随着ChatGPT的问世,且引起的轰动性!无疑,人工智能未来必然是我们发展的方向,那么在人工智能发展的过程中有哪些痛点需要解决呢?
但是,AI人工智能行业在国内走得可是举步维艰,国内大厂被美国卡脖子不是一天两天的事儿!
国内AI人工智能行业要想发展起来,厄待解决的痛点问题最大之一就是:人才难寻。
-
痛点一丨人才稀缺,僧少粥少
国内AI人工智能在人才方面极度稀缺,这也是整个国内行业市场上最大的痛点,由于国内的行业环境,很多高端人才都已经在国外不准备回国发展,所有国内的领域人才真的是稀缺,各个大厂都在高价抢人。据行业报告数据显示,全球在人工领域的人才不足25万人,其中在美国的人才最多。其余主要分布在欧洲,印度,加拿大等。其中有10年以上工作经验的不足30%。所以哪个国家,企业想在人工智能领域做出成绩,首先就是人才的争夺。
要发展自身行业,首先出现的问题就是人才稀缺,人才的优秀程度,人才的聚集程度,决定了一个企业走向欣荣还是衰败。
-
痛点二丨算力限制,能力不够
就单单从专业出发,想要进行人工智能算力平台的搭建,需要大量的CPU和GPU。而谷歌公司的AlphaGo使用的TPU,类似于GPU的一种算法芯片,能耗功效比非常高。训练AlphaGo需要的算力相当于我们市面上常见的消费级3080等级的显卡,大约需要10000张,至少千万级别的开支。
对于谷歌,Facebook,腾讯等这样的巨头公司,这样的开销也许不算什么。但是对于一些规模较小的公司,这将是非常大的一个问题。想要形成行业规模,单单靠个别公司其实是不够的,必须得需要大多数都能掌握技术,毕竟人工智能想要步入成熟期,必须解决算力成本问题。
-
痛点三丨数据稀缺,物料不足
AI模型不仅仅目前不仅需要进行人工对信息标记,同时也需要巨量数据才可以达到人类正确识别的程度。以AlphaGo为例,在击败李世石的那个版本AlphaGo进行了3000万次图谱学习。击败柯洁的那个版本,进行了400多万次,自我对弈。
最新的ChatGPT的算力也是高得吓人,除了对数据量的需求极大,对数据的维度也要求尽可能的全面。总之就是,能有最好都给我,越全面越好。但是实际情况就是,国内结构性的全面的数据在现实生活中很难获得,而且也很难获得比较准确的数据。
-
痛点四丨可信任度,有待商榷
结果信任度,这个一个复合的问题。AI模型在处理可评测结果的应用中可能表现非常出色,比如在图像识别领域,我们可以用一个确定的概率来评价AI模型的正确识别度,也可以说是可信任度是明确可见的。
但是,如果在未来的应用场景中,需要AI模型提供一定的商业决策,或者给出一些建议。我们并没有很好的参照体系来评价AI模型的决策和建议是否是准确的,是否是最优解。这将影响决策的方向和准确,也会为很多商业人士带来不必要的困扰。
-
痛点五丨移植性差,无法复制
AI模型的可用性是随着训练的数据量增大而增高。但是所需要的数据量是个非常大的量级,但即使是重复度很高的模型,也没有办法从上一个模型中获得其一些经验,只能自己从头开始训练。
这样会带来一些问题,比如会增加数据获取成本,时间成本,能耗成本等,这将给发展中的企业带来极大的困扰。模型的可移植性差,势必影响技术的发展传播速度,也会增加传播成本,这对于一个需要快速发展的新兴科技,确实是一个非常重要的问题。
人工智能从概念诞生之起,到如今已经有60年的历史。如今其已经在一些领域开始发挥其重要的作用了,虽然有很多痛点有待解决,但是哪一个新技术从开始到成熟没有经历过各种问题。而且,人工智能未来的潜力十分巨大,相信未来人工智能行业可以有更好的发展和突破。
如果你的企业在找人工智能行业高端人才,我觉得我们可能会帮到你!
免责声明:本文来自网络收录或投稿,观点仅代表作者本人,不代表芒果财经赞同其观点或证实其描述,版权归原作者所有。转载请注明出处:https://www.mgcj.net/1015979.html
温馨提示:投资有风险,入市须谨慎。本资讯不作为投资理财建议。