄鑫:我觉得没有明显增长,至少没有像通货膨胀的速度。薪资方面确实存在泡沫,但是这个泡沫不仅仅在AI层面出现,就像过去做java开发也存在一部分的泡沫,做移动端开发也存在泡沫。从过去的历史来看,人才的薪资不可能在一年之内或者两年之内降下来,但是会慢慢回归市场正常的水平。我不认为AI会降的原因是它的高级人才依然很少。国家是以AI作为接下来长期的发展目标的,而且我们都意识到了AI确实是会非常深刻地改变人类社会结构的一种技术。

张一甲:改变AI的人肯定需要技术往前走,但是可能随着更多技术被开源出来,会有更多的人可以更好得去控制AI。

黄鑫:那是逐渐淘汰的过程,不是降薪的过程。

谭振林:我觉得这个很难。AI是很多经济链中最主要的发展方向,我们要做的就是拥抱这些新的技术。每个人哪怕不是开发人员,也应该去努力了解一些相关原理。我觉得AI是非常有前景和前途的一个行业。

洪强宁:关于薪资的问题,我想说2016年人工智能火起来的时候,确实是存在泡沫的,而现在正是挤泡沫的过程当中。人工智能一定是未来几年发展的一个主要潮流,对人才的需求也在不断扩大,我觉得降薪不太可能。人工智能技术越来越成为程序员、IT工作者的必备技术,在一些大企业里面,已经把人工智能技术作为必备技能进行考核。它会对薪资带来一定的好处,但应该不会像前几年那样可以带来那么大的变化。

张一甲:最后一个问题,请问各位对于在座的各位开发者有什么样的建议。

洪强宁:对于开发者而言,人工智能技术一定是未来的主要发展潮流,如果还没有开始学习这个技术,现在就是最好的时刻。

黄鑫:AI不是一项专门的技术。所有技术行业的人都需要了解AI,都要知道AI要做什么,如何融入到自己的专业里面来。我认为这非常必要。

谭振林:我总结几点。第一是要尽快拥抱AI,对于新技术、新时代,你更早进入,就能跑在别人前面。第二点,逐渐形成自己的核心竞争力。

张一甲:非常感谢各位的分享。希望我们未来都能拥抱一个更加灿烂的AI时代的到来,谢谢大家。


关于极光
极光(纳斯达克股票代码:JG)成立于2011年,是中国领先的移动大数据服务平台。极光专注于为移动应用开发者提供稳定高效的消息推送、即时通讯、统计分析、社会化组件和短信等开发者服务。截止到2018年9月份,极光已经为36.9万移动开发者和99.1万款移动应用提供服务,其开发工具包(SDK)安装量累计近174亿,月度独立活跃设备近10.3亿部。基于海量数据和洞察积累,极光已将业务拓展至大数据服务领域,包括精准营销(极光效果通)、金融风控、市场洞察以及商业地理服务(极光iZone)。极光将继续借助人工智能与机器学习为移动大数据赋能,致力于为社会和各行各业提高运营效率,优化决策制定。